ABM
#ABM
#AgentBasedModeling
**Agent-Based Modeling (ABM, 에이전트 기반 모델링)**은 복잡계 경제학, 사회학, 생물학, 도시 계획, 환경 과학 등 다양한 분야에서 사용되는 시뮬레이션 기법으로, 개별 주체(=에이전트)들의 행동 규칙과 상호작용을 모델링하여, 전체 시스템의 거시적 동작을 탐구합니다.
핵심 개념
요소 설명
에이전트(Agent) 독립적인 의사결정 단위. 사람, 기업, 세포, 로봇 등 다양한 형태 가능.
규칙(Rules) 각 에이전트가 따르는 행동 방식 또는 의사결정 로직
환경(Environment) 에이전트들이 상호작용하는 공간. 물리적, 사회적, 정보적 공간 모두 포함 가능.
상호작용(Interaction) 에이전트 간 교환, 경쟁, 협력 등을 통해 시스템 동역학 발생.
비선형성 / 창발성(Emergence) 단순한 로컬 규칙들이 전혀 예측 불가능한 거시적 결과를 만들어냄.
동작 방식 (간단한 흐름도)
1. 초기 조건 설정 (에이전트 수, 특성, 환경 등)
2. 각 에이전트에 행동 규칙 적용
3. 시간 단위마다 상태 업데이트
4. 에이전트 간 상호작용 발생
5. 시스템 전체의 패턴 또는 결과 관찰
경제학에서의 활용 사례
분야 ABM 적용 사례
금융시장 투자자 간 감정 전이로 인한 버블과 붕괴 시뮬레이션
노동시장 노동자–고용주 간 매칭과 실업률 추이 모델링
기술혁신 경쟁 기업의 기술 채택 및 R&D 전략 진화 과정
도시경제 인구 이동, 부동산 가격 형성, 교통 혼잡 등 시뮬레이션
정책 실험 기본소득, 세금정책 등의 제도를 다양한 시민 군집에 적용했을 때의 변화 관찰
특징 요약
특징 설명
미시적 규칙 기반 개별 단위의 행동을 중심으로 전체 분석
비선형 동역학 작은 변화가 큰 결과를 초래할 수 있음
시뮬레이션 중심 수학적 해보다 컴퓨터 시뮬레이션으로 문제 해결
불균형과 진화 강조 균형보다 변화, 적응, 동적 경로를 강조
경험적 데이터와 비교 용이 실제 데이터 기반으로 실험적 모델 검증 가능
대표적인 ABM 플랫폼 및 언어
플랫폼 특징
NetLogo 학습용 및 교육용으로 간단하면서도 강력함
Repast Java 기반, 복잡한 연구 모델 가능
Mesa (Python) Python 기반, 사용자 정의에 유리
MASON Java 기반, 고성능 모델링에 적합
AnyLogic 상업용 플랫폼, 시스템 다이내믹스와 혼합 가능
추천 자료
• Joshua M. Epstein & Robert Axtell – Growing Artificial Societies: Social Science from the Bottom Up
• Nigel Gilbert – Agent-Based Models (SAGE Publications)
• Leigh Tesfatsion – 복잡계 경제학 기반 ABM 연구 선도자
• NetLogo 모델 라이브러리: https://ccl.northwestern.edu/netlogo/models/
예시: 금융시장 모델 (투기 버블)
1. 에이전트: 투자자들
2. 초기 자산 보유, 기대 수익률 등 무작위 부여
3. 일부 투자자는 주변 사람의 행동을 따라함 (군집 행동)
4. 일정 시간이 지나면 가격 급등 정점에서 급락
5. 버블 형성과 붕괴 패턴 창발
요약
ABM은 “위로부터의 명령”이 아닌 “아래로부터의 질서”를 이해하는 도구입니다.
기존 모델이 설명하지 못하는 비선형, 불균형, 창발적 현상을 설명하는 데 강력한 힘을 발휘하며, 경제정책, 위기관리, 도시계획, 생태계 보존 등 다양한 영역에서 활용됩니다.
#NetLogo
