概要（ 模板）

指导问题

示例

ODD+D 模型描述

概述

I.i 目的

I.i.a 研究的目的是什么？

研究问题包括假设检验、 系统理解、理论发展、定量预测、管理或决策支持、沟通和学习（参与式建模）

I.ii.b 该模型是为谁设计的？

科学家、学生/教师、决策者、利益相关者

I.ii 实体、状态变量和尺度

I.ii.a 模型中有哪些类型的实体？

代理/个体（人类、机构）：类型和子类型，空间单元（网格单元），环境，集体（代理组）

I.ii.b 通过哪些属性（即状态变量和参数）来表征这些实体？

关于代理：身份编号，年龄，性别，最大年龄，记忆，位置，资源水平，土地所有权，（政治）观点，职业，决策模型（仅提及策略名称，具体解释见后），一个代理代表一个个体/一个家庭/一个农场/某一特定类型的所有个体,

关于空间单元 ：位置，单元内的代理列表， 农民拥有的土地 ，环境条件描述（海拔、植被覆盖、土壤类型），当前土地利用情况

集体 : 代理列表，具体行动

计量单位

I.ii.c 模型的外生因素/驱动因素是什么？

疾病，气候，湖泊水位，土地覆盖变化，构造扰动，入侵物种，立法

I.ii.d 如果适用，模型中如何包含空间信息？

未包含、空间隐式、空间显式、地理参考（GIS）

I.ii.e 模型的时空分辨率和范围是什么？

一个时间步代表一年，模拟运行了 100 年，一个网格单元代表 1 公顷，模型景观由 1000 x 1000 公顷组成

I.iii 流程概述和 调度

I.iii.a 哪个实体做什么，以及按什么顺序？

模型流程的自解释名称， 包括决策流程， 调度伪代码，同步 / 异步更新

设计 C 概念 s

II.i 理论与实践背景

II.i.a 哪些一般概念、理论或假设构成了系统层面或子模型层面的模型设计基础（除决策模型外）？ 模型与复杂性的关联是什么？模型的目的又是什么？

II.i.b 智能体的决策模型基于哪些假设？

既有的理论 （微观经济模型：经济人、完全/有限理性；认知模型：社会心理学、心智模型；基于空间理论的模型）

现实世界观察 （有机制解释/基于过程的理解；黑盒，启发式方法的使用，统计回归方法）

临时规则 （虚拟规则， 例如恒常性假设）

理论和观察的组合

II.i.c 为什么选择特定的决策模型？

数据（非）可用性、模式导向建模、对其他研究的参考、理论考量

II.i.d 如果模型/子模型（ 例如决策模型）基于经验数据，数据来自哪里？

参与式方法（角色扮演游戏）、家庭调查、访谈、直接观察、统计普查、档案、GIS、实地或实验室实验

II.i.e 在哪个聚合层次上的数据可用？

家庭/个人层面，群体层面

II.ii 个人决策

II.ii.a 决策的主体和客体是什么？决策在哪个聚合层面上被建模？是否包含多个决策层级？-

命名决策主体（ 个人 代理/家庭，在社区层面，自上而下的决策者）和决策客体，例如：土地利用形式、劳动力分配、买卖选择

II.ii.b 模型中，智能体决策的基本合理性是什么？ 智能体追求明确的目标，还是有其他成功标准？

理性选择（经典优化方法，效用最大化）、有限理性（满足策略）、无目标（基于常规操作，试错）

II.ii.c 智能体如何做出决策？

决策树、效用函数、随机选择

II.ii.d 智能体是否适应不断变化的内生和外生状态变量？如果是，如何适应？

资源提取等级根据资源生态状态进行调整

II.ii.e 社会规范或文化价值观在决策过程中发挥作用吗？-？

文化规范，信任

II.ii.f 空间因素在决策过程中发挥作用吗？

基于空间理论的模型

II.ii.g 时间因素在决策过程中发挥作用吗？

贴现、记忆

II.ii.h 在多大程度上以及如何将不确定性纳入智能体的决策规则中？

完全不包括 / 随机因素模拟智能体行为中的不确定性 / 智能体明确考虑不确定情况或风险

II.iii 学习

II.iii.a 决策过程中是否包含个体学习？个体如何随着时间的推移和经验的积累而改变其决策规则？

根据过去的经验改变期望水平

II.iii.b 模型中是否实施了集体学习？

进化，遗传算法

II.iv 个人 感知

II.iv.a 个人在决策中假设感知和考虑哪些内生和外生状态变量？ 感知过程是否存在错误？

II.iv.b 个人能够感知哪些其他个体的状态变量？ 感知过程是否存在错误？

（多种）资源（包括工作能力、货币资源、其他收入资源）和其他代理人的行为

II.iv.c 感知的空间尺度是什么？

本地、网络、全局（整个模型空间）

II.iv.d 代理获取信息的机制是否在模型中明确建模，或者只是假设个体知道这些变量？

感知通常被假设为本地，但可以通过网络发生，甚至可以假设为全局。

II.iv.e 认知成本和信息收集成本是否包含在模型中？ 对于收集信息的成本是否包含在模型中？

II.v 个人预测

II.v.a 哪些数据使用代理来预测未来条件？

从经验中推断，从空间观察中推断

II.v.b 代理被假设使用哪些内部模型来估计未来条件或其决策的后果？

II.v.c 智能体在预测过程中可能出错，以及 它是如何实现的 ？

(外部)不确定性，(内部)智能体的能力

II.vi 交互

II.vi.a 智能体与实体之间的交互是 直接的还是间接的 ？

直接互动，间接互动（由环境/ 市场，拍卖）

II.vi.b 互动依赖于什么？

空间距离（邻域），网络，代理类型

II.vi.c 如果互动涉及沟通，这些沟通如何表示？

明确信息（Matthews 等人，2007)

II.vi.d 如果存在协调网络，它如何影响代理行为？ 网络的结构是强加的还是涌现的？

集中式与分散式， 基于组的任务

II.vii 集体

II.vii.a 个体是否形成或属于那些影响个体并受个体影响的聚合体？ 这些聚合体是由建模者强加的还是它们在模拟过程中自发产生的？

社会群体、人际网络和组织

II.vii.b 集体是如何被表示的？

集体作为涌现属性与作为建模者定义的实体（具有自己的状态变量和特征的不同类型的实体）

II.viii 异质性

II.viii.a 代理人是异质的吗？如果是，哪些状态变量和/或过程在代理人间有所不同？

在开始时用一个代理人替换另一个代理人会对模拟产生影响吗？

II.viii.b 代理人在决策方面是异质的吗？如果是，哪些决策模型或决策对象在代理人间有所不同 ？

II.ix 随机性

II.ix.a 哪些过程（包括初始化）被假设为随机或部分随机来进行建模？

II.x 观察

II.x.a 从 ABM 收集哪些数据用于测试、理解和分析，以及如何和何时收集这些数据？

II.x.b 个体从中涌现出哪些关键结果、输出或模型特征？（涌现性）

详细说明

II.i 实现细节

III.i.a 模型是如何被实现的？

计算机系统，编程语言/模拟平台，模拟运行时，开发时间

III.i.b 模型是否可访问，如果可访问则在哪里？

主页？（ 链接)

III.ii 初始化

III.ii.a 模型世界的初始状态是什么， 即在模拟运行的时间 t=0 时？

实体类型和数量，包括代理本身，其状态变量的值/随机分布

III.ii.b 初始化是否总是相同的，或者是否允许在模拟之间变化？

III.ii.c 初始值是任意选择的还是基于数据的？

如需引用数据， 利益相关者选择

III.iii 输入数据

III.iii.a 该模型是否使用来自外部源（如数据文件或其他模型）的输入来表示随时间变化的过程？

观测时间序列例如年降雨量，由其他模型生成的时间序列，

不 ：参数值，状态变量的初始值

III.iv 子模型

III.iv.a 详细说明一下，哪些子模型代表了“过程概述和调度”中列出的过程？

方程式，算法，附加信息

III.iv.b 模型参数有哪些，它们的维度和参考值是什么？

参数表

III.iv.c 子模型是如何设计或选择的，它们是如何参数化并被测试的？

理由，文献参考，独立实现，测试，校准，子模型分析