エージェントベースモデル

エージェントベースモデル（ABM）は、システムの挙動とその結果を支配する要因を理解するために、自律エージェント（個人または組織やグループなどの集団エンティティの両方）のアクションと相互作用をシミュレートする計算モデルです。ゲーム理論、複雑系、創発、計算社会学、マルチエージェントシステム、進化プログラミングの要素を組み合わせたものです。モンテカルロ法は、これらのモデルの確率性を理解するために使用されます。特に生態学では、ABMは個体ベースモデル（IBM）とも呼ばれます。 ^{[1]個体ベースモデル、エージェントベースモデル、マルチエージェントシステムに関する最近の文献のレビューによると、ABMは}生物学、生態学、社会科学を含む多くの科学分野で使用されています。^{[2]エージェントベースモデリングは、}マルチエージェントシステムやマルチエージェントシミュレーションの概念と関連しているが異なる概念であり、ABMの目的は、エージェントの設計や特定の実際的または工学的な問題の解決ではなく、通常は自然システムにおける単純なルールに従うエージェントの集団行動に対する説明的な洞察を追求することである。^[2]

エージェントベースモデルは、複雑な現象の出現を再現および予測するために、複数のエージェントの同時操作と相互作用をシミュレートする一種のマイクロスケールモデル^{[3]です。このプロセスは、一部の人が「全体は部分の総和よりも大きい」と表現する、}創発のプロセスです。言い換えれば、より高レベルのシステム特性は、より低レベルのサブシステムの相互作用から出現します。または、マクロスケールの状態変化は、マイクロスケールのエージェントの動作から発生します。または、単純な動作（エージェントが従うルールを意味する）が複雑な動作（システム全体のレベルでの状態変化を意味する）を生み出します。

個々のエージェントは、通常、限界合理的であると特徴付けられ、ヒューリスティックや単純な意思決定ルールを使用して、生殖、経済的利益、社会的地位など、自分自身の利益であると認識していることに基づいて行動していると推定されます。 ^[4] ABMエージェントは、「学習」、適応、生殖を経験する場合があります。^[5]

ほとんどのエージェントベースモデルは、(1)さまざまなスケールで指定された多数のエージェント(通常、エージェント粒度と呼ばれる)、(2)意思決定ヒューリスティック、(3)学習ルールまたは適応プロセス、(4)相互作用トポロジ、(5)環境で構成されています。ABMは通常、カスタムソフトウェアまたはABMツールキットを介してコンピューターシミュレーションとして実装され、このソフトウェアを使用して、個々の動作の変化がシステムの全体的な動作にどのように影響するかをテストできます。

エージェントベースモデリングのアイデアは、1940 年代後半に比較的単純な概念として開発されました。計算集約型の手順を必要とするため、1990 年代まで普及しませんでした。

エージェントベースモデルの歴史は、複製可能な理論上の機械であるフォン・ノイマンマシンにまで遡ります。フォン・ノイマンが提案した装置は、非常に詳細な指示に従って自分自身のコピーを作成します。この概念はその後、フォン・ノイマンの友人で数学者でもあるスタニスワフ・ウラムによって発展させられました。ウラムは、紙の上に、グリッド上のセルの集合として機械を構築することを提案しました。このアイデアに興味をそそられたフォン・ノイマンはそれを考案し、後にセルオートマトンと呼ばれる最初の装置を作成しました。もう1つの進歩は、数学者ジョン・コンウェイによってもたらされました。彼は、有名なライフゲームを構築しました。フォン・ノイマンのマシンとは異なり、コンウェイのライフゲームは、2次元のチェッカーボードの形の仮想世界で単純なルールに従って動作しました。

Simulaプログラミング言語は、1960 年代半ばに開発され、1970 年代初頭までに広く実装され、エージェントのシミュレーションを段階的に自動化する最初のフレームワークでした。

エージェントベースモデルの概念として最も初期のものの一つは、トーマス・シェリングの分離モデル^[6]であり、 1971年の論文「分離の動的モデル」で議論されました。シェリングは当初、コンピュータではなくコインとグラフ用紙を使用していましたが、彼のモデルは、共有環境内で相互作用する自律エージェントとして、観察された集合的な創発的な結果というエージェントベースモデルの基本概念を具体化していました。

1970年代後半、ポーリエン・ホーゲヴェグとブルース・ヘスパーは個体生態学モデルの実験を始めました。彼らの最初の成果の1つは、マルハナバチのコロニーの社会構造が、個々のハチの行動を支配する単純なルールの結果として出現したことを示すことでした。^[7] 彼らは、エージェントが特定の時点で「やるべきことを行う」方法を指すToDo原則を導入しました。

1980年代初頭、ロバート・アクセルロッドは囚人のジレンマ戦略トーナメントを主催し、エージェントベース方式で相互作用させて勝者を決定しました。アクセルロッドはその後、自民族中心主義から文化の普及までさまざまな現象を調査する政治科学の分野で、他の多くのエージェントベースモデルを開発しました。^[8] 1980年代後半には、クレイグ・レイノルズの群集モデルに関する研究が、社会的特徴を含む最初の生物学的エージェントベースモデルの開発に貢献しました。彼は、クリストファー・ラングトンが作った造語である人工生命として知られる、活発な生物学的エージェントの現実をモデル化しようとしました。

「エージェント」という言葉が最初に使われたのがいつなのか、そして今日使われている定義がいつなのかは、なかなか突き止めることができません。候補の 1 つは、ジョン・ホランドとジョン・H・ミラーの 1991 年の論文「経済理論における人工適応エージェント」^[9]です。これは、彼らの以前の会議での発表に基づいています。より有力で早い候補は、アラン・ニューウェルです。彼は、AAAI の最初の会長演説 ( The Knowledge Level ^[10]として出版) で、インテリジェントエージェントという概念について論じました。

同時に、1980年代には、社会科学者、数学者、オペレーションズ・リサーチャー、および他の分野の散在する人々が計算数学組織理論（CMOT）を開発しました。この分野は、経営科学研究所（TIMS）とその姉妹団体であるアメリカオペレーションズ・リサーチ協会（ORSA）の特別興味グループとして成長しました。^[11]

1990年代は、社会科学におけるABMの拡大が特に顕著であった。注目すべき取り組みの1つは、ジョシュア・M・エプスタインとロバート・アクステルが開発した 大規模ABMであるSugarscapeであり、季節的な移住、汚染、有性生殖、戦闘、病気や文化の伝染などの社会現象の役割をシミュレートして調査することを目的としていた。^[12] 1990年代の他の注目すべき開発には、カーネギーメロン大学のキャスリーン・カーリーABMがあり、^[13]社会ネットワークと文化の共進化を調査した。サンタフェ研究所（SFI）は、クリストファー・ラングトンのリーダーシップの下でABMモデリングプラットフォームSwarmの開発を促進する上で重要な役割を果たした。SFIを通じて行われた研究により、小規模な人間社会と霊長類の社会的および空間的ダイナミクスの研究を含む多くの分野へのABM手法の拡張が可能になった。^[11] 1990年代にナイジェル・ギルバートは社会シミュレーションに関する最初の教科書『社会科学者のためのシミュレーション』（1999年）を出版し、社会科学の観点からジャーナル『人工社会と社会シミュレーションジャーナル（JASSS）』を創刊した。JASSS以外にも、あらゆる分野のエージェントベースモデルはSpringerOpenのジャーナル『Complex Adaptive Systems Modeling （CASM）』の対象範囲である。^[14]

1990年代半ばまで、ABMの社会科学の分野は、効果的なチームの設計、組織の有効性に必要なコミュニケーションの理解、ソーシャルネットワークの行動などの問題に焦点を当て始めました。CMOT（後に社会組織システムの計算分析（CASOS）と改名）は、エージェントベースのモデリングをますます取り入れました。サミュエルソン（2000）は初期の歴史を簡潔に概観しており、^[15]サミュエルソン（2005）とサミュエルソンとマカル（2006）は最近の発展をたどっています。^{[16] [17]}

1990年代後半、TIMSとORSAが合併してINFORMSが設立され、INFORMSが年2回の会議から1回に移行したことが、CMOTグループによる別の協会である北米計算社会組織科学協会（NAACSOS）の設立につながった。キャスリーン・カーリーは、特にソーシャルネットワークのモデルに関する主要な貢献者であり、米国科学財団から年次会議の資金を獲得し、NAACSOSの初代会長を務めた。彼女の後任には、シカゴ大学およびアルゴンヌ国立研究所のデイビッド・サラック、エモリー大学のマイケル・プリエトゥラが就任した。NAACSOSの設立とほぼ同時期に、NAACSOSのカウンターパートである欧州社会シミュレーション協会（ESSA）と太平洋アジアエージェントベースアプローチ社会システム科学協会（PAAA）が組織された。2013年現在、これら3つの組織は国際的に連携している。社会シミュレーションに関する第1回世界会議は、両大学の共同主催により、2006年8月に京都で開催されました。^[要出典]第2回世界会議は、2008年7月にワシントンDCのバージニア州北部郊外で開催され、ジョージ・メイソン大学が現地での手配を主導しました。

最近では、ロン・サンが人間の認知モデルに基づいたエージェントベースのシミュレーション手法を開発しました。これは認知社会シミュレーションとして知られています。^[18]ビル・マッケルヴィー、スザンヌ・ローマン、ダリオ・ナルディ、ドワイト・リードらUCLAの研究者も組織行動と意思決定に多大な貢献をしてきました。1991年以来、UCLAはカリフォルニア州レイクアローヘッドで会議を開催しており、この分野の専門家が集まるもう一つの主要な場所となっています。^[19]

大規模言語モデルの登場後、研究者は相互作用言語モデルをエージェントベースモデリングに適用し始めました。広く引用されているある論文では、エージェント言語モデルがサンドボックス環境で相互作用し、誕生日パーティーの計画や選挙の開催などの活動を実行しました。^[20]

ほとんどの計算モデリング研究では、均衡状態にあるシステム、または均衡状態の間を移動するシステムを記述します。一方、エージェント ベース モデリングでは、単純なルールを使用して、さまざまな種類の複雑で興味深い動作を生み出すことができます。エージェント ベース モデルの中心となる 3 つのアイデアは、オブジェクトとしてのエージェント、出現、および複雑性です。

エージェント ベース モデルは、動的に相互作用するルール ベースのエージェントで構成されます。エージェントが相互作用するシステムは、現実世界のような複雑さを生み出すことができます。通常、エージェントは 空間と時間に配置され、ネットワーク内または格子状の近隣に存在します。エージェントの位置と応答動作は、コンピューター プログラムでアルゴリズム形式でエンコードされます。常にではありませんが、場合によっては、エージェントはインテリジェントで目的があると見なされます。生態学的 ABM (生態学では「個体ベース モデル」と呼ばれることが多い) では、エージェントはたとえば森の木であり、リソース (水など) へのアクセスを最適化するという意味で「目的がある」かもしれませんが、インテリジェントとは見なされません。モデリング プロセスは、帰納的であると説明するのが最も適切です。モデラーは、手元の状況に最も関連していると思われる仮定を行い、エージェントの相互作用から発生する現象を観察します。その結果は、均衡である場合もあります。出現パターンである場合もあります。ただし、理解できない混乱である場合もあります。

ある意味で、エージェント ベース モデルは従来の分析手法を補完します。分析手法ではシステムの均衡を特徴付けることができますが、エージェント ベース モデルではそれらの均衡を生成する可能性が生まれます。この生成的な貢献は、エージェント ベース モデリングの潜在的な利点の中で最も主流かもしれません。エージェント ベース モデルは、テロ組織やインターネットのネットワーク構造、交通渋滞、戦争、株価暴落の規模のべき乗分布、寛容な人口にもかかわらず存続する社会的分離など、高次パターンの出現を説明できます。エージェント ベース モデルは、介入が極端な結果をもたらす瞬間として定義されるレバー ポイントを特定したり、パス依存性のタイプを区別したりするためにも使用できます。

多くのモデルは、安定した状態に焦点を当てるのではなく、システムの堅牢性、つまり複雑なシステムが機能を維持するために内部および外部の圧力に適応する方法を考慮します。その複雑さを利用するには、エージェント自体、つまりその多様性、接続性、相互作用のレベルを考慮する必要があります。

複雑適応システムのモデリングとシミュレーションに関する最近の研究では、エージェントベースモデルと複雑ネットワークベースモデルを組み合わせる必要性が実証されています。^{[21] [22] [23]}は、いくつかの学際的なケーススタディの例を使用して説明された複雑適応システムのモデルを開発するための4つのレベルからなるフレームワークを説明しています。

1. さまざまなシステム コンポーネントの相互作用データを使用してモデルを開発するための複雑なネットワーク モデリング レベル。
2. 探索的エージェントベース モデリング レベルは、さらなる研究の実現可能性を評価するためのエージェントベース モデルを開発するためのものです。これは、研究者に多大な学習曲線を必要とせずに、資金申請などの概念実証モデルを開発するのに役立ちます。
3. テンプレートと複雑なネットワークベースのモデルを使用してエージェントベースのモデルの説明を開発するための記述的エージェントベースモデリング (DREAM)。DREAM モデルを構築すると、科学分野間でモデルを比較できます。
4. 検証済みおよび検証済みのモデルを正式な方法で開発するための、仮想オーバーレイ マルチエージェント システム (VOMAS) を使用した検証済みのエージェント ベース モデリング。

エージェントベースモデルを記述する他の方法としては、コードテンプレート^[24]やODD（概要、設計概念、設計詳細）プロトコルなどのテキストベースの方法があります。^[25]

エージェントが住む環境（マクロとミクロの両方）の役割^[26]も、エージェントベースのモデリングとシミュレーションの作業において重要な要素になりつつあります。単純な環境では単純なエージェントが生まれますが、複雑な環境では多様な行動が生まれます。^[27]

エージェントベースモデリングの強みの 1 つは、スケール間の情報の流れを仲介できることです。エージェントについての追加の詳細が必要な場合、研究者はそれを追加の詳細を記述するモデルと統合できます。エージェントの集団によって示される創発的な行動に関心がある場合、エージェントベースモデルを集団動態を記述する連続体モデルと組み合わせることができます。たとえば、CD4 + T 細胞 (適応免疫システムの主要な細胞タイプ) に関する研究では、^[28]研究者はさまざまな空間 (細胞内、細胞、全身)、時間、組織スケール (シグナル伝達、遺伝子調節、代謝、細胞行動、サイトカイン輸送) で発生する生物学的現象をモデル化しました。結果として得られたモジュールモデルでは、シグナル伝達と遺伝子調節は論理モデル、代謝は制約ベースモデル、細胞集団動態はエージェントベースモデル、全身サイトカイン濃度は常微分方程式で記述されます。このマルチスケール モデルでは、エージェント ベース モデルが中心的な位置を占め、スケール間のあらゆる情報フロー ストリームを調整します。

エージェントベースモデリングは、伝染病の蔓延^[29]や生物兵器の脅威の分析、個体群動態^[30] 、確率的遺伝子発現[31]、植物と動物の相互作用^{[32] 、} 植生生態学^[33]、移動生態学^[34 ]、景観の多様性[ ^35]、社会生物学[36]、古代文明の興亡、民族中心主義的行動の進化[37]、^強制移住^{[38 ]} 、言語選択ダイナミクス^{[39 ]、}認知モデリング、3D乳房組織形成/形態形成のモデリング^[40]、電離放射線が乳腺幹細胞の亜集団動態に与える影響^[41]、炎症^{[42] 、 [43]} 、ヒトの免疫システム^[44]、採餌行動の進化などの生物学への応用など、生物学で広く使用されています。^[45]エージェントベースモデルは、乳がんなどの意思決定支援システムの開発にも使用されています。^{[46]エージェントベースモデルは、医薬品開発を支援し、}事前には不可能な生物学的システムに関する洞察を得るために、初期段階および前臨床研究で薬理学的システムをモデル化するためにますます使用されています。^[47]軍事用途も評価されています。^[48]さらに、エージェントベースモデルは最近、分子レベルの生物学的システムの研究に使用されています。^{[49] [50] [51]}エージェントベースモデルは、恐竜環境やより最近の古代システムなどの古代システムで機能している生態学的プロセスを記述するためにも作成されています。^{[52] [53] [54]}

エージェントベースモデルは現在、通常の疫学モデルである従来のコンパートメントモデルを補完しています。予測の精度に関しては、ABMがコンパートメントモデルよりも優れていることが示されています。^{[55] [56]最近では、疫学者}ニール・ファーガソンによるCovidSimなどのABMが、 SARS-CoV-2の拡散に対する公衆衛生（非医薬品）介入の通知に使用されています。^[57]疫学的ABMは、単純化され非現実的な仮定をしていると批判されています。^{[58] [59]}それでも、ABMが正確に調整されている場合、緩和および抑制対策に関する決定を通知するのに役立ちます。^{[60]このようなシミュレーションのABMは、実際の人口のデータが常に利用できるとは限らないため、ほとんどが}合成人口に基づいています。^[61]

エージェントベースモデルは、1990年代半ばからさまざまなビジネスおよびテクノロジーの問題を解決するために使用されてきました。アプリケーションの例としては、マーケティング、^[66] 組織行動と認知、^[67] チームワーク、^{[68] [69]} サプライチェーンの最適化とロジスティクス、口コミを含む消費者行動のモデリング、ソーシャルネットワーク効果、分散コンピューティング、労働力管理、ポートフォリオ管理などがあります。また、交通渋滞の分析にも使用されています。^[70]

最近、エージェントベースのモデリングとシミュレーションは、コンピュータサイエンス分野の研究者による出版場所（ジャーナルと会議）の影響の研究など、さまざまな領域に適用されています。^[71]さらに、ABMはアンビエント支援環境での情報配信をシミュレートするために使用されています。^{[72] 2016年11月の}arXivの記事では、 Facebookで拡散された投稿のエージェントベースのシミュレーションが分析されました。^[73]ピアツーピア、アドホック、その他の自己組織化ネットワークと複雑ネットワークの領域では、エージェントベースのモデリングとシミュレーションの有用性が示されています。^[74]ワイヤレスセンサーネットワークとエージェントベースのシミュレーションを組み合わせたコンピュータサイエンスベースの形式仕様フレームワークの使用が最近実証されました。^[75]

エージェントベースの進化的探索またはアルゴリズムは、複雑な最適化問題を解決するための新しい研究テーマです。^[76]

チームサイエンスの分野では、エージェントベースモデリングは、さまざまな設定でチームメンバーの特性とバイアスがチームパフォーマンスに与える影響を評価するために利用されてきました。^[77]それぞれが異なる特性とバイアスを持つ個々のチームメンバーを表すエージェント間の相互作用をシミュレートすることにより、このモデリングアプローチにより、研究者はこれらの要因がチームパフォーマンスのダイナミクスと結果にどのように影響するかを調査できます。その結果、エージェントベースモデリングはチームサイエンスの微妙な理解を提供し、チームベースのコラボレーションに固有の微妙な違いと変動性をより深く調査するのに役立ちます。

2008年の金融危機以前とその後、経済分析のツールとしてABMへの関心が高まった。^{[78] [79] ABMは経済が}均衡を達成できることを前提とせず、「代表的エージェント」は群集行動を含む多様で動的かつ相互依存的な行動をとるエージェントに置き換えられる。ABMは「ボトムアップ」アプローチを採用し、極めて複雑で不安定なシミュレーション経済を生成できる。ABMは、比例的に小さな変化に対する非線形（不均衡）な反応から生じるクラッシュとブームを伴う不安定なシステムを表すことができる。^{[80] 2010年7月の}エコノミストの記事では、DSGEモデルの代替としてABMが取り上げられた。 ^[80]ネイチャー誌も、ABM は金融市場やその他の経済の複雑性を標準的なモデルよりもうまく表現できると示唆する論説でエージェントベースモデリングを奨励した^[81]。また、J. ドイン・ファーマーとダンカン・フォーリーの論文では、ABM は複雑な経済を表現したいというケインズの望みと、ミクロ基礎に基づいたモデルを構築したいというロバート・ルーカスの望みの両方を満たすことができると主張した。^[82]ファーマーとフォーリーは、ABM を使用して経済の一部をモデル化するという進歩を指摘したが、低レベルのモデルを組み込んだ非常に大規模なモデルの作成を主張した。^[83]アナリストの複雑なシステムを、模倣、反模倣、無関心という 3 つの異なる行動プロファイルに基づいてモデル化することで、金融市場を高精度にシミュレートした。結果は、ネットワーク形態と株価指数の間に相関関係があることを示した。^[84]しかし、ABM アプローチはモデル間の堅牢性に欠け、類似のモデルで非常に異なる結果が得られる可能性があると批判されている。^{[85] [86]}

ABMは建築や都市計画の分野で、デザインの評価や都市環境における歩行者の流れのシミュレーションに利用されてきました^[87]。また、土地利用に対する公共政策の適用の検討にも利用されています^[88] 。また、社会経済ネットワークへの体系的な影響を識別するABMの能力を利用して、インフラ投資の影響を社会経済的に分析する分野も成長しています^[89]。ABMモデルでは、富の不平等や社会的流動性に対処するために、異質性とダイナミクスを簡単に組み込むことができます^{[90] 。}

ABMは、国際関係分野の外交官のための応用教育ツールとしても提案されており^[91]、国内外の政策立案者が公共政策の評価を強化するためのツールとしても提案されている^[92]。

ABMは水資源の計画と管理にも応用されており、特にインフラ設計や政策決定のパフォーマンスの調査、シミュレーション、予測に利用されている^[93]。また、大規模な水資源システムにおける協力と情報交換の価値を評価する際にも利用されている^{[94] 。}

エージェント指向シミュレーション（ADS）のメタファーは、「エージェントのためのシステム」と「システムのためのエージェント」という2つのカテゴリを区別します。^[95]エージェントのためのシステム（エージェントシステムと呼ばれることもあります）は、エンジニアリング、人間と社会のダイナミクス、軍事アプリケーションなどでの使用のためにエージェントを実装するシステムです。システムのためのエージェントは2つのサブカテゴリに分かれています。エージェントサポートシステムは、問題解決や認知能力の強化においてコンピュータの支援を可能にするサポート機能としてエージェントを使用することを扱います。エージェントベースシステムは、システム評価（システム研究と分析）におけるモデル動作の生成にエージェントを使用することに重点を置いています。

Hallerbachらは、試験車両のデジタルツインと独立エージェントに基づく微視的交通シミュレーションを介して、自動運転システムの開発と検証にエージェントベースのアプローチを適用することを議論した。^[96] Waymoは、自動運転車のアルゴリズムをテストするために、マルチエージェントシミュレーション環境Carcraftを作成した。^{[97] [98]}これは、人間の運転手、歩行者、自動運転車の間の交通相互作用をシミュレートする。人間の行動は、実際の人間の行動データに基づいて人工エージェントによって模倣される。自動運転車を理解するためにエージェントベースのモデリングを使用するという基本的なアイデアは、2003年にすでに議論されていた。^[99]

多くのABMフレームワークはシリアルフォンノイマン型コンピュータアーキテクチャ向けに設計されており、実装されたモデルの速度とスケーラビリティが制限されています。大規模ABMの創発的行動は集団サイズに依存するため、^[100]スケーラビリティの制限によりモデルの検証が妨げられる可能性があります。^{[101]このような制限は主に}分散コンピューティングを使用して対処されており、Repast HPC ^[102]などのフレームワークは特にこのタイプの実装専用です。このようなアプローチはクラスターやスーパーコンピューターのアーキテクチャにうまくマッピングされますが、通信と同期に関連する問題^{[103] [104]}や展開の複雑さ^[105]が、広く採用される上での潜在的な障害となっています。

最近の開発では、ABMシミュレーションにグラフィックス・プロセッシング・ユニット（ GPU）上のデータ並列アルゴリズムが使用されています。 ^{[100] [106] [107]}極めて高いメモリ帯域幅とマルチプロセッサGPUの圧倒的な数値処理能力を組み合わせることで、毎秒数十フレームで数百万のエージェントのシミュレーションが可能になりました。

エージェントベースモデリングは、特定のソフトウェアやプラットフォームというよりもモデリングフレームワークであるため、他のモデリング形式と組み合わせて使用​​されることがよくあります。たとえば、エージェントベースモデルは地理情報システム(GIS) とも組み合わせられています。これにより、ABM がプロセスモデルとして機能し、GIS システムがパターンモデルを提供できる便利な組み合わせが実現します。^[108]同様に、ソーシャルネットワーク分析(SNA) ツールとエージェントベースモデルが統合されることもあり、ABM を使用してネットワークのダイナミクスをシミュレートし、SNA ツールで相互作用のネットワークをモデル化して分析します。^[109] GAMAなどのツールは、システムダイナミクスとGIS をABM と 自然に統合する方法を提供します。

シミュレーションモデルの検証と妥当性確認（V&V）は極めて重要である。^[110]検証では実装されたモデルが概念モデルと一致することを確認するのに対し、妥当性確認では実装されたモデルが現実世界と何らかの関係を持っていることを確認する。検証、感度分析、キャリブレーション、統計的妥当性確認は、妥当性確認のさまざまな側面である。^[111]エージェントベースシステムの妥当性確認には、離散イベントシミュレーションフレームワークアプローチが提案されている。^[112]エージェントベースモデルの経験的妥当性確認に関する包括的なリソースは、こちらで参照できる。^[113]

V&V技術の一例として、VOMAS（仮想オーバーレイマルチエージェントシステム）^[114]を考えてみましょう。これはソフトウェアエンジニアリングベースのアプローチであり、仮想オーバーレイマルチエージェントシステムがエージェントベースモデルと並行して開発されます。Muaziらは、森林火災シミュレーションモデルの検証と妥当性確認にVOMASを使用する例も提供しています。^{[115] [116]}別のソフトウェアエンジニアリング手法であるテスト駆動開発は、エージェントベースモデルの検証に適応されています。^[117]このアプローチには、ユニットテストツールを使用して自動検証を可能にする別の利点があります。