Zum Inhalt

Mesa

Für ausführlichere Informationen siehe die offizielle Mesa documentation.

Die Python-Bibliothek "Mesa" für agentenbasierte Modellierung

Mesa1 ist eine Python-Bibliothek, die speziell für die Erstellung von agentenbasierten Modellen (ABMs)2 entwickelt wurde. Diese Modelle ermöglichen es, Individuen, sogenannte Agenten, innerhalb einer definierten Umgebung (dem Model) interagieren zu lassen. Mesa bietet Werkzeuge zur Definition, Ausführung und Visualisierung solcher Modelle und Agenten. Dies ermöglicht die Simulation komplexer Systeme sowie die Beobachtung emergenter Verhaltensweisen, welche oft bereits aus sehr einfachen Regeln hervorgehen.

Agentenbasierte Modellierung bei der Untersuchung komplexer gesellschaftlicher Fragen

Multi-Agenten-Simulationen bieten eine wertvolle Ergänzung bei der Erforschung von Wahlregeln und kollektiven Entscheidungsprozessen. Diese Methode ermöglicht die Modellierung sehr komplexer Interaktionen, die mit traditionellen Methoden schwer zu erfassen sind3. Agentenbasierte Modelle dienen hauptsächlich der Erforschung und Analyse komplexer Zusammenhänge. Das Hauptaugenmerk liegt darauf zu verstehen, wie individuelle Verhaltensweisen und Interaktionen zu kollektiven Ergebnissen führen. Sie werden häufig in den Sozialwissenschaften, der Wirtschaftswissenschaft und der Umweltforschung eingesetzt, um Szenarien zu modellieren und zu analysieren, die anderweitig schwer zu untersuchen sind.

Simples Schelling-Modell in Mesa Bild 1: Beispiel eines simplen Schelling-Modells in Mesa

  1. Jackie Kazil, David Masad, and Andrew Crooks. Utilizing Python for Agent-Based Modeling: The Mesa Framework. In: Social, Cultural, and Behavioral Modeling. Ed. by Robert Thomson, Halil Bisgin, Christopher Dancy, Ayaz Hyder, and Muhammad Hussain. Cham: Springer International Publishing, 2020, pp. 308–317 ↩

  2. Dirk Helbing. Agent-based modeling. In: Social self-organization: Agent-based simulations and experiments to study emergent social behavior. Springer, 2012, pp. 25–70 ↩

  3. Robert L Axtell and J Doyne Farmer. Agent-based modeling in economics and finance: Past, present, and future. In: Journal of Economic Literature (2022), pp. 1–10 ↩