Modelado Basado en Agentes PDF
Modelado Basado en Agentes PDF
Modelado Basado en Agentes PDF
TESIS DOCTORAL
Directores de Tesis
Burgos, 2007
"Simplicity is no reason, difficulty is no excuse."
Dr. Bruce Edmonds
Agradecimientos
Mucho más allá del ámbito académico y profesional tengo que agradecer a
mis padres, a mi hermano, a mis abuelas y a toda mi familia y amigos el apoyo, la
confianza y el amor incondicional que me dan. Todo es mucho más fácil cuando
sabes que ya tienes lo importante.
RESUMEN.............................................................................................................................. 5
SUMMARY ............................................................................................................................ 7
I INTRODUCCIÓN ............................................................................................................. 13
INTRODUCCIÓN ..................................................................................................................... 15
ANTECEDENTES ...................................................................................................................... 15
OBJETIVO ............................................................................................................................... 19
JUSTIFICACIÓN ....................................................................................................................... 20
ESTRUCTURA DEL DOCUMENTO ............................................................................................. 26
II FUNDAMENTOS ............................................................................................................ 31
6 CONCLUSIONES............................................................................................................. 267
6.1 CONCLUSIONES METODOLÓGICAS .............................................................................. 268
6.2 CONCLUSIONES EN EL DOMINIO DE APLICACIÓN ........................................................ 274
6.3 CONTINUIDAD Y EXTENSIONES ................................................................................... 277
Introducción
Antecedentes
INSISOC emerge como resultado del trabajo desempeñado años atrás por el
Prof. Dr. Cesáreo Hernández dirigiendo la tesis doctoral “Análisis e Ingeniería de la
Instituciones Económicas. Una metodología basada en agentes”, realizada por el Dr.
Adolfo López-Paredes. No obstante, su trabajo seminal (Hernández y Hernández,
1981) ya auspiciaba lo que se convertiría a la postre en el objetivo del grupo
“fomentar la investigación y modelado del comportamiento agregado de los sistemas
sociales complejos, a partir de los comportamientos de los individuos que integran el
sistema”.
1
Se considera como hito inicial del grupo el artículo presentado precisamente por los directores de
esta tesis, el Dr. López-Paredes y el Dr. del Olmo en 1998 “The Social Dimension of Economics and
Multiagent Systems” (López-Paredes y del Olmo, 1998)
Universidad de Burgos
Introducción 16
Tesis Doctoral
Introducción 17
Otra línea de trabajo conducida por el Prof. del Olmo, investigador principal
de “Integración Empresarial y Gestión de la Cadena de Suministro basada en
Sistemas Multiagente”, consiste en la aplicación de los sistemas multiagente a la
cadena de suministro, a problemas de scheduling (Arauzo et al., 2004b; Arauzo et
al., 2004c; Arauzo et al., 2004d; Arauzo et al., 2005; Arauzo et al., 2006), empresa
virtual (Sanz et al., 2004a; Sanz et al., 2004b; Benito et al., 2005) y a la organización
de la producción en general (Arauzo et al., 2003; Arauzo et al., 2004a)
Universidad de Burgos
Introducción 18
Figura 1. Algunas líneas de investigación en INSISOC (financiación mediante proyectos y contratos de investigación). En el gráfico representamos las tres
líneas de aplicación de modelado basado en agentes en las que se trabaja en INSISOC junto con la línea de investigación en Dinámica de Sistemas y Cibernética
Organizacional que dirige el Prof. Pérez Ríos. Pese a que no analizamos pormenorizadamente el trabajo en esta línea 2 por no estar tan metodológicamente tan
conectada con el trabajo de esta tesis doctoral, tengo una deuda con el pensamiento sistémico que ha servido en esta tesis para adaptar el modelo de Bass como
veremos a lo largo los capítulos.
2
A pesar de su fructífera actividad (Pérez Ríos, 2004; Pérez Ríos, 2005; Pérez Ríos, 2006)
Tesis Doctoral
Introducción 19
Aspiramos a cumplir de esta manera con una aspiración del eminente Herb’
Simon –no más modelos de juguete– y de nuestro no menos admirado profesor Scott
Moss, quien repetidamente ha clamado porque la investigación se libre de las
ataduras de lo formalmente correcto en pos de la tríada “Relevance, Realism and
Rigour”.
Objetivo
Universidad de Burgos
Introducción 20
Justificación
Tesis Doctoral
Introducción 21
Universidad de Burgos
Introducción 22
ser estimado y se presenta ante los diferentes stakeholders como una oportunidad
para hacer políticas de gestión.
Tesis Doctoral
Introducción 23
Universidad de Burgos
Introducción 24
estocástica). Una manera ideal de abordar este problema sería estimar la función para
todas las posibles combinaciones de parámetros de los modelos, pero esto es
completamente imposible pues las combinaciones de parámetros de un modelo
pueden ser potencialmente infinitas y además las simulaciones de modelos con cierta
complejidad tienen un coste computacional, y por tanto en tiempo, muy importante.
3
Puede ocurrir que determinados escenarios no sean muy probables pero que puedan llevar a
situaciones extremas o de emergencia y que por tanto resultasen relevantes para su estudio.
Tesis Doctoral
Introducción 25
En esta tesis, con el fin de poder explorar una amplia variedad de escenarios,
integramos en una única base de datos georeferenciada los datos de consumo
proporcionados por Aguas de Valladolid con los datos socioeconómicos de los
diferentes ayuntamientos de los municipios del alfoz y con cartografía de la Junta de
Castilla y León mediante un Sistema de Información de Geográfico. A partir de esa
información creamos un entorno realista y un conjunto de agentes con el que
interactúan.
Universidad de Burgos
Introducción 26
Hemos estructurado la tesis doctoral en seis capítulos y tres anexos (figura 2).
Los tres primeros capítulos conforman un primer bloque que hemos englobado bajo
el nombre común de fundamentos. Esta sección unifica los aspectos metodológicos
y de dominio de aplicación de la tesis. El segundo bloque, el de aplicación, está
formado por los capítulos cuatro y cinco de la tesis doctoral. En estos capítulos se
describe el modelo de aplicación y los resultados obtenidos con el modelo bajo los
diferentes escenarios analizados. En el sexto y último capítulo se analizan las
conclusiones de la tesis y posibles extensiones a esta investigación.
Tesis Doctoral
Introducción 27
El capítulo tres sirve como integración de los dos capítulos anteriores. Aquí
hacemos una revisión de la literatura científica más relevante en el modelado basado
en agentes aplicado a la gestión del agua. Inicialmente analizamos la estructura
general de los modelos basados en agentes aplicados a la gestión de los recursos
naturales 4 y establecemos una clasificación respecto a objetivo y estructura.
Posteriormente profundizamos en el tipo de representación espacial adoptada en el
modelo de la tesis, los sistemas de información geográficos. En la parte final del
capítulo, resumimos las características de los principales modelos publicados y
aplicados a la gestión del agua, con especial énfasis en el modelo del Támesis y el
modelo FIRMABAR.
4
Donde el agua es uno en particular.
Universidad de Burgos
Introducción 28
Tesis Doctoral
Introducción 29
Universidad de Burgos
Introducción 30
Tesis Doctoral
II FUNDAMENTOS
Estimación de la demanda doméstica de agua 35
1.1 Introducción
Resulta obvio que el agua es uno de los recursos naturales más importantes
utilizados por el hombre. Como Alfred Marshall (1879) ya subrayaba hace más de un
siglo, el agua juega un papel fundamental en la localización, crecimiento y función
de las comunidades; su afirmación sigue estando completamente vigente en la
actualidad. Esto ha hecho que la gestión del agua haya sido siempre un aspecto
importante en cualquier sociedad.
Universidad de Burgos
Estimación de la demanda doméstica de agua 36
Para explicar la fuerza que tradicionalmente han tenido las políticas del lado
de la oferta es interesante pararse a reflexionar en las propiedades especiales que
tiene el agua como recurso y los mitos (Baumann y Boland, 1998) de los cuales ha
estado tradicionalmente rodeada.
Otra justificación para evitar poner énfasis en las políticas del lado de la
demanda podría buscarse en la idea de que las políticas de conservación podrían
producir efectos de reducción de los ingresos a las agencias de suministro, y por
5
Esta afirmación se sostiene empíricamente por el hecho de que la demanda del agua respecto al
precio no se puede considerar perfectamente inelástica aunque sí inelástica (Boland et al., 1984;
Nieswiadomy y Molina, 1989; Höglund, 1999; Nauges y Thomas, 2000; Martínez-Espiñeira, 2002;
Martínez-Espiñeira, 2004; Martínez-Espiñeira y Nauges, 2004), e incluso esa relativa inelasticidad se
podría explicar por la pequeña fracción que supone el gasto en agua en determinadas ocasiones frente
a los ingresos totales y por la desinformación de los consumidores frente a las tarifas de pagos.
Tesis Doctoral
Estimación de la demanda doméstica de agua 37
tanto no tendrían motivos para incentivarlas, si bien hay quien considera que los
beneficios generados por la reducción de los costes de operación y el ahorro de los
costes de instalaciones de abastecimiento extras superarían con creces el beneficio
obtenido por la recaudación sin las medidas de conservación (Baumann y Boland,
1998).
Universidad de Burgos
Estimación de la demanda doméstica de agua 38
• Uso: califica cada una de las distintas clases de actividad en la que se emplea
el agua. Por ejemplo: regadío, urbano, industrial.
6
En la literatura sobre gestión de la demanda de agua se suele diferenciar entre necesidad y demanda.
La definición de necesidad podría referirse a las cantidades suficientes para asegurar, con el grado
deseado, los correspondientes a las actividades humanas y económicas que se pretenden cubrir. Se
trata de un concepto teórico, ideal y abstracto, de carácter normativo. La demanda se refiere a la
expresión de las necesidades sobre el terreno real y se trata por tanto de un concepto positivo que
relaciona la cantidad de agua que los agentes económicos están dispuestos a comprar a un precio
establecido (Gistau y García-Poveda, 1993).
Tesis Doctoral
Estimación de la demanda doméstica de agua 39
7
Las cuatro primeras de definiciones están tomadas de las propuestas por Llamas et al. (2001)
8
La evaporación es el proceso por el cual el agua es transferida desde la superficie terrestre hacia la
atmósfera. Incluye tanto la evaporación de agua líquida o sólida directamente desde el suelo o desde
las superficies vegetales vivas o muertas (rocío, escarcha, lluvia interceptada por la vegetación), como
las pérdidas de agua a través de las superficies vegetales, particularmente las hojas. En este último
proceso, denominado transpiración, el agua absorbida por medio de las raíces, se transfiere a la
atmósfera fundamentalmente a través de los estomas situados en las hojas. Fue la dificultad de
discriminar entre ambos conceptos en condiciones naturales, lo que obligó a introducir el concepto de
evapotranspiración.
Universidad de Burgos
Estimación de la demanda doméstica de agua 40
1647; 5%
Urbana
Industrial
Regadío
Refrigeración
24094; 68%
Tabla 1. Tabla que ejemplifica los diferentes usos urbanos del agua. Fuente: Urban Water Use
Characteristics in the Metropolitan Water District of Southern California, Metropolitan Water District,
Planning División, 1993.
litros/(per
Sector cápita*día) Porcentaje
Residencial 500,0 66,67%
Comercial e institucional 126,9 16,92%
Industrial 42,3 5,64%
Usos públicos 26,9 3,59%
Bomberos, limpieza de calles y otros 19,2 2,56%
Errores de medidas y pérdidas del
sistema 34,6 4,62%
9
Algunos autores consideran estos datos como irreales y estiman errores de hasta un 25%, pudiendo
llegar el uso en regadío hasta el 90% (Llamas, 2004a; Llamas, 2004b).
10
Dependiendo del autor los usos industriales se consideran uso no urbano. Cuando se considera
urbano se suele referir a la parte destinada al consumo final y no como materia prima parte de una
función de producción.
Tesis Doctoral
Estimación de la demanda doméstica de agua 41
Tabla 2. Diferentes usos finales de consumos domésticos del agua para familias individuales. Fuente:
Urban Water Use Characteristics in the Metropolitan Water District of Southern California,
Metropolitan Water District, Planning División, 1993 11.
Consumo
litros/(per
Categoría de usos de agua cápita*día)
Interior
Inodoro 113,6
Duchas / baños 102,2
Lavado de ropa 79,5
Cocina / Limpieza 49,2
Lavavajillas 22,7
Exterior
Riego / Jardinería 174,1
Refrigeración 26,5
Piscina / Lavado de coche / Otros usos
exteriores 200,6
11
Los consumos per cápita en Europa se sitúan muy por debajo de los estándares californianos en
1993. En España se sitúa el consumo doméstico en torno a los 150-175 litros por habitante y día y la
OMS considera adecuado para la vida unos 50 litros.
Universidad de Burgos
Estimación de la demanda doméstica de agua 42
"Con el fin de gestionar los recursos hídricos de tal manera que refleje sus
valores económicos, sociales, medioambientales y culturales para todos sus
usos, y avanzar hacia el establecimiento de cuotas para los servicios del
agua que reflejen el costo de sus provisión. Este enfoque deberá tomar en
cuenta la necesidad de equidad y las necesidades básicas de los pobres y de
las personas vulnerables." Declaración Ministerial del Segundo Foro
Mundial del Agua (La Haya, 2000).
12
La tabla no pretende ser exhaustiva, además a los datos expuestos se debería añadir al menos los
estudios demográficos disponibles, los planes de urbanismo y los estudios de proyección de la
actividad económica en los diferentes sectores.
Tesis Doctoral
Estimación de la demanda doméstica de agua 43
Tabla 3. Series de datos analizables para estimar su influencia en la demanda de consumo urbano de
agua. A partir de (Gistau y García-Poveda, 1993; DWR, 1998).
Universidad de Burgos
Estimación de la demanda doméstica de agua 44
Tesis Doctoral
Estimación de la demanda doméstica de agua 45
Requerimientos
Factores climáticos legales
Horas de trabajo de
los diferentes tipos Calidad y
de establecimientos confiabilidad del
comerciales servicio
Costes de los
artefactos de
consumo de agua Previsión de la demanda Costes de conexión
comercial de agua
Costes y volumen
Precio futuro del del agua consumido
agua actualmente
Ventas y valor
añadido del sector Sectores de
comercial actividad
Servicios de
limpieza Zona ajardinada
Número y tamaño
de hospitales,
Requerimientos colegios públicos,
legales Previsión de la demanda de etc.
agua del sector público
Ingresos per cápita
de los gobiernos Costes presentes y
locales futuros del agua
Universidad de Burgos
Estimación de la demanda doméstica de agua 46
Racionamiento
Sistemas de Innovaciones
tarificación técnicas
Relacionados con Ciclos Económicos
el precio y tecnológicos
Número de
personas por
Educación vivienda
Factores
Previsión de la
socioculturales demanda
doméstica de Demografía y uso
Conciencia del suelo Edades
agua
Requerimientos
legales Tipo de viviendas
Coste y
disponibilidad de
dispositivos de
utilización de agua Tasa de ocupación
Equipamiento de
utilización de agua
Presencia de
contadores
individuales Población
Edad y degradación
de la red Evapotranspiración
Clima
Tesis Doctoral
Estimación de la demanda doméstica de agua 47
13
Nos referimos aquí con la palabra tiempo a la dimensión meteorológica de la palabra y no a la
temporal.
14
Hoy en día existen innovaciones de riego automático con controladores que regulan la cantidad de
agua en función de las precipitaciones y la evapotranspiración.
15
Pensemos la importancia de la magnitud cuando en Madrid se estima que la cantidad de agua no
facturada es en torno al 32% y en Barcelona en torno al 22% (Llamas et al., 2001).
Universidad de Burgos
Estimación de la demanda doméstica de agua 48
Tesis Doctoral
Estimación de la demanda doméstica de agua 49
Universidad de Burgos
Estimación de la demanda doméstica de agua 50
Precio
De la propia definición económica de la demanda como una función que
relaciona la cantidad con el precio ya se intuye el precio como una de las principales
variables de influencia en el consumo, aunque en este caso sea una variable
relativamente inelástica 16, pero conviene recordarlo, no perfectamente inelástica.
Además, la demanda es una función paramétrica de otras muchas variables como
todas las citadas en la sección anterior.
El efecto del precio en el recurso tiene importancia tanto a corto como a largo
plazo. En el corto plazo un aumento de precio puede provocar cambios de
comportamiento en los consumidores. A más largo plazo, estos efectos se pueden
diluir por efecto de la inflación, aunque también pueden provocar aumentos en la
demanda de dispositivos menos intensivos en el consumo de agua en previsión de
futuras subidas. Es decir, los consumidores necesitan tiempo para ajustar su
equipamiento al precio del agua, lo que implicas diferencias en los niveles de
elasticidad a corto y largo plazo.
16
Además, la elasticidad es una función del punto por lo que a lo largo de la función de la demanda
varía típicamente aumentando en valores más altos en cantidad.
Tesis Doctoral
Estimación de la demanda doméstica de agua 51
• Un pago fijo.
• Una tasa volumétrica combinada con tarificación por bloques crecientes o
decrecientes dependiendo de los objetivos del gestor. En general se piensa
que tarifas decrecientes son preferibles desde el punto de vista de la
eficiencia 17, sin embargo pueden provocar sobreutilización del agua. Tarifas
con bloques crecientes se consideran más equitativas y explícitamente
redistributivas aunque esto no sea siempre cierto 18 (Arbués et al., 2003).
• Un pago mínimo, generalmente para cubrir riesgos financieros.
• Tasas estacionales.
• Tasas de emergencia.
• Tasas de descuento para grupos de bajos ingresos.
Regulación
La regulación y las medidas reguladoras hacen referencia al control de la
edificación y la legislación sobre estándares de instalación de dispositivos en los
edificios nuevos. También se puede considerar como una medida reguladora la
obligación al etiquetado energético que comentábamos con anterioridad.
17
Cabe pensar que los consumidores valoran más las primeras unidades que consumen que las
últimas, es decir, que la elasticidad del agua va aumentando con el consumo. Para obtener mayor
excedente del consumidor sería mejor una estructura de precios marginales equivalente.
18
Esto no se cumple por ejemplo en países en desarrollo con una muy alta densidad de población por
vivienda.
19
Residential Development Control Plans (DCPs).
Universidad de Burgos
Estimación de la demanda doméstica de agua 52
análisis del suelo, selección apropiada de plantas, zonas de césped prácticas, riego
eficiente, utilización de elementos que reduzcan la evapotranspiración y
mantenimiento apropiado.
Restricciones
Las restricciones de agua incluyen la adopción voluntaria o la regulación
obligatoria de determinadas prácticas por parte de los consumidores. Dentro de este
concepto se incluyen las restricciones a corto plazo que se producen durante períodos
de sequía. En general se trata de medidas de muy alta influencia, sobre todo en el uso
exterior, aunque como apunta White et al. (2003) bastante costosas de cumplir.
Tesis Doctoral
Estimación de la demanda doméstica de agua 53
20
Es muy frecuente utilizar el nivel de ingresos como variable explicativa en los sistemas
econométricos de predicción de la demanda, no así cuando los modelos de predicción son de uso final
en los que se considera que el efecto ingreso ya está capturado por el número de dispositivos
disponibles para el consumidor.
Universidad de Burgos
Estimación de la demanda doméstica de agua 54
1.4.1 Introducción
Existe toda una variedad de métodos que se han utilizado para hacer
predicciones sobre el futuro. La elección de unos u otros se fundamenta en diferentes
factores, principalmente tres: el objetivo de la predicción, la dimensión temporal de
la predicción, a largo, a medio o a corto plazo, y el conjunto de datos disponibles
para hacerla.
Tesis Doctoral
Estimación de la demanda doméstica de agua 55
estriban entonces en el método utilizado para obtener cada una de esas dos
predicciones y los niveles de desagregación por cada tipo de cliente.
21
En situaciones de muy alta volatilidad de la serie se puede intentar normalizar los datos en función
de los datos climáticos.
Universidad de Burgos
Estimación de la demanda doméstica de agua 56
∧ ∧ (1)
UsoPerCápita = α + β ⋅ t
Número de unidades
consumidoras
población= q(t)
Predicción de agua
Una variante también bastante utilizada de los cálculos por coeficiente unidad
consiste en el cálculo de consumo por unidad de área respecto al uso del suelo en
lugar de por persona. De esta forma, en aquellas zonas donde se conocen con
precisión los planes de ordenación urbana, esta variante puede resultar de utilidad.
Tesis Doctoral
Estimación de la demanda doméstica de agua 57
• Residencial
Número de unidades
• Comercial
consumidoras
• Industrial
población= q(t)
• Público
Predicción de agua
• Residencial
Agua consumida por unidad • Comercial
Uso per cápita= f(t) • Industrial
• Público
Los modelos de uso final son otra de las técnicas disponibles para la
predicción de demanda de agua. Este tipo de modelado se centra principalmente en
los factores y tecnologías que afectan a los usos del agua, apoyándose menos en el
análisis de tendencias.
22
Ver en la tabla 2 de este mismo capítulo un ejemplo de diferentes categorías de usos finales.
Universidad de Burgos
Estimación de la demanda doméstica de agua 58
Inventario (2)
UsoPorUnidad
= ∑ i
Dispositivoi ⋅ Tecnologíai ⋅Usoi
Población
Inventario de dispositivos
Características técnicas de
Total de consumo Litros/(persona*día)
cada uno. (l/min, l/uso)
23
Integrated Resource Planning, IRS.
24
Least Cost Planning, LCP.
Tesis Doctoral
Estimación de la demanda doméstica de agua 59
técnico (ver por ejemplo el estudio de Loh y Coghlan (2003)). E incluso como
argumentan White et al. (2004), en esos casos resulta difícil caracterizar el uso
exterior, o los usos comerciales, industriales o institucionales.
Universidad de Burgos
Estimación de la demanda doméstica de agua 60
xt + m = St + m ⋅ bt (3)
St = α ⋅ zt + (1 − α ) ⋅ ( St −1 + bt −1 ) (4)
0 <α <1
bt = β ⋅ ( St − St −1 ) + (1 − β ) ⋅ bt −1 (5)
0 < β <1
donde zt es la observación t de la serie de tiempo en estudio, α es la primera
constante de alisado, relacionada con la componente aleatoria, y β es la segunda
componente de alisado, relacionada con la tendencia. Ambos parámetros, α y β,
dependen de la serie en cuestión para obtener mejores o peores resultados 25.
25
Típicamente con valores en el intervalo [0.1, 0.3].
Tesis Doctoral
Estimación de la demanda doméstica de agua 61
xt= Tt + m ⋅ Et + m − L (6)
+m
en la que
Tt + m = St + m ⋅ bt (7)
xt + m = ( St + m ⋅ bt ) ⋅ Et + m − L (8)
zt (9)
St = α ⋅ + (1 − α ) ⋅ ( St −1 + bt −1 )
Et − L
0 <α <1
bt = β ⋅ ( St − St −1 ) + (1 − β ) ⋅ bt −1 (10)
0 < β <1
zt (11)
Et= γ + (1 − γ ) ⋅ Et − L
St
0 < γ <1
donde α, β y γ son las constantes de alisado, a estimar en cada caso para obtener los
mejores resultados 27.
26
Para valores mensuales de demanda el parámetro L suele tomar el valor 12 representando los meses
de cada año.
27
Los valores óptimos de estos parámetros suelen encontrarse en el intervalo [0.05, 0.40].
Universidad de Burgos
Estimación de la demanda doméstica de agua 62
x= Tt + m + Et + m − L (12)
t +m
Modelos ARIMA
Box y Jenkins (1976) desarrollaron en los años 70 una influyente estrategia
de modelado para la predicción de series temporales. La principal ventaja de la
metodología de Box-Jenkins frente a los métodos de extrapolación que acabamos de
ver, es que en mientras que en los métodos de alisado por ejemplo se impone un
modelo y una estructura de predicción relativamente arbitraria respecto a los datos,
son modelos ad hoc, en la metodología de Box-Jenkins se da un gran peso a
encontrar una representación estadística válida a los datos (Hall, 1994).
zt = Φ1 zt −1 + Φ 2 zt − 2 + ...Φ p zt − p + at (13)
Tesis Doctoral
Estimación de la demanda doméstica de agua 63
28
Para las hipótesis del modelo es suficiente la estacionariedad débil que se caracteriza porque las
esperanzas matemáticas de las variables aleatorias no dependen del tiempo, las varianzas tampoco
dependen del tiempo y son finitas, y las covarianzas entre dos períodos de tiempo distintos solamente
dependen del lapso de tiempo transcurrido entre estos dos períodos (Peña, 1994).
29
Si además de tendencia, el modelo presenta heterocedasticidad, para garantizar la estacionariedad
previamente se suelen tomar logaritmos.
Universidad de Burgos
Estimación de la demanda doméstica de agua 64
Recogida de datos
Transformación previa de la
serie para garantizar la
estacionaridad de la serie.
Determinación del orden de
diferenciación
Identificación
Estimación
Reformulación
Validación
Explotación
Tesis Doctoral
Estimación de la demanda doméstica de agua 65
Modelos de este tipo han sido muy estudiados desde los años 70 hasta la
actualidad, principalmente en los Estados Unidos (Billings, 1982; Chicoine y
Ramamurthy, 1986; Nieswiadomy y Molina, 1989; Billings y Day, 1989; Renwick y
Archibald, 1998), aunque más recientemente también se está generalizando su uso en
países europeos (Höglund, 1999; Nauges y Thomas, 2000; Martínez-Espiñeira, 2002;
Nauges y Thomas, 2003; Martínez-Espiñeira, 2003b).
Universidad de Burgos
Estimación de la demanda doméstica de agua 66
Puesto que esta variable representa un efecto renta, entonces los coeficientes
de los ingresos y la variable intramarginal de Nordin deberían tener el mismo valor
absoluto aunque signos opuestos. Sin embargo en los estudios empíricos llevados al
efecto muy pocos casos sostienen esta deducción y generalmente tienen valores
significativamente diferentes (Bachrach y Vaughan, 1994; Arbués et al., 2003). Una
primera explicación a este hecho, es la falta de información de los consumidores
sobre la estructura de la tarifa y la pequeña fracción que supone frente a la renta total
(Nieswiadomy y Molina, 1989). Consecuentemente los consumidores no tienen una
respuesta sistemática a los cambios en la tarifas intramarginales. Otra argumentación
es que el efecto intramarginal no se estima correctamente, por lo que se sesgan los
resultados, y otros opinan que el efecto intramarginal es tan pequeño que se pierde
por las influencias aleatorias del comportamiento de los consumidores.
Tesis Doctoral
Estimación de la demanda doméstica de agua 67
estrictamente a la teoría económica y basa sus decisiones en la regla del pulgar 30.
Otra consideración alternativa compartida por muchos para la justificación de la
paradoja del coste intramarginal es la consideración de que la utilización de datos
agregados es la principal causa de que no se produzca el efecto (Schefter y Davis,
1985). Estos autores, demostraron que hipótesis más realistas de distribución de los
usuarios por bloques, en sustitución de la hipótesis normalmente adoptada de que
todos los usuarios consumen en el mismo bloque (la utilización de un consumidor
representativo), producía unos valores acordes con la especificación de Nordin.
Aparte del precio también se han utilizado muchísimas otras variables como
explicativas (ver Arbués et al. (2003) para un análisis exhaustivo), prácticamente
todas las que se comentaron en el apartado de factores con influencia de la demanda.
Se utilizan frecuentemente variables relacionadas con por supuesto los ingresos 31,
como los propios ingresos medios, el valor medio de la vivienda o el nivel
educacional, todo tipo de variables climáticas, densidad poblacional, tipología de
viviendas etc 32.
30
Desde el otro extremo de línea del pensamiento, el de un consumidor perfectamente racional,
también se justifica la utilización del precio medio. El consumidor perfectamente racional no tendría
porque estar perfectamente informado de las tarifas de precios y responder al precio marginal si se
tienen en cuenta los costes de adquisición de la información sobre las tarifas y los niveles de consumo
propios, que podrían ser superiores al efecto de responder sistemáticamente a los cambios de las
tarifas que se pudiesen producir.
31
De otra forma no se hubiese podido valorar el efecto del coste intramarginal.
32
Existe algún ejemplo de utilización de modelos causales de cointegración, de datos de panel, etc.,
pero su uso es de momento anecdótico.
Universidad de Burgos
Estimación de la demanda doméstica de agua 68
Figura 11. Arquitectura clásica de una red neuronal artificial con una capa
oculta
El valor de salida de cada uno de los nodos sigue típicamente una estructura
formal como la siguiente:
Tesis Doctoral
Estimación de la demanda doméstica de agua 69
(15)
Yi = f (∑ j =1 γ j X j )
n
33
El la literatura relacionada este problema se llama sobreajuste u overfitting.
34
Esto no ocurre cuando los datos son diarios u horarios y el horizonte de predicción es del mismo
orden. En esos casos la aproximación esta siendo muy utilizada en la actualidad.
Universidad de Burgos
Estimación de la demanda doméstica de agua 70
35
Circulaciones en la nomenclatura típica de la metodología.
Tesis Doctoral
Estimación de la demanda doméstica de agua 71
Al ser los encuestados anónimos entre sí, esta técnica presenta la ventaja de
eliminar el efecto líder de otros métodos de expertos. A veces se puede combinar con
interacción personal para acelerar el proceso de consenso, pero a costa de perder la
ventaja anterior.
Análisis de escenarios
Una manera clásica de combatir la incertidumbre por la variación de los
factores es evaluar la demanda mediante el estudio de situaciones múltiples,
valorando la adecuación de cada una de las hipótesis de evolución futura e intentando
adivinar las más plausibles. Es lo que se denomina análisis de escenarios 36. En este
contexto, un escenario es una historia que describe un posible futuro en el que se
definen los eventos significativos, los principales actores y sus motivaciones, y la
forma en la que se relacionan y evolucionan los eventos (SHELL, 2003).
36
El término se le atribuye a Herman Kahn en los años 50.
Universidad de Burgos
Estimación de la demanda doméstica de agua 72
Proyecto
Investigación
Construcción de
escenarios
Aplicación
Diseminación
Tesis Doctoral
Estimación de la demanda doméstica de agua 73
Universidad de Burgos
Estimación de la demanda doméstica de agua 74
Tesis Doctoral
Modelado basado en agentes 77
Hoy en día los sistemas basados en agentes (ABS, Agent Based Systems) y
los MAS son una de las áreas más importantes de investigación y desarrollo dentro
de las tecnologías de la información y son considerados un nuevo paradigma en el
desarrollo de aplicaciones software.
Universidad de Burgos
Modelado basado en agentes 78
2.1.1 Agentes
Pero antes de seguir conviene definir que entendemos por los términos
“agente”, “sistema basado en agentes” o “sistema multiagente”. Sin más nos
encontramos con la primera dificultad. No existe ninguna definición universalmente
aceptada del término “agente” (ver por ejemplo Franklin y Graesser (1997) para una
primera discusión acerca de diferentes acepciones del término u otra posterior
incluyendo aún más acepciones del término en López-Paredes (2004)). A pesar de
ello, y teniendo en cuenta que para diferentes escuelas de computación las
definiciones pueden tener matices que lo diferencian, consideramos importante
conocer algunas de las definiciones con mayor aceptación que existen en la
comunidad.
• Reactividad: los agentes perciben su entorno, (que puede ser el mundo físico,
un usuario mediante un interfaz gráfico, una colección de otros agentes,
Internet, o quizá una combinación de todos ellos), y responden en el tiempo a
los cambios que ocurren en él.
Tesis Doctoral
Modelado basado en agentes 79
Luck et al. (2003; 2004a) consideran que agente se puede definir como
entidades computacionales autónomas, solucionadoras de problemas, capaces de
operaciones efectivas y dinámicas en entornos abiertos. Los agentes con frecuencia
se sitúan en entornos en los que interactúan (y quizá cooperan) con otros agentes
(incluyendo en esta definición tanto software como humanos) con los que es posible
que tengan conflictos de intereses. Tales entornos son conocidos como sistemas
multiagente.
Agentes autónomos
Agentes de Tareas
Agentes de entretenimiento Virus
específicas
Para Luck et al. (2003; 2004a), la diferencia (en sentido computacional) entre
los objetos y los agentes es que los agentes son entidades autónomas capaces de
Universidad de Burgos
Modelado basado en agentes 80
tomar decisiones sobre sus acciones y sus interacciones, a pesar de que con
frecuencia son implementados con tecnología basada en programación orientada a
objetos (OOP, Object Oriented Programming). Jennings y otros (1998) inciden
precisamente en la diferencia entre objeto y agente en la posesión del locus de
control respecto a la decisión. En el caso de los objetos la decisión recae en quien
invoca el método, mientras que en el caso de los agentes la decisión recae en quien
recibe la petición, como ellos mismos resumen en su famoso eslogan “Objects do it
for free. Agents do it for money”.
El motivo del enorme desarrollo que han tenido los sistemas multiagente en
los últimos años se encuentra en su especial aptitud para abordar problemas
inherentemente complejos y problemas inherentemente distribuidos (Hopgood,
2000). Los MAS heredan de la DAI la capacidad modular, la eficiencia y la
velocidad consecuencia del paralelismo, la confiabilidad y robustez de los sistemas
redundantes y la posibilidad de escalabilidad. Todo ello permite desarrollar agentes
con el apropiado nivel de detalle ajustado a la aplicación para la que se les esté
utilizando, lo que se conoce como granularidad 37. Permite aplicaciones con
(potencialmente) menor coste que enormes sistemas centralizados y, a la vez,
aprovechar la posibilidad de trabajar a nivel de conocimiento, con fácil
mantenimiento, reutilización e independencia de la plataforma.
37
Se puede utilizar agentes fine-grained (de grano fino) para los sistemas en los que se necesite ese
nivel de minuciosidad, dejando agentes coarse-grained (de grano grueso) dedicados a la resolución de
problemas más estratégicos y concentrados por ejemplo.
Tesis Doctoral
Modelado basado en agentes 81
provoca 38 que bajo la misma bandera convivan múltiples líneas de investigación muy
diferentes.
38
No podemos olvidar que la investigación en sistemas multiagente despertó a principios de los años
90 y sigue despertando unas enormes expectativas y es considerado por muchos más allá de un
paradigma del desarrollo del software, “the next significant breakthrough in software development” o
“the new revolution in software” (Sargent 1992 y Ovum 1994 citados en Jennings y Wooldridge
(1995)).
Universidad de Burgos
Modelado basado en agentes 82
Tesis Doctoral
Modelado basado en agentes 83
agentes interactúan. Las áreas dentro de MAS que se consideran hoy en día
enfocadas a este trabajo son: ingeniería del software orientada a agentes,
arquitecturas de agentes, sistemas de agentes móviles, infraestructura de agentes e
instituciones electrónicas.
39
En Jennings y Woolridge (1998), Parunak (1998a; 1998b; 2000) o Ana Mas (2004) se pueden
encontrar extensas revisiones.
Universidad de Burgos
Modelado basado en agentes 84
40
Ver por ejemplo las aplicaciones CiteSeer (Bollacker et al., 1998) o Research Index y como
facilitan la búsqueda de información mediante la creación de índices de citas de la literatura científica
en formato electrónico.
Tesis Doctoral
Modelado basado en agentes 85
Se ha visto en el apartado anterior que una gran parte del trabajo con agentes
en los últimos años se ha orientado a fines comerciales e industriales, sin embargo
hoy en día existe una línea de investigación muy activa que aplica la tecnología de
agentes al modelado y simulación de sistemas reales.
De hecho, en los últimos años esta técnica de modelado ha pasado de ser una
técnica heterodoxa a convertirse en una herramienta de investigación muy
reconocida, e incluso en algunos casos una de las principales corrientes, en un amplio
rango de disciplinas científicas, por ejemplo, Economía (Arthur, 1991; Arthur et al.,
1997a; Luna y Stefansson, 2000; Tesfatsion, 2001; López-Paredes et al., 2002;
Tesfatsion, 2002; Tesfatsion, 2003), Finanzas (Abu-Mostafa et al., 1999; LeBaron,
2000; Luna y Perrone, 2001; Hommes, 2002; Wan et al., 2002), Gestión de Recursos
y Ecología (Booth, 1997; Janssen, 2002; Bousquet y Le Page, 2004), Ciencias
Políticas (Axelrod, 1997a; Johnson, 1999; Cederman, 2002), Antropología (Kohler y
Gumerman, 2000; Lansing, 2003), Sociología (Gilbert y Conte, 1995; Conte et al.,
1997; Suleiman et al., 2000; Macy y Willer, 2002; Terano et al., 2003), o Biología
(Resnick, 1995; Kreft et al., 1998; Walker et al., 2004).
Universidad de Burgos
Modelado basado en agentes 86
41
La relación para alcanzar el equilibrio entre los diferentes criterios de bondad de un modelo
depende de cada caso particular. Se puede decir que no existen reglas generales que relaciones estos
criterios, ni siquiera de forma cualitativa.
Tesis Doctoral
Modelado basado en agentes 87
Simplicidad
Generalidad
Especificidad
(capacidad para
hacer predicciones)
Error mínimo
(precisión en los
resultados)
42
Veremos en la siguiente sección que desde una perspectiva más amplia estos modelos corresponden
a los llamados modelos simbólicos.
Universidad de Burgos
Modelado basado en agentes 88
Pero entonces, sabiendo que muchas de las hipótesis que estamos obligados a
asumir pueden no ser ciertas y llevar a teorías y conclusiones erróneas, y que
conseguir tratabilidad se convierte en un coste para la correcta abstracción y
representación de los modelos, ¿sigue manteniendo sus ventajas este tipo de
Tesis Doctoral
Modelado basado en agentes 89
representación para estos modelos? Parafraseando a Keynes 43, a veces puede ser
mejor estar vagamente en lo correcto que de forma muy precisa en el error.
43
“It is better to be vaguely right than precisely wrong” citado en López-Paredes (2004).
Universidad de Burgos
Modelado basado en agentes 90
Tesis Doctoral
Modelado basado en agentes 91
2.3.1 Concepto
45
Ver un interesante análisis comparativo entre la aproximación basada en agentes y el modelado
basado en ecuaciones en Parunak et al. (1998).
Universidad de Burgos
Modelado basado en agentes 92
todo son ventajas, y su uso conlleva un precio asociado: la mayoría de los modelos
construidos de esta forma suelen ser intratables matemáticamente, por lo que se ha de
recurrir a la simulación computacional para su estudio. Es por eso por lo que en la
literatura científica encontramos los términos modelado basado en agentes y
simulación basada en agentes como sinónimos utilizados indistintamente 46.
46
A partir de aquí utilizaremos ambas nomenclaturas indistintamente salvo que se quiera hacer notar
el matiz.
Tesis Doctoral
Modelado basado en agentes 93
Una de las visiones más extendidas que existen sobre el modelado basado en
agentes es su consideración como vía para la realización de experimentos generativos
y su carácter constructivista. Así, no es infrecuente considerarlos como laboratorios
computacionales en los que experimentar con una sociedad artificial de agentes. De
esta forma, dado un fenómeno a nivel de sistema que se quiera explicar, el
experimento canónico con un ABM es:
47
Ver extensas revisiones del concepto en diversos campos científicos en Holland (1998) y Johnson
(2001).
48
En el caso de modelos basados en agentes, los propios agentes.
49
Cuando se utiliza la simulación basada en agentes para modelar fenómenos sociales hay que tener
en cuenta que surge una dificultad añadida frente a los procesos naturales. Como apunta Gilbert
(1995), en los fenómenos naturales los componentes afectan al sistema, sin embargo en los fenómenos
sociales resulta muy frecuente encontrarnos con componentes que constituyen un sistema, y que por
tanto determinan su comportamiento, pero que a su vez su comportamiento individual está
condicionado por la dinámica del sistema global, es lo que se llama emergencia de segundo orden.
50
Traducción propia.
Universidad de Burgos
Modelado basado en agentes 94
xi ,t +1 = f i ( xi ,t , x− i ,t ; αi ) (16)
donde asumimos que las reglas de cada individuo pueden ser específicas de cada
individuo tanto en la función fi(.) como en los parámetros i, y que pueden depender
del estado de x—i del resto de individuos distintos de i. En un modelo de simulación
típico, una vez especificado el comportamiento de cada individuo mediante (16),
resultará de interés el estudio de alguna macropropiedad del sistema completo, que se
podrá representar como un estadístico Y definido sobre la población de la sociedad
artificial:
Es fácilmente demostrable que la ecuación (17) para cada t puede ser resuelta
independientemente de la especificación adoptada para fi(.). Para ello sólo hay que
darse cuenta de que la solución puede ser encontrada iterativamente solucionando
cada término xi,t en (17) utilizando (16):
Y0 = s( x1,0 ,......., xn ,0 )
Y1 = s( x1,1 ,......., xn ,1 )
= s( f1 ( x1,0 , x−1,0 ;αi ),........., f n ( xn ,0 , x− n ,0 ;α n )
≡ g1 ( x1,0 ,......., xn ,0 ;α1 ,........., α n )
Yt = gt ( x1,0 ,......., xn ,0 ;α1 ,........., α n ) (18)
51
La formalización está referida para el caso determinista, sin embargo en el caso estocástico es
prácticamente equivalente. También se ha hecho la hipótesis implícita de considerar los modelos
basados en agentes como modelos de simulación de eventos discretos. Aunque a nivel teórico podrían
implementarse mediante otros mecanismos, a nivel práctico prácticamente todos los modelos
implementados en la realidad se pueden considerar como tales.
Tesis Doctoral
Modelado basado en agentes 95
función que mejor ajusta a los datos generados artificialmente, donde son los
coeficientes de gˆ t (.) .
52
En cuanto a cómo deberían ser especificados los comportamientos de los agentes para la
construcción de los modelos la respuesta obvia es depende del objeto del modelo. A pesar de ello,
existe una línea de pensamiento marcada por la busca de la simplicidad con el lema KISS, “keep it
simple stupid” (Axelrod, 1997a), mientras que existe otra que pone el acento en la precisión
descriptiva del comportamiento de los agentes con el lema KIDS “keep it descriptive stupid”
(Edmonds y Moss, 2005). El principio KISS se corresponde con el conocido principio de Occam
(Occam’s razor) o principio de parsimonia que establece que no se deben hacer más hipótesis de las
necesarias y entre dos modelos equivalentes conviene quedarse con aquel que sea más sencillo.
Universidad de Burgos
Modelado basado en agentes 96
Tesis Doctoral
Modelado basado en agentes 97
Universidad de Burgos
Modelado basado en agentes 98
cierto es que utilizar modelos para esta tarea es una práctica poco
común 53.
2. El segundo uso de ABM según Axtell, y de aún mayor interés que el primero,
cuando se trata con modelos parcialmente solubles, es la utilización de
agentes artificiales para complementar la teoría matemática cuando ésta no es
capaz de solucionar analíticamente y de forma completa un modelo. Este tipo
de utilización resulta especialmente interesante debido a que son muchas las
razones por las cuales puede no ser posible solucionar completamente un
modelo. De hecho, la solución analítica en general es la excepción cuando se
trata con modelos complejos. Es aquí cuando cobra vigencia la utilización de
ABM, entre otras razones que analizaremos a continuación, para relajar las
hipótesis generalmente fortísimas e indeseables 55 que se introducen para
53
Aunque sí que existe algún caso (Carpenter, 2002).
54
Esta es uno de las utilidades del modelado basado en agentes que quedó demostrada empíricamente
durante los procesos de participación en las fases de diseño y validación del modelo FIRMABAR con
una plataforma de stakeholders (López-Paredes et al., 2005).
55
Por no ser excesivamente realistas.
Tesis Doctoral
Modelado basado en agentes 99
56
Nótese que aquí estamos haciendo referencia a modelos matemáticos compactos, puesto que como
ya se ha argumentado un modelo computacional es estrictamente también un modelo matemático.
57
Ver por ejemplo el famoso caso de los diferentes regimenes de estructuras de precios y volúmenes
del Artificial Stock Market (Arthur et al., 1997b).
Universidad de Burgos
Modelado basado en agentes 100
58
En el caso del juego de normas es único.
Tesis Doctoral
Modelado basado en agentes 101
59
Resulta muy habitual en la especialidad que una misma persona se encargue de varios e incluso
todos los roles.
60
Hemos considerado no traducir estos términos puesto que todavía no existe una traducción aceptada
en castellano.
Universidad de Burgos
Modelado basado en agentes 102
61
Nótese que el thematician se enfrenta al mismo problema, existen infinitos modelos que se pueden
definir para un dominio específico.
Tesis Doctoral
Modelado basado en agentes 103
Universidad de Burgos
Modelado basado en agentes 104
62
Consideramos que dos modelos formales son el mismo modelo si y sólo si producen los mismos
outputs para los mismos inputs.
63
Existen algunos intentos muy interesantes con INGENIAS (Pavón y Gómez-Sanz, 2003) para
utilizar lenguajes visuales y de modelado como lenguajes de programación en lugar de cómo
simplemente lenguajes de modelado (Sansores y Pavón, 2005a; Sansores et al., 2006). Estos esfuerzos
ayudan a sistematizar el paso desde el modelo ejecutable hacia la implementación (además en
diferentes plataformas de simulación).
Tesis Doctoral
Modelado basado en agentes 105
Universidad de Burgos
Modelado basado en agentes 106
Nosotros
EXTRAEMOS Conclusiones
SOBRE un cierto InformalModel ( o sobre ciertos aspectos del mundo real)
UTILIZANDO los siguientes hechos:
FormalModel[Parámetros]
ES UNA PARTICULARIZACIÓN VÁLIDA DE InformalModel
ExecutableModel[Parámetros]
ES UNA APROXIMACIÓN VÁLIDA DE FormalModel[Parámetros]
ExecutableModel[Parámetros] -> Resultados
Resultados APOYAN Conclusiones
Figura 21. Esquema lógico del proceso de inferencia a través del marco de
modelado propuesto.
Tesis Doctoral
Modelado basado en agentes 107
Universidad de Burgos
Modelado basado en agentes 108
Tesis Doctoral
Modelado basado en agentes 109
simulación suele ser interdisciplinar –y por tanto heterogénea – y que muchas veces
se requieren conocimientos computacionales, aunque sean básicos, el problema de
compartir los resultados no resulta trivial.
Esto se agrava enormemente por dos hechos: primero por la torre de Babel
que existe hoy en día de plataformas de simulación, y segundo y más importante,
sobre todo por la falta de un metamodelo que permita al modelador describir la
abstracción de un sistema real para el desarrollo de un software sin ambigüedad
(Wagner y Tulba, 2003).
64
En el siguiente apartado justificaremos la necesidad de la replicación independiente de
experimentos y modelos en la metodología.
Universidad de Burgos
Modelado basado en agentes 110
MARCO DE
REPLICACIÓN
ESTRUCTURA BÁSICA DEL MODELO
NIVELES
ENTIDADES TEMPORALES
Agentes Inicialización
En el caso de un experimento de
replicación:
q Nivel de replicación obtenido
q Información estadística
q Análisis de los resultados…
• Las entidades:
o Inicialización.
Tesis Doctoral
Modelado basado en agentes 111
2.2. Acciones autónomas del entorno. Qué acciones realiza el entorno como
respuesta al paso del tiempo (suponiendo el entorno dinámico), con
independencia del efecto de las acciones de los agentes sobre él. Por
ejemplo, la regeneración automática de recursos en el modelo de Sugarscape
(Epstein y Axtell, 1996). Caracterización exhaustiva en lenguaje natural y en
el caso de algoritmos, especificación completa normalizada.
2.3. Posibles reacciones del entorno como respuesta a las acciones de los agentes.
En general estas reacciones posiblemente pueden ser consideradas como la
descripción de las acciones de los agentes y sus consecuencias en el entorno.
2.5. Clasificación del entorno. Según Russell y Norvig (1996) el entorno se podrá
clasificar en:
Universidad de Burgos
Modelado basado en agentes 112
65
Aunque se trata de un criterio de clasificación de agentes más aceptado en la comunidad
computacional que en la social, resulta bastante interesante y pedagógico el criterio de la vocales
(AEIOU) de Demazeau (2001) citado en (Mas, 2004)). Este criterio se basa en la observación de los
agentes desde distintas perspectivas. La A (de Agente) define sus rasgos individuales: arquitectura,
funcionamiento interno, etc. Suelen dividirse en dos categorías, agentes reactivos y agentes
cognitivos. Los agentes reactivos son aquellos que se caracterizan por la ejecución de procedimientos
sencillos según el estado interno. Su modelo computacional está basado en un ciclo recepción de
eventos externos/reacción. Los agentes cognitivos se caracterizan por la realización de tareas más
complejas mediante la representación explícita del conocimiento. Se diferencian de los anteriores en
que para realizar tareas necesitan llevar a cabo procesos de razonamiento tales como aprendizaje o
planificación. Su modelo computacional se basa en un ciclo percepción-asimilación-razonamiento-
actuación. La E (de Entorno) caracteriza los requisitos computacionales para que el agente funcione
adecuadamente. Se suelen dividir en los agentes que requieren un tipo de entorno especial para su
funcionamiento y en los que se ejecutan en las plataformas computacionales existentes. La I (de
Interacción) considera las capacidades de comunicación y el intercambio de información entre un
agente y otras entidades. Se distinguen tres tipos, agente-agente, agente-entorno, agente-persona, cada
uno con sus tecnologías, protocolos y lenguajes diferentes. La O (de Organización) considera el papel
Tesis Doctoral
Modelado basado en agentes 113
3.2.2. Actuadores.
del agente en el conjunto del sistema. En una primera clasificación se pueden dividir en agentes
individualistas, aquellos que realizan las tareas solos, y agentes cooperantes, que pueden realizar
tareas solos o colaborando con otros agentes. La U (de Utilidad) se clasifica según la aplicación de la
que forma parte el agente.
66
Aquí tomamos la palabra “conocimiento” en sentido amplio para referirnos con ella a cualquier
mecanismo interno del agente que le permita tomar una decisión, incluyendo desde un sistema
complejo con memoria, mecanismo de aprendizaje y sistema de decisión complejo hasta sistemas
puramente probabilísticos de decisión.
Universidad de Burgos
Modelado basado en agentes 114
4.3. Creación de una historia previa artificial. (Por ejemplo el Warm up process
en el Artificial Stock Market de Arthur et al. (1997b) en Santa Fe o de
Pascual et al. (2006) en la versión de INSISOC).
Tesis Doctoral
Modelado basado en agentes 115
6. Experimento.
6.2. Resultados.
6.5. Causalidad. Explicación del mecanismo por el cual el modelo produce los
resultados (internos y externos) encontrados.
Universidad de Burgos
Modelado basado en agentes 116
67
La validación de un modelo de simulación de un sistema complejo se puede decir que constituye
una de las tareas más difíciles en el desarrollo del proceso de modelado. Tradicionalmente los
métodos utilizados en la validación de modelos están basados en la comparación de las salidas del
modelo con el sistema real, con otros modelos, con resultados del modelo en situaciones degeneradas
y conocidas, etc. Sin embargo, cuando se modelan sistemas complejos, la utilización de estos métodos
no está ampliamente aceptada (Brown y Kulasiri, 1996). En tales casos, es posible tratar con el
proceso de validación bajo dos puntos de vista diferentes, a partir de la validación conceptual del
Tesis Doctoral
Modelado basado en agentes 117
modelo y a través de la validación de los outputs generados por el modelo (Moss y Edmonds, 2005).
La validación del modelo conceptual (o validación estructural) es el proceso de verificación de si los
fundamentos teóricos de las hipótesis que subyacen a un modelo son correctos y razonables en el
contexto de los objetivos del modelo de simulación y su intención de uso. La validación estructural en
sistemas adaptativos complejos, y por tanto inherentemente impredecibles (Bradbury, 2002; Lempert,
2002), puede conseguirse en base de una correcta representación de los agentes y las relaciones entre
ellos. Precisamente la ventaja de ABM como herramienta en estos sistemas estriba en que es capaz de
proporcionar un amplio rango de soluciones, a priori fundadas en la caracterización y la
representación de los agentes y que en principio facilitan el proceso de abstracción.
68
El lector interesado puede encontrar una completa revisión epistémica del problema de validación
en Kleindorfer et al. (1998).
69
Ver por ejemplo Taylor (1983), Drogoul et al. (2003), Sansores y Pavón (2005a).
70
Así, podría darse el caso de que un modelo no correcto pudiese ser válido para un determinado
objetivo y viceversa, que un modelo correcto pudiese no ser válido para un propósito.
Universidad de Burgos
Modelado basado en agentes 118
Para evitar los diferentes tipos de errores existen diferentes actividades que se
pueden llevar a cabo. Algunas de estas actividades incluyen la repetición de
experimentos en diferentes plataformas, la reimplementación de código en diferentes
lenguajes de programación, la reformulación del modelo conceptual utilizando
diferentes paradigmas de modelado y el análisis matemático de versiones
simplificadas o casos particulares del modelo (Galán et al., 2006). Entre ellas, la
replicación y alineación de experimentos por investigadores independientes (Axtell
et al., 1996; Axelrod, 1997b; Moss, 2000; Edmonds y Hales, 2003; Edmonds y
Hales, 2005) y el análisis matemático (Binmore, 1998; Edwards et al., 2003; Gotts et
al., 2003a; Brown et al., 2004; Galán y Izquierdo, 2005; Polhill et al., 2006) ya han
demostrado su utilidad. Utilizando estas técnicas es posible incrementar el rigor, la
confiabilidad y la credibilidad de nuestros modelos.
71
Un clásico ejemplo de artefacto se da cuando la topología de un grid en un modelo se considera una
hipótesis auxiliar, y se cree que los resultados obtenidos cuando se ejecuta el modelo son
independientes de la topología pero de hecho al cambiarla por alguna alternativa (por ejemplo celdas
cuadradas por celdas hexagonales) los resultado significativos no se observan o cambian.
Tesis Doctoral
Modelado basado en agentes 119
Hasta este punto se ha hecho notar el creciente interés del uso de ABM. Se ha
visto que este interés nace de la posibilidad de incorporar una representación muy
detallada y refinada de cada una de las entidades específicas, individuos o
72
Los diferentes problemas están situados sobre el marco metodológico con una única abstracción
intermedia de Edmonds (2001). Para situar ejercicios de replicación sobre el marco de doble
abstracción ver Galán et al. (2006).
Universidad de Burgos
Modelado basado en agentes 120
Heterogeneidad e individualidad
Quizá, como se ha ido comentando a lo largo del capítulo, una de las
principales ventajas de ABM y la que, en nuestra opinión, constituye su esencia, es la
capacidad para identificar las diferentes entidades que participan en un sistema,
personas, empresas, organizaciones, animales, etc., e implementarlas con sus propios
sistemas de comportamiento capturando la heterogeneidad del sistema. Además,
dentro de cada tipo de entidad que participa en el modelo con ABM no existe
ninguna necesidad de hacer hipótesis sobre agentes representativos. Si los individuos
de una población son diferentes, aprovechando las propiedades de instanciación de
clases de la programación orientada a objetos aplicadas a la simulación, resulta
relativamente sencillo capturar toda esa diversidad que existe en la población real e
incluirla mediante tantos agentes computacionales específicos y diversos como sean
necesarios.
73
Y facilite la validación estructural del modelo.
Tesis Doctoral
Modelado basado en agentes 121
Con ABM se pueden representar explícitamente entornos en los que situar los
agentes, ya sea mediante rasters, autómatas celulares, o sistemas de información
geográfica, permitiendo, si es el caso ya sea porque exista alguna evidencia empírica
o porque se desee probar un efecto a nivel teórico, restringir las interacciones de los
agentes a contextos locales y vecindades. Junto con la propiedad anterior, la
metodología ofrece un conjunto de características que podríamos resumir como que
ABM permite describir de forma más natural los sistemas.
Racionalidad limitada
Muchos modelos de comportamiento humano en las Ciencias Sociales
asumen que los individuos pueden aproximarse razonablemente o ser descritos
Universidad de Burgos
Modelado basado en agentes 122
74
“Because the individual is multi-dimensional, so is the society”.
Tesis Doctoral
Modelado basado en agentes 123
Por otro lado también se puede argumentar como contra a una ventaja que el
interés multidisciplinar de la metodología hace que ésta se encuentre muy difusa y
dispersa como trabajos heterodoxos en muchas disciplinas, lo cual en parte es cierto.
Feedback
Análisis de escenarios
Universidad de Burgos
Modelado basado en agentes 124
75
Incluso en casos extremos detractores de la metodología consideran una simulación como una
evidencia anecdótica.
Tesis Doctoral
Modelado basado en agentes 125
cambiamos robustez en los resultados por rigor y realismo en las hipótesis de los
modelos.
Universidad de Burgos
Modelado basado en agentes 126
Tesis Doctoral
Gestión de agua con sociedades artificiales de agentes 129
3.1.1 Introducción
76
Los primeros trabajos de este tipo se atribuyen a Lansing y Kremer (1993) en el estudio de la
gestión de agua en Bali, a Bousquet et al. (1993) por el estudio de bancos de pesca y a Deadman y
Gimblett (1994) en la gestión de parques.
77
En realidad la mayoría de los modelos tienen en parte cierto carácter predictivo, aunque no sea total
sí de un determinado hecho parcial, o de una estructura de comportamiento, etc.
Universidad de Burgos
Gestión de agua con sociedades artificiales de agentes 130
78
Aprovechando las propiedades que se pueden obtener a partir del concepto de agentes completos
como base teórica para el diseño de arquitecturas computacionales se pueden encontrar herramientas
que las aprovechan en el campo de la gestión de recursos naturales como el agua (Davis, 2000) o los
bosques (Nute et al., 2004). Los agentes bajo esta perspectiva, ofrecen suficiente flexibilidad para
integrar diferentes categorías de procesamiento y la posibilidad de diseños incrementales.
Tesis Doctoral
Gestión de agua con sociedades artificiales de agentes 131
79
Teniendo claro el vínculo y las diferencias entre los dos.
Universidad de Burgos
Gestión de agua con sociedades artificiales de agentes 132
Una de las herramientas con las que más frecuentemente se combina este uso
del modelado es con los juegos de rol 80 (Barreteau et al., 2001; Barreteau, 2003;
Etienne et al., 2003; Etienne, 2003; Barreteau et al., 2003b; Castella et al., 2005). En
estos sistemas los stakeholders participan como jugadores sobre una representación
conjuntamente aceptada del sistema en el que interactúan, el modelo multiagente.
80
También se utilizan RPG y procesos de participación para otros usos diferentes de ABM, pero esta
es la aplicación más frecuente.
Tesis Doctoral
Gestión de agua con sociedades artificiales de agentes 133
81
La clasificación de Hare y Deadman (2004) presenta cierta inconsistencia al referirse simplemente a
agentes representando seres humanos, cuando podrían ser otros tipos de animales, organizaciones, etc.
Universidad de Burgos
Gestión de agua con sociedades artificiales de agentes 134
aparte de los fenómenos de adaptación social que pudiese haber. Básicamente existen
dos maneras: mediante la selección entre estrategias múltiples o bien las
aproximaciones de ajuste.
Tesis Doctoral
Gestión de agua con sociedades artificiales de agentes 135
• Explícito
• No explícito
ESTRUCTURA DEL MODELO
Acoplamiento
modelo social y
entorno
Toma de
Adaptación
decisiones
poblacional
multiescala
• Investigación
• Entrenamiento y aprendizaje
• Soporte a la decisión y negociación
• Ninguna
• Estrategias múltiples Adaptación Interacción • Adaptación local
• Aproximaciones de ajuste intrínseca social • Adaptación global
• Tareas basadas en grupos
Toma de
decisiones a
micronivel
Entre las múltiples definiciones de SIG, una de las más formales en nuestra
opinión, la de Star y Estes (1990) lo describe como un sistema de información
diseñado para trabajar con datos referenciados por coordenadas espaciales o
geográficas. En otras palabras, un SIG es tanto un sistema de base de datos con
capacidades específicas para datos referenciados espacialmente, como un conjunto
de operaciones para trabajar con los datos propiamente. Para los objetivos de esta
82
Geographic Information System, GIS.
Universidad de Burgos
Gestión de agua con sociedades artificiales de agentes 136
83
Imagen retocada a partir de original en http://cier.uchicago.edu/gis/gis.htm [Fecha de acceso: 28 de
abril de 2006]
Tesis Doctoral
Gestión de agua con sociedades artificiales de agentes 137
84
También existen los formatos TIN, triangulated irregular network y Quad-Tree structures, pero son
mucho menos conocidos (Clarke, 1999).
Universidad de Burgos
Gestión de agua con sociedades artificiales de agentes 138
integración que pueden tener con grids y estructuras matriciales para convertir los
modelos a basados en autómatas celulares 85 (CA).
85
Mientras que con los softwares específicos de ABM no resulta complicado generar modelos
acoplados con CA, la integración no es directa cuando los datos provienen de un SIG. La razón de este
hecho se puede buscar en que tanto los agentes como las celdas de un autómata pueden ser
implementados con la misma filosofía basada en el individuo. Esto no ocurre cuando tratamos con un
SIG en el que las unidades de información no son propiamente las celdas sino las capas (Box, 2002).
Aunque si las capas son raster, identificando celda del SIG con celda del CA la dificultad decrece
frente a representaciones vectoriales.
Tesis Doctoral
Gestión de agua con sociedades artificiales de agentes 139
Universidad de Burgos
Gestión de agua con sociedades artificiales de agentes 140
Tesis Doctoral
Gestión de agua con sociedades artificiales de agentes 141
Universidad de Burgos
Gestión de agua con sociedades artificiales de agentes 142
86
http://www.eslab.tau.ac.il/obeus/obeus.htm
87
http://cfpm.org/
Tesis Doctoral
Gestión de agua con sociedades artificiales de agentes 143
La unidad de tiempo del modelo es el mes. En cada mes, cada vivienda ajusta
sus hábitos de uso de agua en términos de la cantidad de usos del dispositivo y de la
posible adquisición de nuevos dispositivos que puedan producir un mayor consumo o
un ahorro de recurso.
Universidad de Burgos
Gestión de agua con sociedades artificiales de agentes 144
• Ownership
• Frequency
• Volume
Policy
Agent
Households
Ground
Demanda
Nombre Agentes en el modelo
Agregada • Temperature
• Rainfall
• Sunshine
Figura 28. Estructura del modelo del Támesis. Fuente: Edmonds et al.
(2002).
Los resultados del modelo sugieren que el efecto de las sequías puede tener
trascendencia a largo plazo acostumbrando a las viviendas a valores de consumo más
bajos. Sugiere que el efecto climático es menor que los posibles efectos sociales que
puedan tener lugar y el impacto significativo de la inclusión de los nuevos
dispositivos de ahorro o de mayor consumo que puedan estar disponibles en el
mercado.
Tesis Doctoral
Gestión de agua con sociedades artificiales de agentes 145
88
Freshwater Integrated Resource Management with Agents.
89
www.insisoc.org
Universidad de Burgos
Gestión de agua con sociedades artificiales de agentes 146
Organizaciones públicas
Compañías privadas
Sociedades civiles
Tesis Doctoral
Gestión de agua con sociedades artificiales de agentes 147
Embalse 1
Política de infraestructuras Perfil climático
Planta de desalinización
2
Agente inmobiliario
4
Municipio-X
Plan de desarrollo urbano del
Municipio-Z municipio
Modelo territorial
Ciclo de la familia
Demanda de agua
Demanda y concumo de
Movimiento de Demanda de agua.
Política de precios
vivienda vivienda Inversión, Satisfacción
social, etc.
Demanda y
consumo de agua
Modelo social 3
Universidad de Burgos
Gestión de agua con sociedades artificiales de agentes 148
El otro submodelo, el modelo social, está compuesto por la vida del conjunto
de familias en el grid que representa el territorio. Cada familia se localiza en una
vecindad dentro de una unidad de las unidades territoriales representativas. Las
familias se comportan e interactúan con el resto de los agentes en el sistema tomando
principalmente dos tipos de decisiones respecto al modelo, el movimiento de
vivienda y el consumo de agua.
Tesis Doctoral
Gestión de agua con sociedades artificiales de agentes 149
Water consumption
New infrastructures?
Water demand
Policy Agent
MaxwaterConsumption =
Family i f(Incomes)
Region Environment
Number of:
Irrigations
Size of the family Initially WC_uses
Social attitude in Washes
emergency Showers
Appliances
Social class
Previous consumption
Neighbourhood
Family j
Family k
Family m
Agent or group of agents
Influential factor
Influential decision
Universidad de Burgos
Gestión de agua con sociedades artificiales de agentes 150
Meteorologist Agent
Society of Water
Consumer Agents
Tesis Doctoral
Gestión de agua con sociedades artificiales de agentes 151
Society of Water
Consumer Agents
1
Modelos econométricos
Estimación de los
consumos individuales
3 6 7
Difusión de influencia
4 Water Supplier
Agent
Revisión de la política de
precios
Datos ambientales
Calcular la demanda total
1
8
2
Meteorologist Agent
Resultados totales
Universidad de Burgos
Gestión de agua con sociedades artificiales de agentes 152
En cuanto a los agentes propietarios del suelo, el prototipo combina dos tipos
diferentes de clases de agentes, los productores (granjeros) y los especuladores.
Inicialmente cada celda es atribuida aleatoriamente a uno de los dos tipos en la
proporción de dos tercios de productores y un tercio de especuladores hasta un total
de 3.000 en total.
Tesis Doctoral
Gestión de agua con sociedades artificiales de agentes 153
Cada uno de los agentes propietarios además está dotado con una cantidad de
dinero y unas necesidades familiares distribuidas aleatoriamente. Las decisiones de
cada uno se basan en los valores que en cada instante de tiempo tengan esos
parámetros además de las propiedades espaciales que tengan la celda y su vecindario
próximo.
Cada seis meses los propietarios deciden que tipo de uso harán con sus
celdas. Los productores tienen tres tipos de opciones, cosecha de regadío (sólo si
tiene dinero para invertir en las infraestructuras necesarias y si la celda se encuentra
en la proximidad de una zona de captación de agua), cosecha de secano y barbecho.
El regadío permite mayor número de cosechas anuales y mayores ingresos.
Universidad de Burgos
Gestión de agua con sociedades artificiales de agentes 154
permitir puede ser comprada por cualquier propietario. Si nadie la puede comprar
decrece su valor en la siguiente iteración.
El objetivo del modelo presentado por Kotz y Hiessl (2005) describe los
aspectos principales asociados con los procesos de innovación en sistemas de
infraestructuras de agua urbana, mediante un modelo basado en agentes que simula
esos procesos de innovación.
Tesis Doctoral
Gestión de agua con sociedades artificiales de agentes 155
Suministrador de agua
Produce un
volumen de agua residual
Operador de tratamiento de
Consumidor de agua
aguas residuales
Demanda un pago
Universidad de Burgos
Gestión de agua con sociedades artificiales de agentes 156
Compra la tecnología de
innovación
No compra la tecnología de
innovación
Tesis Doctoral
Gestión de agua con sociedades artificiales de agentes 157
El estudio resulta interesante por dos motivos, primero por los modelos en sí
que describiremos más adelante. Pero también porque es un estudio pionero en el
análisis y comparación de modelos basados en agentes y aproximaciones agregadas
parcialmente equivalentes. Los modelos agregados presentan la ventaja de tiempos
de computación más cortos y mayor facilidad de análisis, por lo que resulta
interesante conocer en que condiciones el estudio basado en el individuo aporta algo
al estudio y cuando no (Edwards et al., 2003).
Los agentes del modelo son de dos tipos, las viviendas y los granjeros, que
tienen necesidades básicas de consumo de agua diferentes representadas por
diferentes parámetros sociales.
Universidad de Burgos
Gestión de agua con sociedades artificiales de agentes 158
Hydro Population
Tesis Doctoral
Gestión de agua con sociedades artificiales de agentes 159
El modelo considera N agentes fijos que tienen que elegir entre dos
comportamientos: A y B. Cada gente i tiene una red social asociada V(i) aleatoria,
donde el número de vínculos en la red varía de un individuo a otro.
U i ( A → A) =a ⋅ V (i, A) + eA (20)
U i ( A → B) =b ⋅ V (i, B) (21)
donde V(i,A) y V(i,B) son las proporciones de vecinos del agente i que tienen el
comportamiento A ó B, y a, b, a’ y b’ son los parámetros del modelo.
90
El modelo agregado no lo describiremos aquí, para mayor información consultar Edwards et al.
(2005).
Universidad de Burgos
Gestión de agua con sociedades artificiales de agentes 160
e( β ⋅Ui ( A→ B )) (25)
P(i elija B / A) =
e( β ⋅Ui ( A→ A)) + e( β ⋅Ui ( A→ B ))
El parámetro β representa el nivel de incertidumbre de la decisión, valores
muy altos del parámetro indican decisiones muy deterministas y valores muy bajos
valores aleatorios 91.
91
Las ecuaciones en el caso de que el individuo estuviese teniendo el comportamiento B en lugar del
A son completamente análogas.
Tesis Doctoral
Gestión de agua con sociedades artificiales de agentes 161
ZONAS
FREÁTICAS Extracción de agua
Transferencias de
Extracción de agua Nuevas profundidades
reacción
Construcción POZOS
Abandono
Profundización
Extracción de agua
AGRICULTORES
92
La mayoría de los regantes extraen el agua directamente de pozos privados, mientras que una
minoría la obtiene mediante sistemas de riego colectivo a partir de perforaciones llamada perímetros
de riego públicos (PPI, Public Irrigated Perimeters) gestionadas por instituciones públicas.
Universidad de Burgos
Gestión de agua con sociedades artificiales de agentes 162
de pozos cada agricultor tendrá diferentes niveles de preferencia por cada uno
de ellos en función de sus necesidades y riqueza.
Tesis Doctoral
Gestión de agua con sociedades artificiales de agentes 163
Universidad de Burgos
Gestión de agua con sociedades artificiales de agentes 164
que se puede cultivar arroz, soja o vegetales y regadas por lluvia natural. El bosque
principalmente se utiliza para ceremonias religiosas.
Los granjeros inicialmente pueden ser propietarios de tierras altas y/o zonas
de arrozal dependiendo de su estatus. Las zonas de arrozal pertenecen a un canal.
Hay seis canales en el sistema, organizados por parejas y agrupados en dos sistemas
de riego. Un agente cognitivo, llamado Manager gestiona la presa que controla el
canal. Cada uno de los sistemas de riego se corresponde con las dos villas, las de los
habitantes de las zonas altas y bajas.
Los canales de riego entran en rotación de riegos tan pronto como el canal
inferior tiene problemas de escasez de agua. El gestor de las zonas altas está obligado
a aceptar la rotación pero tan pronto como se vuelve a la situación normal puede
volver a la situación normal, aquí entran en funcionamiento los procesos de
negociación.
Tesis Doctoral
Gestión de agua con sociedades artificiales de agentes 165
Universidad de Burgos
Gestión de agua con sociedades artificiales de agentes 166
Atmósfera
Tesis Doctoral
III APLICACIÓN
Modelo integrado de consumo 171
Universidad de Burgos
Modelo integrado de consumo 172
Densidad ( ρ ) ρ D − 2 (26)
Aún con más éxito que el modelo DLA está el modelo de percolación, basado
en un grid bidimensional. Cada nodo está ocupado o no, de acuerdo con una
probabilidad dada p . Por debajo de un valor crítico p < pc , los nodos ocupados
93
Imagen generada a partir del applet de Chi-Hang Lam http://apricot.polyu.edu.hk/~lam/dla/dla.html
[Último acceso 15 de mayo de 2006].
Tesis Doctoral
Modelo integrado de consumo 173
ρ (r ) ≈ ρ0e− λ r (27)
A pesar del indudable interés de este tipo de modelos, para los objetivos de
nuestra aplicación no resultan útiles por varias razones. Primero por su elevado nivel
de abstracción. En estos modelos se ignoran las capacidades cognitivas de los
agentes, la heterogeneidad, los diferentes grupos sociales, la clusterización entre los
grupos o los diferentes tipos de viviendas. Segundo, el horizonte temporal de estos
modelos es excesivamente grande. Y tercero, nuestro interés no esta en la función de
densidad de ocupación de las ciudades, sino más bien en las dinámicas internas que
se generan dentro de ellas. Por todo ello, el submodelo que deseamos implementar
necesita un menor nivel de abstracción.
Universidad de Burgos
Modelo integrado de consumo 174
segregación. Existen muchos más modelos en este nivel aparte del de Schelling,
desde generalizaciones de modelos de segregación, hasta modelos más sofisticados.
1. El individuo.
Tesis Doctoral
Modelo integrado de consumo 175
donde < Vijt >U es el promedio del valor de las viviendas en la vecindad U ( H ij )
de otra forma,
donde
= U ij U ( H ij ) − {H ij }
su valor Vij decrece a una tasa constante, d, que se considera un parámetro exógeno
del modelo:
Universidad de Burgos
Modelo integrado de consumo 176
de un agente A que ocupa una casa H ij queda definida por la siguiente ecuación:
donde RA no depende del tiempo, m ⋅ VHt representa un pago por ocupar una
vivienda H ij , viene dada por el estado económico de los vecinos de A y los valores
de sus casas en U ( H ij ) . Pijt se define como el promedio del estado económico de los
vecinos que ocupan las viviendas en U ( H ij ) más los valores de aquellas viviendas en
están ocupadas.
t (33)
SD=
A S At − P t
Tesis Doctoral
Modelo integrado de consumo 177
Si
Si
Cambio de estado y de
FIN
valor de la vivienda
COMIENZO
Relevante para el modelo cultural solamente
Relevante para el modelo económico solamente
Relevante para residentes e inmigrantes
Si
Relevante residentes solamente
Universidad de Burgos
Modelo integrado de consumo 178
ρ (C A , CB ) =
∑ k
C Ak − CBk (34)
identidades de su vecindad:
∑ ρ (C t
A , CBt ) (35)
B∈U ijo
CDAt =
( N ot (U ( H ij )) − 1)
tiempo t.
t
GD=
A max {0, ( LS At − LS * )} (1 − LS * ) (36)
96
Visualmente, valores de LSX por debajo de 0.3 ó 0.4 se corresponden a distribuciones aleatorias de
los agentes del grupo X mientras que valores por encima de 0.7 ó 0.8 corresponden a dominios
dominados casi exclusivamente por miembros de ese grupo (Benenson, 1998).
Tesis Doctoral
Modelo integrado de consumo 179
identidad cultural. Por contraste, un alto nivel de segregación GDAt de agentes que
poseen una identidad CA fuerzan a A a preservar su identidad, a pesar de que no se
encuentren necesariamente cerca de la localización de A. La sensibilidad de un
agente A a la disonancia cultural cognitiva LA y a la segregación global GA , donde
97
También existen otros tipos de vecindades regulares hexagonales, triangulares, etc. (Hegselmann y
Flache, 1998; Wolfram, 2002).
Universidad de Burgos
Modelo integrado de consumo 180
Esta hipótesis no parece excesivamente apropiada en los casos en los que el objetivo
del modelo es precisamente captar la heterogeneidad espacial.
Figura 43. La vecindad se refiere al conjunto de celdas con las que otra
celda interactúa. Existen dos tipos de vecindades rectangulares clásicas, la
vecindad de Von Neumann y la vecindad de Moore. En la vecindad de
Von Neumann a), cada celda interactúa con sus cuatro vecinos más
cercanos al norte, sur, este y oeste. En la vecindad de Moore b) también se
incluyen las celdas diagonales más cercanas. La figura c) muestra una
vecindad de Moore extendida. La principal diferencia topológica entre
estos tipos de vecindades es la transitividad.
98
Dependiendo del contexto, al diagrama de Voronoi se le conoce como subdivisión de Dirichlet,
subdivisión en regiones de Thiessen o polígonos de Thiessen.
99
Se pueden encontrar referencias que cubren de forma mucho más extensa y rigurosa el tratamiento
que hacemos aquí de estos conceptos. Por ejemplo libros de geometría computacional como Berg et
al. (2000) o en libros monográficos sobre diagramas de Voronoi como Okabe et al. (1992).
100
Las definiciones que hacen referencia a los conceptos que utilizamos en esta tesis son el caso
particular para el plano de la generalización en n .
Tesis Doctoral
Modelo integrado de consumo 181
{ }
V ( pi ) ≡ q ∈ 2 : d ( pi , q ) ≤ d ( p j , q ) , i ≠ j (37)
d (q, pk ) ≥ d (q, pi ) si k ≠ i, j
101
Se pueden utilizar diferentes funciones de distancia entre puntos para definir diferentes variaciones
de diagramas de Voronoi.
102
Imagen generada a partir del applet de Zhiyuan Zhao y Alan Saalfeld
http://www.bath.ac.uk/~enscjb/voronoi/tri.html [Último acceso 25 de julio de 2006].
Universidad de Burgos
Modelo integrado de consumo 182
Tesis Doctoral
Modelo integrado de consumo 183
Universidad de Burgos
Modelo integrado de consumo 184
103
En el modelo implementado se ha considerado como distancia umbral 300 metros. Este efecto
puede ser muy importante y resulta necesaria la condición adicional. En el anexo C de este documento
se puede ver la triangulación de Delaunay completa de la ciudad de Valladolid sin depurar por
distancias entre centroides, que da como resultado vecinos alejados entre sí varios kilómetros para
cerrar la superficie convexa.
104
Conviene tener en cuenta que dos agentes en un mismo contexto y con las mismas propiedades
pueden tener un nivel de disonancia residencial diferente.
Tesis Doctoral
Modelo integrado de consumo 185
factor.
SD δ [ D(1 − D]1/ 2
= (38)
Tabla 6
Evaluación
Parámetro del cualitativa del nivel Valor representativo de Desviación típica
modelo de disonancia la disonancia, D (Para un δ = 0.05 )
Zero Cero 0,00 0,0000
Very Low Muy Bajo 0,05 0,0109
Low Bajo 0,20 0,0200
Intermediate Intermedio 0,50 0,0250
High Alto 0,80 0,0200
Very High Muy Alto 0,95 0,0109
105
Siendo muy rigurosos, puesto que el valor de la vivienda calculada mediante la actualización de
Benenson depende a su vez de los valores de la vecindad y de los agentes que la habitan, en realidad
este valor de disonancia también depende indirectamente de la vecindad.
Universidad de Burgos
Modelo integrado de consumo 186
de entidades que son las viviendas contenidas en las manzanas. Una manzana puede
tener una o más viviendas. Cada agente (familia) vive en una vivienda a su vez
contenida en un bloque. Definimos vecindad de una vivienda como el resto de
viviendas del bloque que la contiene, más el conjunto de las viviendas de los bloques
incluidos en la vecindad de Voronoi (según el algoritmo anteriormente especificado)
que definen los centroides de las manzanas importadas.
1 0 (39)
DNacionality = 1 Zero Intermediate
0 Low Zero
Tesis Doctoral
Modelo integrado de consumo 187
(40)
D f ( Ai , U ( H ))
= ∑D
j
f ( Ai ,U ( H ) j ) ⋅ Fj
2 1 0 (41)
2 Zero Low Intermediate
DStudies =
1 VeryLow Zero Low
0 Low VeryLow Zero
Universidad de Burgos
Modelo integrado de consumo 188
4 3 2 1 0
4 Zero VeryLow Low Intermediate High
3 VeryLow Zero VeryLow Low Intermediate
DWealth =
Value
2 Low VeryLow Zero VeryLow Low
1 Intermediate Low VeryLow Zero VeryLow
0 High Intermediate Low VeryLow Zero
− −
+ Dw− v− ⋅ ( wi − w ) ⋅ (v j − v )
i j
i j
donde los valores de Dij son los coeficientes asociados de la matriz de disonancias
106
Podría interpretarse estos valores como variables cualitativas de riqueza y valor desde el rango muy
bajo a muy alto.
Tesis Doctoral
Modelo integrado de consumo 189
1 − ∏ 1 − α i D fi ( A, U ( H ))
D( A, U ( H )) = (43)
i
P( D) = P0 + (1 − P0 ) D (44)
Una vez que todos los agentes de la ciudad han calculado su probabilidad de
intentar cambiar de residencia, cada agente “decide” si permanece en su vivienda
actual con probabilidad 1 − P ( D) o si cambia de residencia con probabilidad P ( D) .
En caso de que el agente decida cambiar de residencia se le incluye en el conjunto de
potenciales emigrantes interiores M . Al conjunto M se le añade también los
agentes inmigrantes que llegan a la ciudad por primera vez.
107
La fórmula de la ecuación (43) representa la aproximación “negativista” de elección residencial, en
la que un único factor de disonancia alto genera una disonancia total alta.
Universidad de Burgos
Modelo integrado de consumo 190
Q( D) =
1 − P( D) =
(1 − P0 )(1 − D) (45)
Tesis Doctoral
Modelo integrado de consumo 191
Conjunto M de agentes
Selección aleatoria de un
Permanecer en la vivienda
agente del conjunto M
No: 1-LA
¿El conjunto de
¿El agente A es un
viviendas candidatas Si No ¿Abandonar la ciudad?
nuevo inmigrante?
HA es vacío?
No
Si
No
Si: Q(D)=D(A,U(HA,i))
Universidad de Burgos
Modelo integrado de consumo 192
agente a otro.
Tesis Doctoral
Modelo integrado de consumo 193
υ A ( S → S ) =a ⋅V ( A, S ) + eS (46)
υ A ( S → NS ) =
b ⋅ V ( A, NS ) (47)
υ A ( NS → S ) =a′ ⋅V ( A, S ) + eS (48)
b′ V ( A, NS )
υ A ( NS → NS ) =⋅ (49)
e= cE ⋅ f ( InfWater ) (50)
S
e β ⋅υ A ( S → S ) (51)
P( A elige S / S ) =
e β ⋅υ A ( S → S ) + e β ⋅υ A ( S → NS )
e β ⋅υ A ( S → NS ) (52)
P ( A elige NS / S ) = β ⋅υ A ( S → S ) β ⋅υ A ( S → NS )
e +e
108
Sí que implicará que P ( S ) > P ( NS ).
Universidad de Burgos
Modelo integrado de consumo 194
e β ⋅υ A ( NS → S ) (53)
P( A elige S / NS ) =
e β ⋅υ A ( NS → S ) + e β ⋅υ A ( NS → NS )
e β ⋅υ A ( NS → NS ) (54)
P( A elige NS / NS ) = β ⋅υ A ( NS → S ) β ⋅υ A ( NS → NS )
e +e
Tesis Doctoral
Modelo integrado de consumo 195
∑ψ e ⋅ ξi ,
υA =
ei
i
ei ≥ 0 (55)
donde ξi es cada uno de los sumandos dependientes de cada origen para obtener la
υ A ( S → S )= ψ e ⋅ a ⋅V ( A, S ) +ψ e ⋅ eS +ψ e ⋅ c
1 2 3 (56)
Universidad de Burgos
Modelo integrado de consumo 196
υ A ( S → NS )= ψ e ⋅ b ⋅V ( A, NS )
1 (57)
υ A ( NS → S ) = ψ e ⋅ a′ ⋅ V ( A, S ) +ψ e eS
1 2 (58)
υ A ( NS → NS ) = ψ e ⋅ b′ ⋅ V ( A, NS ) +ψ e ⋅ c
1 3 (59)
donde ψ es un parámetro del modelo, y los valores de los índices del endorsement
dependen de cada agente de acuerdo a los parámetros que caracterizan la influencia
de la población.
Se define una innovación como una idea, práctica u objetivo que es percibido
como nuevo. Como apunta Rogers (1962), una de las razones del gran interés en el
estudio de los mecanismos de difusión tecnológicos y de la innovación radica en que
con frecuencia la adopción de una nueva idea, incluso cuando aporta beneficios y
ventajas objetivas a quien la adopte, no se produce de manera instantánea. De hecho,
se puede considerar que existe un proceso de rechazo inicial hacia la nueva idea.
Decía Walter Bagehot en Physics and Politics (1872) que “uno de los mayores daños
a la naturaleza humana es una nueva idea. Te hace pensar que después de todo, tus
ideas favoritas pueden ser falsas, tus más firmes creencias erróneamente fundadas…
Naturalmente, y por tanto, la gente común odia las nuevas ideas y están dispuestos a
tratar como equivocado al hombre que la originó.” 109
109
Traducción propia y libre de “One of the greatest pains to human nature is the pain of a new idea.
It...makes you think that after all, your favorite notions may be wrong, your firmest beliefs ill-
founded... Naturally, therefore, common men hate a new idea, and are disposed more or less to ill-
treat the original man who brings i”.
Tesis Doctoral
Modelo integrado de consumo 197
110
http://www.dallasfed.org/fed/annual/1999p/ar96.pdf [Último acceso el 1 de Septiembre de 2006].
Universidad de Burgos
Modelo integrado de consumo 198
Tesis Doctoral
Modelo integrado de consumo 199
"La sima"
Rezagados o
Tradicionales
Número de adoptantes
Última Mayoría
Primera Mayoría
Primeras adopciones
Innovadores
Tiempo
Universidad de Burgos
Modelo integrado de consumo 200
A pesar de las pinceladas que hemos dado sobre el modelo clásico, hoy en día
existen innumerables artículos con refinamientos, críticas o alternativas a este
modelo, y a muchos otros que abordan el mismo problema. No existe una teoría
comúnmente aceptada sobre los modelos de difusión tecnológicos y de la
innovación.
Tesis Doctoral
Modelo integrado de consumo 201
Universidad de Burgos
Modelo integrado de consumo 202
dN (t ) q (60)
[m − N (t )][ p + N (t )], t ≥ 0
=
dt m
N (t ) (61)
F (t ) ≡
m
f (t ) (62)
= p + q ⋅ F (t ), t ≥ 0
1 − F (t )
Tesis Doctoral
Modelo integrado de consumo 203
donde f (t ) es la derivada de F (t ) .
Bass (1969) demuestra que la solución de la ecuación anterior viene dada por
1 − e− ( p + q )t (63)
=F (t ) , t≥0
q − ( p + q )t
1+ e
p
solución con forma de S que proporciona un ajuste empírico excelente para multitud
de productos (Niu, 2002). Resulta también interesante hacer notar que la forma
sigmoidea típica dada por la solución al modelo de Bass presenta ventajas frente a
otras funciones que también pueden generar formas parecidas. Por un lado es capaz
de capturar un rango más amplio de formas que por ejemplo la función logística, que
asume simetría de la función a partir del punto de inflexión (Franses, 2006); por otro
lado y como estamos viendo, los parámetros de la ecuación son fácilmente
interpretables. Se puede ver, por ejemplo, en la figura 51 la representación del
modelo expresado como modelo de dinámica de sistemas. Por ambas razones el
modelo de Bass parece una elección interesante.
Tasa de
Potenciales adopción
adoptantes
Adoptantes d ( PotencialesAdoptantes )
= −TasaDeAdopción
?
dt
d ( Adoptantes )
= TasaDeAdopción
dt
+ + Población total
TasaDeAdopción = AdopciónPorComunicaciónMasiva
+
+ + AdopciónPorComunicaciónInterpersonal
Adopción por Adopción por
comunicación masiva comunicación - AdopciónPorComunicaciónMasiva =
interpersonal
Fracción de
EfectividadDeLaTransmisiónExterna ⋅ PotencialesAdoptantes
+ + +
+ adoptantes AdopciónPorComunicaciónInterpersonal =
TasaDeContacto ⋅ FracciónDeAdoptantes ⋅ PotencialesAdoptantes ⋅ Adoptantes
Efectividad de la
transmisión externa Tasa de PoblaciónTotal
contacto
Universidad de Burgos
Modelo integrado de consumo 204
1. Se crean dos estados de los agentes a partir de los dos niveles definidos,
adoptantes y potenciales adoptantes.
111
Un retardo exponencial de este tipo equivale a asumir un porcentaje constante de adoptantes por
unidad de tiempo (Borshchev y Filippov, 2004).
Tesis Doctoral
Modelo integrado de consumo 205
Potencial
Adoptante
Retardo: exponencial
Señal de evento:
(efectividad de la
“Adóptalo”
transmisión externa)
Adoptante
Universidad de Burgos
Modelo integrado de consumo 206
paso del tick, como cabría esperar por otro lado (figura 53). Al hacer esto,
conseguimos pasar el modelo a síncrono, evaluando en cada iteración el cambio de
estado de cada agente para comprobar si la realización propia de la función
exponencial pertenece al intervalo discreto de tiempo 112.
Retardo
Tasa de adopción=Potenciales calculado al
adoptantes*C Potencial entrar en el
Potenciales estado
Adoptante
adoptantes
?
Retardo:
exponencial (C)
112
El proceso de discretización de la exponencial se ha llevado a cabo en el término de adopción por
influencia externa. Podría no haberse utilizado esta aproximación y haberse utilizado tasas
probabilísticas constantes en la población no adoptante en cada tick. En la implementación del modelo
acoplado de Bass se adopta esta última alternativa encontrando resultados similares. El propósito de
comparar ambas alternativas es hacer un pequeño ejercicio para comprobar la generalidad de la
aproximación de Borshchev y Filippov (2004). En el término de contagio, la aproximación de
Borshchev y Filippov conlleva más dificultad técnica y menor eficiencia computacional, por lo que no
se ha utilizado y se ha implementado un proceso aleatorio de interacción y contagio probabilístico.
Tesis Doctoral
Modelo integrado de consumo 207
Pero en nuestro caso, y puesto que los escenarios que queremos analizar con
el modelo buscan evaluar la difusión de dispositivos de ahorro de agua, acoplaremos
el modelo de Bass con el modelo (adaptado) de difusión de opinión de Young, con la
hipótesis de que la adopción de una nueva medida depende del estado de opinión y
conducta del agente. Es decir, supondremos que un agente con una actitud solidaria
respecto al ahorro adoptará más fácilmente una innovación para el ahorro que uno
que no. Formalmente, se añade un término de probabilidad adicional al parámetro p
del modelo de Bass, definido como parámetro.
Universidad de Burgos
Modelo integrado de consumo 208
Una vez constatado este hecho, surgían dos opciones, hacer la hipótesis, a
nuestro entender extremadamente fuerte, de considerar los modelos de uso final de
esas regiones exportables a España, o bien utilizar otra aproximación para
caracterizar el comportamiento de los agentes. Finalmente nos decantamos por esta
última opción, y puesto que contamos con la colaboración de Aquagest y Aguas de
Valladolid, empresas sumistradoras de agua doméstica en la región, decidimos
utilizar sus bases de datos para intentar caracterizar el consumo doméstico de los
agentes. Las bases de datos de estas empresas recogen por supuesto consumos totales
y no por usos dentro de las unidades domésticas, por lo que consideramos que la
mejor opción para este submodelo, al menos en esta primera versión del modelo y
hasta que contemos con información que nos permita sofisticar el modelo, era
realizar un estudio estadístico de los consumos que se recoge en el Anexo C.
Tesis Doctoral
Modelo integrado de consumo 209
Universidad de Burgos
Modelo integrado de consumo 210
Cada individuo
Estimación de la disonancia
residencial en la
localización actual (t0)
Simulación de los cambios
individuales (edad, …)
Permanecer en la
¿Moverse? (t1) No Modelo estadístico
vivienda actual
Si
Simulación de los cambios de
infraestructuras
Estimación de la disonancia
residencial en
localizaciones potenciales
(t2)
Si
Consumo
Simulación de la inmigración
¿Modelo? ¿Modelo?
Modelo de Young-
Modelo de Young- Modelo de Bass
Edwards et al. con Modelo de Bass
Edwards et al. acoplado
endorsements
Comportamiento Adopción de la
conservador innovación
SI
Tesis Doctoral
Resultados y discusión 213
5 Resultados y discusión
Universidad de Burgos
Resultados y discusión 214
Tesis Doctoral
Resultados y discusión 215
y el tercer escenario evalúa el efecto de la inercia que puedan tener los precios de la
vivienda en los barrios del centro de la ciudad.
1 0
DNacionality = 1 Zero VeryHigh (64)
0 Intermediate Zero
2 1 0
2 Zero High VeryHigh
DStudies = (65)
1 VeryLow Zero High
0 Intermediate Low Zero
4 3 2 1 0
4 Zero VeryLow Low Intermediate High
3 VeryLow Zero VeryLow Low Intermediate
DWealth = (66)
Value
2 Low VeryLow Zero VeryLow Low
1 Intermediate Low VeryLow Zero VeryLow
0 High Intermediate Low VeryLow Zero
5.2 Escenario 1
Universidad de Burgos
Resultados y discusión 216
mecanismo que interfiera con el modelo básico de dinámica urbana que hemos
adaptado para esta aplicación y que se ha definido en el capítulo anterior. Por tratarse
de un escenario conservador, se ha considerado la construcción de la infraestructura
del alfoz como viviendas bajas de consumo medio (ver Anexo C).
Tabla 7. Parámetros utilizados para las simulaciones básicas del escenario 1 113.
113
Algunos de los valores de los parámetros, como todos aquellos relacionados con el modelo de
difusión tecnológica, no tienen ningún efecto en el modelo puesto que no se incluye ninguna durante
la simulación. Aun así, hemos decidido incluir todo el conjunto de parámetros para poder compararlos
con simulaciones futuras.
Tesis Doctoral
Resultados y discusión 217
Universidad de Burgos
Resultados y discusión 218
Tesis Doctoral
Resultados y discusión 219
Universidad de Burgos
Resultados y discusión 220
114
Ver en el anexo C el proceso de configuración inicial.
Tesis Doctoral
Resultados y discusión 221
Universidad de Burgos
Resultados y discusión 222
1
%S, eS=0
0,9
%S, eS=0.1
0,8
%S, eS=0.2
0,7 %S, eS=0.3
Proporción
,5
,5
,5
,5
,5
,5
5
5
11
16
21
26
31
36
3,
8,
13
18
23
28
33
38
Período
Tesis Doctoral
Resultados y discusión 223
57000
Consumo eS=0
55000 Consumo eS=.01
Consumo eS=0.2
53000
Consumo eS=0.3
Consumo
11
13
16
18
21
23
26
28
31
33
36
38
3,
8,
Consumo eS=1
Período
y 2 con probabilidad 1 2 para cada uno de los otros factores de influencia. La escala
de importancia de cada factor respecto a los demás se modela con el parámetro ψ .
También toma importancia el valor c que determina la inercia de la población
autoinfluenciada.
Parámetro Valor
selfInfluence 0.3
globalInfluence 0.3
localInfluence 0.4
115
En realidad son dos, el tercero queda determinado por el valor de los otros dos.
Universidad de Burgos
Resultados y discusión 224
diffusion ENDORSEMENT
phi 2.0
c 3.0
Tesis Doctoral
Resultados y discusión 225
1
%S, eS=0
0,9
%S, eS=0.1
0,8
%S, eS=0.2
0,7
%S, eS=0.3
0,6
Proporción
%S, eS=0.4
0,5 %S, eS=0.5
0,4 %S, eS=0.6
0,3 %S, eS=0.7
%S, eS=0.8
0,2
%S, eS=0.9
0,1
%S, eS=1
0
1
,5
,5
,5
,5
,5
,5
5
5
11
16
21
26
31
36
3,
8,
13
18
23
28
33
38
Período
0,8
0,6
Young-Edwards
eS
Endorsements
0,4
0,2
Universidad de Burgos
Resultados y discusión 226
57000
Consumo eS=0
55000 Consumo eS=.01
Consumo eS=0.2
53000
Consumo eS=0.3
Consumo
11
13
16
18
21
23
26
28
31
33
36
38
3,
8,
Consumo eS=1
Período
Tesis Doctoral
Resultados y discusión 227
Los resultados obtenidos son consecuentes con los resultados predichos por el
modelo diferencial de Bass. Se alcanza la forma sigmoidal predicha con mayor o
menor velocidad en función de los parámetros que determinan el perfil (figura 67).
116
El parámetro q corresponde a contactRate*adptionFraction, el factor p corresponde a
advertisingEffectiveness.
Universidad de Burgos
Resultados y discusión 228
14000
12000
Adoptantes Bass Lento
10000
Adoptantes Bass
8000
Intermedio
6000 Adoptantes Bass Rápido
0
1
4
7
10
13
16
19
22
25
28
31
34
37
Período
Tesis Doctoral
Resultados y discusión 229
5,00%
0,00%
1
4
7
10
13
16
19
22
25
28
31
34
37
-5,00%
% Ahorro perfil lento
% Ahorro perfil intermedio
-10,00%
% Ahorro perfil rápido
-15,00% % Ahorro perfil muy rápido
-20,00%
-25,00%
Período
Integrar el modelo de Bass con el resto del modelo general tiene mucho más
interés cuando estudiamos el acoplamiento del proceso de adopción con el proceso
de difusión del comportamiento. Así, cabe pensar que un aumento de la presión para
la concienciación general sobre el estado del recurso, modelado por el parámetro eS ,
tenga efecto en la adopción tecnológica, sin necesidad de perfiles altos de adopción
específica del la innovación.
Universidad de Burgos
Resultados y discusión 230
Tabla 10. Parámetros de definición del perfil de velocidad de adopción del modelo de difusión de la
innovación en el modelo de Bass acoplado. En cada perfil se estudia el efecto del modelo de difusión
del comportamiento y de es.
El primer resultado del análisis del efecto del modelo de Bass acoplado se
muestra en la figura 69. Las simulaciones reflejan un cambio de convexidad en las
curvas de adopción. Las altas proporciones de agentes con comportamiento S en el
modelo tienen una tasa de adopción más alta, generando un doble efecto positivo: un
efecto directo de mayor adopción, pero también un segundo efecto indirecto a través
de la tasa de contagio.
Tesis Doctoral
Resultados y discusión 231
14000
11
13
15
17
19
21
23
25
27
29
31
33
35
37
39
Período
Universidad de Burgos
Resultados y discusión 232
14000
12000
10000
8000
6000
4000
2000
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39
Período
Tesis Doctoral
Resultados y discusión 233
14000
12000
10000
8000
6000
4000
2000
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39
Período
Asimismo, tanto en esta figura como en las siguientes (figura 73 y figura 74)
se aprecia el efecto combinado de los dos modelos de difusión. A la vez que la
adopción tecnológica en este escenario genera un ahorro del 15%, el efecto sobre el
comportamiento de altos valores de eS aumenta el ahorro, no sólo acelerando el
proceso de adopción, sino también reduciendo propiamente los hábitos de consumo.
De esta forma pueden conseguirse, en los casos más favorables (mayores valores de
eS bajo el modelo de difusión del comportamiento de Young-Edwards) ahorros de
hasta un 20% sobre el escenario 1 básico.
Universidad de Burgos
Resultados y discusión 234
Perfil lento
5,00%
10
13
16
19
22
25
28
31
34
37
1
7
-5,00%
% Ahorro YE, eS=0.4
Perfil intermedio
5,00%
9
11
13
15
17
19
21
23
25
27
29
31
33
35
37
39
-5,00%
% Ahorro YE, eS=0.4
-20,00%
% Ahorro END, eS=0.8
-25,00%
Período
Tesis Doctoral
Resultados y discusión 235
presión sobre el recurso, aunque este parámetro influye en el ahorro final alcanzado
igual que con el resto de perfiles.
Un resultado importante que podemos obtener del análisis global de todos los
perfiles de adopción para todos los conjuntos de parámetros simulados (figura 75 y
figura 76), es que en muchos casos, sobre todo cuando no se trata de perfiles de
adopción ya de por sí muy rápidos, y bajo el modelo de Bass acoplado, la velocidad
de adopción de una innovación se puede acelerar incrementando la velocidad del
perfil de adopción específica de la innovación, mediante campañas específicas por
ejemplo del producto del que se trate, o bien mediante campañas más generales de
concienciación que de forma indirecta generan efectos equivalentes.
Universidad de Burgos
Resultados y discusión 236
5.3 Escenario 2
Tesis Doctoral
Resultados y discusión 237
sea este tipo el que pueda causar mayor disonancia en la dinámica urbana. Las
características de la población inmigrante modelada se resumen en la tabla 11:
Parámetro Valor
Familias por trimestre 25
probActSocial 0
probAnalf 0.15
probBachillerato 0.05
probExtranjero 1.0
Riqueza 1.3
Miembros 5
Tabla 12. Parámetros utilizados para las simulaciones básicas del escenario 2.
Universidad de Burgos
Resultados y discusión 238
Tesis Doctoral
Resultados y discusión 239
117
Los intervalos están configurados para maximizar el poder de discriminación de los grupos, no son
intervalos regulares.
Universidad de Burgos
Resultados y discusión 240
Tesis Doctoral
Resultados y discusión 241
En cuanto al consumo por manzana en la ciudad, los datos son un poco más
altos que en el escenario 1, pero simplemente por el pequeño aumento de la
población en la ciudad respecto al caso anterior.
Universidad de Burgos
Resultados y discusión 242
1 0
DNacionality = 1 Zero Intermediate
0 Low Zero
Bajo esta hipótesis, los valores de disonancia media bajan ligeramente (figura
82), y en consecuencia el número de cambios de vivienda y la velocidad de
movimientos dinámicos.
Disonancia Media
0,09
0,08
0,083548
0,07
0,06
0,064538
0,05
Disonancia Media
0,04
0,03
0,02
0,01
0
Escenario 2a Escenario 2b
Tesis Doctoral
Resultados y discusión 243
13000
12000
11000
7000
6000
5000
1
10
13
16
19
22
25
28
31
34
37
Figura 83. Diferencias en el crecimiento del alfoz con mayor y menor
nivel de disonancia por nacionalidad.
Universidad de Burgos
Resultados y discusión 244
1
0,95 %S, eS=0
%S, eS=0.1
0,9
%S, eS=0.2
0,85
Proporción
%S, eS=0.3
0,8 %S, eS=0.4
0,75 %S, eS=0.5
0,7 %S, eS=0.6
%S, eS=0.7
0,65
%S, eS=0.8
0,6
%S, eS=0.9
%S, eS=1
1
,5
,5
,5
,5
,5
,5
5
5
11
16
21
26
31
36
3,
8,
13
18
23
28
33
38
Período
65000
Consumo eS=0
63000
61000 Consumo eS=.01
59000 Consumo eS=0.2
Consumo
10
13
16
19
22
25
28
31
34
37
Consumo eS=0.9
Consumo eS=1
Período
Tesis Doctoral
Resultados y discusión 245
Tabla 13. Parámetros de configuración del modelo de difusión del comportamiento basado en el
mecanismo de endorsement.
Parámetro Valor
selfInfluence 0.3
globalInfluence 0.3
localInfluence 0.4
diffusion ENDORSEMENT
phi 2.0
c 3.0
0,85
%S, eS=0
0,8
%S, eS=0.1
%S, eS=0.2
Proporción
,5
,5
,5
,5
,5
1
11
16
21
26
5
31
36
3,
8,
13
18
23
28
33
38
Período
Universidad de Burgos
Resultados y discusión 246
0,8
0,6
Young-Edwards
eS
Endorsements
0,4
0,2
Se observa que la diferencia de ahorro entre los dos modelos es mucho más
apreciable que en el primer escenario. La razón del efecto es la misma que explicaba
un descenso en la proporción de comportamiento S. Mientras que el comportamiento
en Young-Edwards se puede influenciar globalmente de manera sencilla, el
comportamiento con el mecanismo de endorsement es mucho más complejo. La
población autoinfluenciada muestra resistencia al cambio, además se produce un
efecto de clusterización entre agentes NS, por lo que se producen focos de resistencia
locales importantes y se agrava el problema: simplemente el efecto externo no es
capaz de batir a los otros dos efectos combinados.
Tesis Doctoral
Resultados y discusión 247
65000
63000 Consumo eS=0
61000 Consumo eS=.01
59000 Consumo eS=0.2
57000
Consumo
Consumo eS=0.3
55000 Consumo eS=0.4
53000 Consumo eS=0.5
51000 Consumo eS=0.6
49000 Consumo eS=0.7
47000 Consumo eS=0.8
45000
Consumo eS=0.9
Consumo eS=1
,5
,5
,5
,5
,5
,5
1
11
16
21
26
31
36
5
5
3,
8,
13
18
23
28
33
38
Período
Tabla 14. Parámetros de definición de los diferentes perfiles de adopción de una innovación
tecnológica en el modelo de Bass.
Universidad de Burgos
Resultados y discusión 248
16000
14000
0
1
4
7
10
13
16
19
22
25
28
31
34
37
Período
4,00%
2,00%
0,00%
-2,00%
10
13
16
19
22
25
28
31
34
37
1
-10,00%
-12,00%
-14,00%
Período
Tesis Doctoral
Resultados y discusión 249
14,00%
12,00%
10,00%
8,00%
% Ahorro perfil lento
6,00%
% Ahorro perfil intermedio
4,00%
% Ahorro perfil rápido
2,00%
% Ahorro perfil muy rápido
0,00%
-2,00%
10
13
16
19
22
25
28
31
34
37
1
-4,00%
-6,00%
Período
También hemos analizado el efecto del modelo de Bass acoplado sobre este
escenario, aunque no presentamos los resultados de forma tan pormenorizada como
en el escenario anterior. La tabla 15 muestra los parámetros respecto al escenario
básico:
Tabla 15. Parámetros de definición del perfil de velocidad de adopción del modelo de difusión de la
innovación en el modelo de Bass acoplado. En cada perfil se estudia el efecto del modelo de difusión
del comportamiento y de es.
Universidad de Burgos
Resultados y discusión 250
Tesis Doctoral
Resultados y discusión 251
4,00%
% Ahorro perfil lento
% Ahorro YE-P.Lento, eS=0.0
2,00%
% Ahorro YE-P.Lento, eS=0.4
Universidad de Burgos
Resultados y discusión 252
16000
14000
12000
ProdAd. = 0.000
10000 ProdAd. = 0.010
8000 ProdAd. = 0.025
6000 ProdAd. = 0.050
2000
0
1
10
13
16
19
22
25
28
31
34
37
Período
118
Desde el punto de vista de +∞ en el eje de ordenadas.
119
Ver Anexo C.
Tesis Doctoral
Resultados y discusión 253
35,00%
30,00%
25,00%
20,00% % Ahorro perfil lento
15,00%
% Ahorro perfil intermedio
10,00%
5,00% % Ahorro perfil rápido
0,00%
Sin medida de ahorro
-5,00% 1 4 7 10 13 16 19 22 25 28 31 34 37
-10,00%
-15,00%
Universidad de Burgos
Resultados y discusión 254
5.4 Escenario 3
Tabla 16. Barrios con determinación de precios de la vivienda exógenos al modelo de actualización
del valor de la vivienda de Benenson.
120
Medido en los intervalos de valor de vivienda hasta el máximo de 4.
Tesis Doctoral
Resultados y discusión 255
Tabla 17. Parámetros utilizados para las simulaciones básicas del escenario 3.
Universidad de Burgos
Resultados y discusión 256
Tesis Doctoral
Resultados y discusión 257
-0,03%
% Población total 0,78%
Universidad de Burgos
Resultados y discusión 258
%S, eS=0.3
0,85 %S, eS=0.4
%S, eS=0.5
0,8
%S, eS=0.6
%S, eS=0.7
0,75
%S, eS=0.8
0,7 %S, eS=0.9
%S, eS=1
,5
,5
,5
,5
,5
,5
1
11
16
21
26
31
36
5
5
3,
8,
13
18
23
28
33
38
Período
Tesis Doctoral
Resultados y discusión 259
61000
59000 Consumo eS=0
Consumo eS=0.3
53000 Consumo eS=0.4
51000 Consumo eS=0.5
49000 Consumo eS=0.6
Consumo eS=0.7
47000
Consumo eS=0.8
45000 Consumo eS=0.9
Consumo eS=1
1
,5
,5
,5
,5
,5
,5
5
5
11
16
21
26
31
36
3,
8,
13
18
23
28
33
38
Período
0,9
0,8
%S, eS=0
0,7 %S, eS=0.1
%S, eS=0.2
0,6 %S, eS=0.3
%S, eS=0.4
eS
0,2
0,1
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
Universidad de Burgos
Resultados y discusión 260
61000
59000 Consumo eS=0
Consumo eS=.01
57000
Consumo eS=0.2
55000
Consumo
Consumo eS=0.3
53000 Consumo eS=0.4
51000 Consumo eS=0.5
49000 Consumo eS=0.6
Consumo eS=0.7
47000
Consumo eS=0.8
45000
Consumo eS=0.9
Consumo eS=1
1
11
16
21
26
31
36
5
,5
,5
,5
,5
,5
,5
3,
8,
13
18
23
28
33
38
Período
Estudiamos el efecto del modelo de Bass con los mismos cuatro perfiles de
velocidad de adopción que en los dos escenarios anteriores (ver tabla 14).
Tesis Doctoral
Resultados y discusión 261
5,00%
1 4 7 10 13 16 19 22 25 28 31 34 37
-5,00%
% Ahorro perfil intermedio
-10,00%
-20,00%
% Ahorro perfil muy rápido
-25,00%
20,00%
15,00%
% Ahorro perfil lento
10,00%
5,00% % Ahorro perfil intermedio
0,00%
-5,00% 1 4 7 10 13 16 19 22 25 28 31 34 37 % Ahorro perfil rápido
-10,00%
-15,00% Sin medida de ahorro
-20,00%
Universidad de Burgos
Resultados y discusión 262
Tesis Doctoral
Resultados y discusión 263
Universidad de Burgos
Resultados y discusión 264
Tesis Doctoral
IV CONCLUSIONES
Conclusiones 267
6 Conclusiones
Mediante el trabajo desarrollado en esta tesis doctoral hemos cumplido con el
objetivo central que nos marcamos al iniciar esta investigación: demostrar que la
simulación y el modelado basado en agentes constituyen una aproximación
metodológica robusta y rigurosa para tratar y abordar la complejidad del problema de
la gestión del agua en las áreas metropolitanas emergentes.
Universidad de Burgos
Conclusiones 268
Consideramos los modelos de uso final como una técnica que proporciona
información de mucha utilidad. Sin embargo, presentan dos importantes desventajas:
se trata de estudios que para que sean significativos exigen procedimientos de
medida caros y tediosos, y proporcionan una instantánea estática de los usos finales
de agua. En nuestra opinión este tipo de modelos serían un buen punto de partida
para la inicialización de otros, por ejemplo basados en ABM, que los dotasen de
dinamismo.
Tesis Doctoral
Conclusiones 269
En cualquier caso tampoco pensamos que hoy en día esta tecnología se pueda
considerar completamente como una alternativa a las otras técnicas, sino
simplemente como un complemento. No podemos olvidar que ABM presenta
importantes debilidades, por ejemplo, el punto de equilibrio entre facilidad de
abstracción y facilidad de análisis completo del modelo se desplaza muchísimo hacia
el primer término, por lo que es muy difícil estudiar la robustez de las soluciones
cuando el número de parámetros en el modelo es grande, algo habitual cuando el
sistema es complejo.
Universidad de Burgos
Conclusiones 270
Esta idea no es obvia, puesto que a pesar del avance en ABM, lo cierto es que
un gran número de los modelos que se diseñan no tienen un referente real en el que la
abstracción sea intuitiva. La misma crítica de no realismo que hacía Herbert Simon a
los modelos academicistas y que recoge magistralmente el profesor Scout Moss
exigiendo “relevancia, realismo y rigor” en su lección inaugural como Profesor de
Simulación Social, podría aplicarse hoy en día a muchos de los modelos basados en
agentes.
Tesis Doctoral
Conclusiones 271
Universidad de Burgos
Conclusiones 272
Tesis Doctoral
Conclusiones 273
121
Se desarrolló una experiencia piloto sobre VisualGIS anterior a este trabajo (Galán et al., 2007).
Sin embargo, al carecer esta plataforma de la mayoría de la cartografía que precisábamos nos
cambiamos a ArcGIS.
Universidad de Burgos
Conclusiones 274
Tesis Doctoral
Conclusiones 275
Hemos comprobado que el impacto del parámetro puede ser muy superior si
es cierta la hipótesis de que la actitud de concienciación sobre el recurso influye en la
adopción de medidas de conservación. Bajo esta hipótesis, puede ocurrir que el
efecto general de concienciación repercuta de manera indirecta sobre la adopción de
una medida de ahorro, aunque la presión mediática específica de adopción de esa
medida en concreto, no tenga valores muy altos.
Universidad de Burgos
Conclusiones 276
Tesis Doctoral
Conclusiones 277
Comenzaré esta sección con una cita que se puede considerar como la última
de las conclusiones de esta tesis, dice Cheng que “Modelar situaciones del mundo
real siempre conduce a insatisfacción, porque cada vez que un modelo ha sido
mejorado, nos damos cuenta de un mayor nivel de complejidad en la realidad que
nuestros modelos todavía no son capaces de tratar” 122. Esta afirmación encierra la
esencia del inconformismo que caracteriza la investigación, pero también resume el
inmenso campo de extensiones, continuidad y trabajo futuro que se abre tras este
trabajo, potencialmente infinito. Aún así, intentaremos concretar algunas líneas de
trabajo futuro, desde las que implican un menor impacto sobre el trabajo realizado
hasta las que suponen un esfuerzo mayor.
Aparte de profundizar en el estudio del modelo tal y como está, una extensión
es mejorar las fuentes de información que nos han servido para parametrizar el
modelo, incluyendo la introducción de cartografía digital del alfoz o la actualización
y el enriquecimiento de las bases de datos socio-económicas. Una aproximación que
nos hemos visto obligados a utilizar en este trabajo, pero que nos gustaría evitar en
posibles actualizaciones, es el uso de un modelo híbrido. Hemos integrado un
modelo basado en agentes pero con una caracterización de los agentes respecto al
comportamiento basada en propiedades estadísticas. En futuros modelos trataremos
de incorporar información de modelos de uso final que puedan ser extrapolables a la
región de estudio, caracterización basada en encuestas o modelos cognitivos de
comportamiento frente al consumo de recurso y así poder sustituir el modelado
híbrido por un modelo basado en agentes puro.
122
Traducción propia de “Modeling real world situations always leads to dissatisfaction, because
each time a model has been improved, we become aware of a higher level of complexity in reality
which our models cannot yet handle”.
Universidad de Burgos
Conclusiones 278
Tesis Doctoral
V ANEXOS
Anexo A: Fundamentos de simulación 283
A Fundamentos de simulación
Universidad de Burgos
Anexo A: Fundamentos de simulación 284
ocurrir que el sistema ni siquiera exista todavía, o que incluso existiendo resulte
impracticable experimentar con él, bien sea por limitaciones económicas, éticas,
técnicas o simplemente que no se pueda controlar los parámetros del experimento.
En esos casos el estudio del sistema se realiza mediante un modelo del sistema al que
sustituye.
Una clasificación de los modelos desde una óptica aún más general que la
división de los diferentes sistemas simbólicos de representación, y mucho más
extendida fuera de las ciencias sociales, divide los tipos de modelos en modelos
físicos, mentales y simbólicos (Ríos et al., 1997):
Tesis Doctoral
Anexo A: Fundamentos de simulación 285
2005). Sin embargo no va a ser este tipo de modelado del que tratemos en la
presente tesis.
123
En este nivel es donde situamos la división en los diferentes tipos de representaciones simbólicas
de los modelos de los sistemas sociales.
124
Entre los que se encuentra el modelado computacional.
Universidad de Burgos
Anexo A: Fundamentos de simulación 286
La simulación se utiliza hoy en día para multitud de objetivos que van desde
su utilización como método para desarrollar teoría, el objetivo de entender un
proceso, predicción, sustitución de capacidades humanas, entrenamiento,
entretenimiento hasta su utilización como herramienta de descubrimiento y
formalización de teorías (Gilbert y Troitzsch, 1999; Edmonds, 2001).
El proceso de simulación tiene sentido tanto dentro del modelado físico como
del modelado matemático. Sin embargo, de las diferentes categorías de modelos
referidos, nos centraremos en la jerarquía y clasificación de los modelos de
simulación matemáticos o abstractos.
125
En algunas ocasiones puede ser posible encontrarla pero su elevado coste computacional puede
desaconsejar su búsqueda.
126
Sin embargo conviene aclarar que una simulación es equivalente a un teorema de suficiencia. Si un
conjunto de parámetros y variables de estado iniciales de un modelo, llamémoslas P, producen un
resultado R al ejecutar un determinado modelo de simulación, se pude establecer formalmente que
bajo las hipótesis mencionadas si P entonces R.
Tesis Doctoral
Anexo A: Fundamentos de simulación 287
Universidad de Burgos
Anexo A: Fundamentos de simulación 288
MODELO DE SIMULACIÓN
Físico Abstracto
Síncrono
Continuo Discreto
Asíncrono
Estocástico Determinista
Estático Dinámico
Las ventajas y desventajas que tienen los usos generales de los modelos de
simulación se pueden resumir en los siguientes aspectos (Banks, 1999; Chung,
2004):
Ventajas:
Tesis Doctoral
Anexo A: Fundamentos de simulación 289
9. Se puede responder a preguntas del tipo “¿qué pasa si”? Esta característica es
especialmente útil en el diseño de nuevos sistemas o políticas.
Desventajas:
Universidad de Burgos
Anexo A: Fundamentos de simulación 290
127
En el caso de modelos estocásticos siempre.
Tesis Doctoral
Anexo A: Fundamentos de simulación 291
128
Esta fase en la mayoría de los libros específicos de simulación se conoce como traducción del
modelo (model translation) y no implementación. Más adelante se justificará la no utilización del
término.
129
Algunos autores (Moss et al., 1997) discuten la inversión de los términos validación y verificación
argumentando razones etimológicas. Nosotros por evitar confusión adoptaremos la acepción más
ampliamente aceptada en la comunidad científica.
Universidad de Burgos
Anexo A: Fundamentos de simulación 292
10. ¿Más ejecuciones? Dependiendo del análisis de las ejecuciones que se hayan
llevado a cabo, el analista puede precisar de ejecuciones adicionales si se
necesitan para completar o realizar nuevos experimentos que puedan ser de
interés.
11. Informes y documentación. Uno de los pasos claves para la reutilización del
modelo es su nivel de documentación. En un proyecto de simulación es
necesaria dos tipos de documentación, la documentación del programa y del
progreso y modificaciones del proyecto (Musselman, 1994). Ambos son
necesarios para entender como funciona el programa, cual es su confianza, las
posibilidades de reutilización, modificación…
Tesis Doctoral
Anexo A: Fundamentos de simulación 293
Universidad de Burgos
Anexo A: Fundamentos de simulación 294
Tesis Doctoral
Anexo B: Herramientas y plataformas de modelado en ABM 297
B.1 Introducción
Dentro del amplio mundo de los lenguajes de agentes una primera, pero
importante, clasificación para situarse correctamente podría ser dividirlos entre
aquellos con el fin de comunicar sistemas distribuidos entre sí 130 y los que tienen
como objetivo desarrollar modelos basados en agentes en los que situamos nuestro
análisis. Más concretamente, nos centraremos en aquellas librerías especialmente
diseñadas con el objetivo de incluir una componente social en los modelos.
130
Ver una revisión clásica de metodologías de agentes desde una perspectiva no centrada en el
modelado y simulación de sistemas en (Iglesias et al., 1999).
Universidad de Burgos
Anexo B: Herramientas y plataformas de modelado en ABM 298
propósito general, el modelador tiene una libertad casi absoluta para implementar
todo aquello que imagine sin restricciones de ningún tipo. Sin embargo, el problema
de esta aproximación estriba en que, aunque es posible añadir librerías específicas
que conozcamos, en general es necesario reimplementar algoritmos básicos, librerías
gráficas, librerías estadísticas, etc., cada vez que se desarrolle un modelo. En un
tercer nivel de mayor sofisticación, existen en la actualidad paquetes que recogen
aquellas librerías generalmente requeridas por los modeladores y las ofrecen de
manera conjunta para facilitar el desarrollo. Por último nosotros añadimos a los
niveles de completitud propuestos por Gilbert y Terna (2000), un cuarto nivel de
software, los modelos desarrollados a partir de plataformas muy específicas, a veces
conocidos como los just pour water models. En este tipo de plataformas, a veces en
realidad metamodelos, el modelador está completamente restringido al dominio para
el que fue diseñado el modelo, aunque resulta relativamente sencillo parametrizar la
plataforma para generar modelos en ese domino, por ejemplo FEARLUS (Gotts et al.,
2003b).
Tesis Doctoral
Anexo B: Herramientas y plataformas de modelado en ABM 299
SDML, Cormas o Desire 131. Estas plataformas poseen muchísima más expresividad y
funcionalidades que las anteriores, pero a pesar de que no es necesario aprender
lenguajes de programación para utilizarlos, requieren el aprendizaje específico de sus
interfaces que a veces resultan tan complicados como pueda ser aprender un lenguaje
de propósito general (¡o más!).
B.2 Swarm
131
Aunque la aplicación fundamental de Desire no se ha orientado específicamente hacia el modelado
y la simulación http://www.cs.vu.nl/vakgroepen/ai/projects/desire/.
132
http://www.swarm.org/wiki/Main_Page
133
Colaboradores: Chris Langton, Roger Burkhart, Nelson Minar, Manor Askenazi, Glen Ropella,
Sven Thommesen, Marcus Daniels, Alex Lancaster y Vladimir Jojic.
Universidad de Burgos
Anexo B: Herramientas y plataformas de modelado en ABM 300
Tesis Doctoral
Anexo B: Herramientas y plataformas de modelado en ABM 301
B.3 RePast
134
http://repast.sourceforge.net/
135
Después de haber sido mantenido por la Universidad de Chicago y el Argonne National
Laboratory. Repast está gestionado en la actualidad por Repast Organization for Architecture and
Development (ROAD).
Universidad de Burgos
Anexo B: Herramientas y plataformas de modelado en ABM 302
Tesis Doctoral
Anexo B: Herramientas y plataformas de modelado en ABM 303
Universidad de Burgos
Anexo B: Herramientas y plataformas de modelado en ABM 304
Tesis Doctoral
Anexo B: Herramientas y plataformas de modelado en ABM 305
137
Esta división no se corresponde a las etapas propuestas para el desarrollo de un modelo sino al
proceso conceptual de ejecución que tiene lugar en una simulación. Las etapas de desarrollo podría
subdividirse en la creación o carga de los módulos a utilizar, la definición del espacio de trabajo, la
construcción de los agentes u objetos, la definición de los niveles de tiempo, el establecimiento de los
datos iniciales y la ejecución de las simulaciones (Posada y López-Paredes, 2003).
138
Pueden definirse tantos niveles de tiempo como se desee.
Universidad de Burgos
Anexo B: Herramientas y plataformas de modelado en ABM 306
implicación de este tipo se conoce como regla. Cada una de estas reglas está
asociada a un determinado nivel de tiempo.
Figura 117. Todos los agentes y el entorno en SDML están definidos por
una base de datos que define los hechos ciertos para cada uno y por una
base de reglas que determina su comportamiento.
Tesis Doctoral
Anexo B: Herramientas y plataformas de modelado en ABM 307
4. Una vez que el motor de inferencia no encuentra más reglas con antecedentes
ciertos la simulación pasa al siguiente nivel de tiempo.
Tabla 18. Principales diferencias entre RePast y SDML como paradigmas de programación
procedimental (o procedural ) y declarativa. Fuente: Galán et al. (2003b).
RePast SDML
Información General
REcursive Porous Agent Strictly Declarative
Nombre Completo
Simulation Toolkit Modelling Language
The University of Chicago's Centre for Policy Modelling
Desarrollado por Social Science Research – Manchester Metropolitan
Computing University
Web http://repast.sourceforge.net/ http://sdml.cfpm.org/
Lenguaje original Java Smalltalk
Paradigma de modelado Imperativo Declarativo
Características de POO Sí Sí
Extensibilidad Características de POO Herencia de módulos
Tiempo relativo de
Bajo Alto
ejecución
Lógica No FOSGAL (KD-45)
Prestaciones Tecnológicas
Técnicas de gestión de la Simulador lógico basado en
Simulador basado en eventos
programación eventos
Prestaciones de Dominio
Los agentes pueden ser lanzados Los agentes pueden ser
Lanzamiento de agentes
como objetos e hilos lanzados como objetos
Gestión de errores
No disponible No disponible
intencionados
Integración con entornos
controlados y no No disponible No disponible
controlados
Universidad de Burgos
Anexo B: Herramientas y plataformas de modelado en ABM 308
Prestaciones de Desarrollo
Desarrollo de Especialmente orientado para
Arquitectura plana
arquitecturas de agentes agentes lógicos
Métodos de gestión de la
Modo síncrono Modo síncrono y asíncrono
comunicación
No trabaja con roles. Utiliza
Abstracciones
No trabaja ni con roles ni grupos grupos a través de la
organizativas
estructura de container.
Gestión de sociedades
Disponible Disponible
múltiples
Gestión de estructuras Fácilmente mediante paquetes
No muy desarrollada
espaciales y redes espaciales y de redes
Prestaciones para el Análisis y la Exploración
Observar/intervenir en
Acesso a las bases de datos y
eventos de No disponible formalmente
seguimiento de las reglas
comportamiento
Acesso a todas las bases de
Observar/intervenir en
Sondas (probes) los objetos reglas y datos durante la
eventos cognitivos
simulación
Gestión del Análisis de Paquetes específicos como
Herramientas pobres
Datos Analysis o GUI
Detección automática de
Capacidades de
No disponible conflictos, Debbuger y
depuración
Querying
B.5.1 Ascape
139
http://www.brook.edu/es/dynamics/models/ascape/default.htm
140
Nombre inspirado en el famoso Sugarscape (Epstein y Axtell, 1996).
Tesis Doctoral
Anexo B: Herramientas y plataformas de modelado en ABM 309
Ascape está escrito en Java para aprovechar las ventajas de este lenguaje de
programación, y por tanto sus modelos son expresados mediante clases de Java.
B.5.2 Mason
141
http://cs.gmu.edu/~eclab/projects/mason/
Universidad de Burgos
Anexo B: Herramientas y plataformas de modelado en ABM 310
Modelo de simulación
B.5.3 AgentSheets
142
http://AgentSheets.com/
Tesis Doctoral
Anexo B: Herramientas y plataformas de modelado en ABM 311
• Las Tortugas. Los átomos básicos de StarLogo son unas criaturas gráficas
conocidas como “tortugas”. Se puede usar una tortuga para representar
cualquier tipo de agente: una hormiga en una colonia, un coche en un
atasco de tráfico, etc. Se pueden añadir rasgos y propiedades más
especializadas. En StarLogo (a diferencia de las versiones tradicionales de
143
http://education.mit.edu/starlogo/
Universidad de Burgos
Anexo B: Herramientas y plataformas de modelado en ABM 312
144
StarLogo se trata en realidad de una ampliación del popular lenguaje de iniciación a la informática
Logo pero en el que se permite interactuar con varias tortugas simultáneamente.
145
http://ccl.northwestern.edu/netlogo/
Tesis Doctoral
Anexo B: Herramientas y plataformas de modelado en ABM 313
B.5.5 Cormas
146
http://Cormas.cirad.fr/en/outil/present.htm
Universidad de Burgos
Anexo B: Herramientas y plataformas de modelado en ABM 314
VisualWorks, que a su vez está basado en SmallTalk, al igual que SDML. Se trata de
un conjunto de clases que representan entidades sociales genéricas para codificar los
comportamientos más habituales de los actores que suelen explotar los recursos
naturales y también un conjunto genérico de entidades espaciales para representar el
entorno.
B.5.6 MAS-SOC
B.5.7 PS-I
Tesis Doctoral
Anexo B: Herramientas y plataformas de modelado en ABM 315
B.5.8 SeSam
SeSAm 147 (Shell for Simulated Agent Systems) es otro intento de facilitar el
modelado y la experimentación de sistemas ABM (Klügl et al., 2003). Está escrito en
Java y es código abierto. SeSAm proporciona un editor de comportamientos basado
en máquinas de estado finito, similar a los diagramas de estado de UML por lo que
aporta un mecanismo riguroso y extendido de modelado. Sin embargo, y a pesar de
que en sus requisitos de diseño se considera que está destinado a usuarios con
conocimientos limitados de informática, resulta relativamente complejo puesto que
hay que conocer un conjunto amplio de primitivas del entorno.
B.5.9 Quicksilver
B.5.10 VSEit
147
http://www.simsesam.de
148
http://quicksilver.tigris.org/
149
http://www.vseit.de/
Universidad de Burgos
Anexo B: Herramientas y plataformas de modelado en ABM 316
B.5.11 MAML
B.5.12 Sim2Web
150
http://www.maml.hu/
Tesis Doctoral
Anexo B: Herramientas y plataformas de modelado en ABM 317
B.5.13 SimBioSys
B.5.14 LSD
• Datos iniciales
LSD está escrito en C++ con licencia GNU General Public License.
151
http://www.kumo.com/~david/SimBioSys/
152
http://www.business.aau.dk/~mv/Lsd/lsd.html
153
http://www.uni-koblenz.de/~moeh/projekte/mimose.html
Universidad de Burgos
Anexo B: Herramientas y plataformas de modelado en ABM 318
B.5.16 ACT-R
B.5.17 Ingenias
154
http://grasia.fdi.ucm.es/
Tesis Doctoral
Anexo B: Herramientas y plataformas de modelado en ABM 319
las simulaciones que se pueden llevar a cabo. Uno de los objetivos de Ingenias es
proporcionar un entorno que permita el modelado, implementación y despliegue de
sistemas ABSS en un entorno de computación en grid (figura 122) a través de la
metodología Ingenias (Sansores y Pavón, 2005b).
155
http://grasia.fdi.ucm.es/ingenias/Spain/index.php
Universidad de Burgos
Anexo B: Herramientas y plataformas de modelado en ABM 320
Tesis Doctoral
Anexo C: Fuentes de información y tratamiento de datos 323
Grupos de Edad
Población sexo
Nacionalidad
Nivel de estudios
• Shapefile de las subparcelas de la ciudad de
Valladolid en 2006 con información sobre la altura y
tipología de cada una de las subparcelas. Cartografía
digital de Valladolid. 2006. Centro de Información
Geográfica. Ayuntamiento de Valladolid.
Universidad de Burgos
Anexo C: Fuentes de información y tratamiento de datos 324
156
http://www.sitcyl.jcyl.es/sitcyl/home.sit
157
Se pueden consultar los mapas en PDF del PGOU de Ayuntamiento, pero la cartografía digital no
es pública.
Tesis Doctoral
Anexo C: Fuentes de información y tratamiento de datos 325
158
Aquí la altura se considera por el número de niveles de la subparcela, y no por su altura en metros.
Universidad de Burgos
Anexo C: Fuentes de información y tratamiento de datos 326
Leyenda
Altura Manzanas
AlturaParcialYArea.ALTUR_PARC
0,000000000
1,00000000
2,00000000
3,00000000
4,00000000
5,00000000
6,00000000
7,00000000
8,00000000
9,00000000
10,0000000
11,0000000
12,0000000
13,0000000
14,0000000
16,0000000
17,0000000
18,0000000
1.170 585 0
µ 1.170 Metros
Una vez conocidos los datos de altura, ya poseemos más información sobre
las tipologías de cada vivienda, no obstante no hemos resuelto el problema completo
todavía. Las manzanas con alturas medias ponderadas de tres o más alturas las
asimilaremos a tipología de vivienda piso. Sin embargo, no todas las viviendas de
dos o menos alturas pueden ser asimiladas a ciudad jardín y dentro de ellas podría
haber diferentes categorías. Existen barrios con viviendas bajas sin jardín, diferentes
tipos de adosados, unifamiliares, etc.
Tesis Doctoral
Anexo C: Fuentes de información y tratamiento de datos 327
159
A continuación, en este mismo anexo explicaremos cómo hemos hallado los consumos por
manzana a partir de las acometidas.
Universidad de Burgos
Anexo C: Fuentes de información y tratamiento de datos 328
Tesis Doctoral
Anexo C: Fuentes de información y tratamiento de datos 329
Universidad de Burgos
Anexo C: Fuentes de información y tratamiento de datos 330
Tesis Doctoral
Anexo C: Fuentes de información y tratamiento de datos 331
Lambda de Wilks
F exacta
Paso Introducidas Estadístico gl1 gl2 gl3 Estadístico gl1 gl2 Sig.
1 CONSPER ,023 1 3 39,000 555,732 3 39,000 ,000
2 ESPAÑ ,015 2 3 39,000 91,886 6 76,000 ,000
En cada paso se introduce la variable que minimiza la lambda de Wilks global.
a. El número máximo de pasos es 10.
b. La F parcial mínima para entrar es 3.84.
c. La F parcial máxima para eliminar es 2.71
d. El nivel de F, la tolerancia o el VIN son insuficientes para continuar los cálculos.
F para Lambda
Paso Tolerancia eliminar de Wilks
1 CONSPER 1,000 555,732
2 CONSPER ,574 577,472 ,684
ESPAÑ ,574 7,060 ,023
Universidad de Burgos
Anexo C: Fuentes de información y tratamiento de datos 332
Número de F exacta
Paso variables Lambda gl1 gl2 gl3 Estadístico gl1 gl2 Sig.
1 1 ,023 1 3 39 555,732 3 39,000 ,000
2 2 ,015 2 3 39 91,886 6 76,000 ,000
Correlación
Función Autovalor % de varianza % acumulado canónica
1 a
65,389 100,0 100,0 ,992
2 ,026 a ,0 100,0 ,160
a. Se han empleado las 2 primeras funciones discriminantes
canónicas en el análisis.
Tesis Doctoral
Anexo C: Fuentes de información y tratamiento de datos 333
Universidad de Burgos
Anexo C: Fuentes de información y tratamiento de datos 334
Tesis Doctoral
Anexo C: Fuentes de información y tratamiento de datos 335
Leyenda
TIPO
0
1
2
3
4
4
Metros
0 1.175 2.350 4.700
Universidad de Burgos
Anexo C: Fuentes de información y tratamiento de datos 336
Tesis Doctoral
Anexo C: Fuentes de información y tratamiento de datos 337
distancia del punto (la acometida) a la superficie (la manzana) igual a cero, son
automáticamente asignadas a la manzana. Aquellas acometidas no incluidas en el
área de la manzana (la mayoría por otra parte), son asignadas a la manzana de menor
distancia, entendiendo distancia como la longitud entre el punto de asignación y el
punto más cercano de la superficie a asignar (figura 128).
Universidad de Burgos
Anexo C: Fuentes de información y tratamiento de datos 338
160
Consumo anual por persona y año (2005).
161
Hemos desestimado utilizar datos diferentes a los de 2005 porque muchos datos de las series
temporales para otros años no están completos.
Tesis Doctoral
Anexo C: Fuentes de información y tratamiento de datos 339
Suma de Media
Modelo cuadrados gl cuadrática F Sig.
1 Regresión 54731402 9 6081266,9 620,774 ,000 a
Residual 10579966 1080 9796,265
Total 65311368 1089
a. Variables predictoras: (Constante), ANALF, ESPAÑ, EDADMEDIA, BajaAlta,
DENSIDAD, BajaMedia, BajaMuyAlta, BajaBaja, BACHILL
b. Variable dependiente: CONS2005
Coeficientes
Coeficientes no estandarizad Estadísticos de
estandarizados os Correlaciones colinealidad
Modelo B Error típ. Beta t Sig. Orden cero Parcial Semiparcial Tolerancia FIV
1 (Constante) 91,391 59,615 1,533 ,126
BajaBaja -18,727 7,599 -,033 -2,464 ,014 -,081 -,075 -,030 ,835 1,197
BajaMedia 12,656 11,138 ,014 1,136 ,256 -,001 ,035 ,014 ,947 1,056
BajaAlta 178,117 17,275 ,128 10,310 ,000 ,123 ,299 ,126 ,969 1,032
BajaMuyAlta 4221,220 58,891 ,903 71,678 ,000 ,905 ,909 ,878 ,944 1,059
EDADMEDIA ,358 ,483 ,009 ,741 ,459 -,104 ,023 ,009 ,968 1,033
DENSIDAD -2,324 2,018 -,014 -1,152 ,250 -,045 -,035 -,014 ,969 1,032
ESPAÑ -,545 ,589 -,012 -,927 ,354 -,181 -,028 -,011 ,919 1,088
BACHILL ,090 ,151 ,008 ,597 ,550 ,045 ,018 ,007 ,819 1,222
ANALF -,094 1,412 -,001 -,067 ,947 -,035 -,002 -,001 ,871 1,148
a. Variable dependiente: CONS2005
Universidad de Burgos
Anexo C: Fuentes de información y tratamiento de datos 340
perfil de consumo medio (el término independiente en la regresión), nos indica que
estos dos grupos no son significativamente diferentes en términos estadísticos frente
al consumo de agua por persona.
Tesis Doctoral
Anexo C: Fuentes de información y tratamiento de datos 341
Tabla 40. Resumen de los modelos. Los modelos 1, 2 y 3 hacen referencia a los tres modelos que se
forman mediante el método de selección por pasos antes de llegar a un punto de estabilidad. El
modelo 1 tiene las variables independientes de la nota a), el modelo 2 las de la nota b) y el modelo 3,
el modelo finalmente seleccionado, las de la nota c).
R cuadrado Error típ. de la
Modelo R R cuadrado corregida estimación
1 ,905 a ,819 ,818 104,36913
2 b
,914 ,836 ,836 99,32153
3 ,915 c ,837 ,837 98,88873
a. Variables predictoras: (Constante), BajaMuyAlta
b. Variables predictoras: (Constante), BajaMuyAlta, BajaAlta
c. Variables predictoras: (Constante), BajaMuyAlta, BajaAlta,
BajaBaja
d. Variable dependiente: CONS2005
Universidad de Burgos
Anexo C: Fuentes de información y tratamiento de datos 342
Tabla 43. Descriptivos principales de los datos analizados sin el modelo de regresión.
N Mínimo Máximo Media Desv. típ.
CONS2005 1090 1,06 4910,33 69,5016 244,89530
N válido (según lista) 1090
Tabla 44. Tabla resumen con los datos de consumos medios y desviaciones típicas por tipología de
vivienda y total en diferentes unidades.
Consumo Desviación
Consumo medio Desviación típica medio típica
3 3
(litros ) (litros ) (m ) (m )
hab ⋅ día hab ⋅ día hab ⋅ año hab ⋅ año
Viviendas bajas de muy alto consumo 115821,57 156,72 4227,49 57,20
Viviendas bajas de alto consumo (ciudad jardín) 642,51 46,81 234,52 17,09
Pisos/viviendas bajas de medio consumo 158,37 9,69 57,81 3,54
Viviendas bajas de bajo consumo 96,30 19,12 35,15 6,98
Media 190,69 670,95 69,60 244,90
Tesis Doctoral
Anexo C: Fuentes de información y tratamiento de datos 343
Universidad de Burgos
Anexo C: Fuentes de información y tratamiento de datos 344
Tabla 47. Tabla con el componente estacional de las casas bajas de perfil de consumo bajo. Datos
tanto para el modelo aditivo como el multiplicativo.
Tesis Doctoral
Anexo C: Fuentes de información y tratamiento de datos 345
Tabla 48. Tabla con el componente estacional de pisos y viviendas bajas de consumo medio. Datos
tanto para el modelo aditivo como el multiplicativo.
Tabla 49. Tabla con el componente estacional de viviendas bajas de consumo alto. Datos tanto para el
modelo aditivo como el multiplicativo.
Tabla 50. Tabla con el componente estacional de viviendas bajas de consumo muy alto. Datos tanto
para el modelo aditivo como el multiplicativo.
Universidad de Burgos
Anexo C: Fuentes de información y tratamiento de datos 346
menor de un determinado umbral máximo para que se les pueda considerar vecinos
(en nuestro caso hemos considerado esa distancia de 300 metros entre centroides).
Este proceso algoritmico se ha implementado en Mathematica™.
[data2D]= {{PosX1,PosY1},…{PosXn,PosYn}};
(delval=DelaunayTriangulation[data2D])
PlanarGraphPlot[data2D,DefaultFont{"Courier",8.}]
DiagramPlot[data2D]
Tesis Doctoral
Anexo C: Fuentes de información y tratamiento de datos 347
myList=delval[[1]]
ref=myList[[1]]
sublista=myList[[2]]
distThreshold=400
Select[sublista,(Norm[data2D[[ref]]-
data2D[[#]]]<distThreshold)&]
SeleccionaVecinos[x_]:=Module[{sublista = x[[2]]},
Select[sublista,(Norm[data2D[[x[[1]]]]-
data2D[[#]]]<distThreshold)&]
];
SeleccionaVecinos[myList]
Map[SeleccionaVecinos,delval]
µi − ( µ − 3σ ) (67)
ρi ( S ) 0 =
6σ
Universidad de Burgos
Anexo C: Fuentes de información y tratamiento de datos 348
Tesis Doctoral
Anexo C: Fuentes de información y tratamiento de datos 349
Tabla 52. Número de familias según el número de miembros que las componen
Nº Miembros 1 2 3 4 5 6 7 8 9 10-15
Probabilidad (%) 18.36 24.66 23.38 23.59 7.18 1.91 0.54 0.20 0.09 0.09
Universidad de Burgos
Anexo C: Fuentes de información y tratamiento de datos 350
Tesis Doctoral
Referencias 351
REFERENCIAS
Abu-Mostafa, Y. S., LeBaron, B., Lo, A. W. & Weigend, A. S. (1999). Computational Finance -
Proceedings of the Sixth International Conference. Cambridge, MA: MIT Press.
ADB (1999). Handbook for the Economic Analysis of Water Supply Projects. Manila: Asian
Development Bank. http://www.adb.org/Documents/Handbooks/Water_Supply_Projects.
Agthe, D. E. & Billings, R. B. (1997). Equity and conservation pricing policy for a government-run
water utility. Journal of Water Supply Research and Technology 46(5): 252-260.
Agthe, D. E. & Billings, R. B. (1987). Equity, price elasticity, and household income under
increasing block rates for water. American Journal of Economics and Sociology 46(3): 273-
286.
Aguilera, A. & Ugalde, E. (2006). A Spatially Extended Model for Residential Segregation.
http://lanl.arxiv.org/PS_cache/nlin/pdf/0607/0607026.pdf.
Aguilera, F., Arrojo, P., Barreira, A., Carles, J., Lacalle, A., Llamas, M. R., Martínez, F. J., del
Moral, L., Pérez, M. T. & Pérez, A. (2004b). El agua en España. Propuestas de futuro.
Guadarrama, Madrid: Ediciones del oriente y del mediterráneo.
Albayrak, S. & Garijo, F. J. (1998). Intelligent Agents for Telecommunication Applications, Lecture
Notes in Artificial Intelligence 1437. Berlin: Springer-Verlag.
Anderson, J. R., Bothell, D., Byrne, M. D., Douglass, S., Lebiere, C. & Qin, Y. (2004). An
integrated theory of the mind. Psychological Review 111(4): 1036-1060.
Arauzo, J. A., Benito, J. J. & del Olmo, R. (2003). El Control de Planta: Una Solución Basada en
Agentes. En Benito, J. J. & Redondo, A. (Eds), Actas del Congreso de Ingeniería de
Organización 2003: V.S. Merino.
Arauzo, J. A., Benito, J. J., del Olmo, R. & Sanz, P. (2004a). Situación actual y expectativas de los
sistemas de fabricación basados en agentes. Actas del VIII Congreso de Ingeniería de
Organización: 1043-1052. Leganés: ADINGOR.
Arauzo, J. A., Benito, J. J., del Olmo, R. & Sanz, P. (2006). Diseño de subastas para la
programación job shop. X Congreso de Ingeniería de Organización. Valencia: ADINGOR.
Arauzo, J. A., Benito, J. J., Sanz, P. & del Olmo, R. (2005). Propuesta de un sistema de
programación y control distribuido para sistemas de fabricación tipo Job Shop. En de la
Fuente, D. (Eds), IX Congreso de Ingeniería de Organización: 174-175. Oviedo: ADINGOR.
Universidad de Burgos
Referencias 352
Arauzo, J. A., De Benito, J. J. & del Olmo, R. (2004b). Diseño e implantación de un sistema
multiagente para el control de sistemas de fabricación tipo job shop. V Workshop en Agentes
Físicos. Girona
Arauzo, J. A., De Benito, J. J., del Olmo, R. & Sanz, P. (2004c). A multiagent system for job shop
manufacturing control. Image Processing, Biomedicine, Multimedia, Financial Engineering
and Manufacturing - Proceedings of the Sixth Biannual World Automation Congress: 485-
490
Arauzo, J. A., De Benito, J. J., Sanz, P. & del Olmo, R. (2004d). Modelling shop floor control as
multi agent system. Decision and Simulation in Engineering and Management Science -
International Conference on Modelling and Simulation, ICMS'04: 19-20
Arrojo, P. (2003). El Plan Hidrológico Nacional: una cita frustrada con la historia. Barcelona: RBA
Libros.
Arthur, W. B. (1991). Designing Economic Agents that Act Like Human Agents: A Behavioral
Approach to Bounded Rationality. American Economic Review 81(2): 353-359.
Arthur, W. B., Durlauf, S. & Lane, D. (1997a). The Economy as an Evolving Complex System II.
Reading, MA.: Addison-Wesley Longman.
Arthur, W. B., Holland, J. H., LeBaron, B., Palmer, R. & Tayler, P. (1997b). Asset Pricing under
Endogenous Expectations in an Artificial Stock Market. En Arthur, W. B., Durlauf, S. &
Lane, D. (Eds), The Economy as an Evolving Complex System II: 15-44. Reading, MA:
Addison-Wesley Longman.
Athanasiadis, I. N., Mentes, A. K., Mitkas, P. A. & Mylopoulos, Y. A. (2005). A hybrid agent-
based model for estimating residential water demand. Simulation 81(3): 175-187.
Athanasiadis, I. N. & Mitkas, P. A. (2005). Social influence and water conservation: An agent-based
approach. Computing in Science and Engineering 7(1): 65-70.
Athanasiadis, I. N., Vartalas, P. & Mitkas, P. A. (2004). DAWN: A Platform for Evaluating Water-
Pricing Policies Using a Software Agent Society. En IEMSs, 2 edn: 643-648. Editado por
Pahl-Wostl, C., Schmidt, A., Rizzoli, A. & Jakeman, A. Manno, Switzerland
Axelrod, R. M. (2005a). Advancing the Art of Simulation in the Social Sciences. En Rennard, J. P.
(Eds), Handbook of Research on Nature Inspired Computing for Economy and Management.
Hersey, PA: Idea Group.
Axelrod, R. M. (1997c). The Dissemination of Culture: A Model with Local Convergence and Global
Polarization. Journal of Conflict Resolution 41(2): 203-226.
Axelrod, R. M. (1997b). Advancing the Art of Simulation in the Social Sciences. En Conte, R.,
Hegselmann, R. & Terna, P. (Eds), Simulating Social Phenomena, Lecture Notes in
Economics and Mathematical Systems 456: 21-40. Berlin: Springer-Verlag.
Tesis Doctoral
Referencias 353
Axelrod, R. M. & Tesfatsion, L. (2005). A Guide for Newcomers to Agent-Based Modeling in the
Social Sciences. En Judd, K. L. & Tesfatsion, L. (Eds), Handbook of Computational
Economics, Vol. 2: Agent-Based Computational Economics. Amsterdam, The Netherlands:
North-Holland.
Axtell, R. L. (2000). Why Agents? On the Varied Motivations for Agent Computing in the Social
Sciences. En Macal, C. M. & Sallach, D. (Eds), Proceedings of the Workshop on Agent
Simulation: Applications, Models, and Tools: 3-24. Argonne, IL: Argonne National
Laboratory.
Axtell, R. L. (1999). The Emergence of Firms in a Population of Agents: Local Increasing Returns,
Unstable Nash Equilibria, and Power Law Size Distributions. CSED Working Paper Nº 3.
http://www.brookings.edu/es/dynamics/papers/firms/firmspage.htm.
Axtell, R. L., Axelrod, R. M., Epstein, J. M. & Cohen, M. D. (1996). Aligning Simulation Models:
A Case Study and Results. Computational and Mathematical Organization Theory 1(2): 123-
141.
Aydinalp, M., Ugursal, V. I. & Fung, A. S. (2004). Modeling of the space and domestic hot-water
heating energy-consumption in the residential sector using neural networks. Applied Energy
79(2): 159-178.
Bagehot, W. (1872). Physics and politics, or, Thoughts on the application of natural selection and
inheritance to political society. Lond: H.S.King.
Banks, J., Carson, J. S. & Nelson, B. L. (1995). Discrete-Event System Simulation. Upper Saddle
River, New Jersey: Prentice Hall.
Barreteau, O. (2003). The joint use of role-playing games and models regarding negotiation
processes: Characterization of associations. Journal of Artificial Societies and Social
Simulation 6(2). http://jasss.soc.surrey.ac.uk/6/2/3.html.
Barreteau, O. & Bousquet, F. (2000). SHADOC: a multi-agent model to tackle viability of irrigated
systems. Annals of Operations Research 94(1-4): 139-162.
Barreteau, O., Bousquet, F. & Attonaty, J. M. (2001). Role-playing games for opening the black
box of multi-agent systems: method and lessons of its application to Senegal River Valley
irrigated systems. Journal of Artificial Societies and Social Simulation 4(2): U75-U93.
http://jasss.soc.surrey.ac.uk/4/2/5.html.
Barreteau, O., Bousquet, F., Millier, C. & Weber, J. (2004). Suitability of Multi-Agent Simulations
to study irrigated system viability: application to case studies in the Senegal River Valley.
Agricultural Systems 80(3): 255-275.
Barreteau, O., Garin, P., Dumontier, A., Abrami, G. & Cernesson, F. (2003a). Agent-based
facilitation of water allocation: Case study in the Drome River Valley. Group Decision and
Negotiation 12(5): 441-461.
Universidad de Burgos
Referencias 354
Barreteau, O., Le Page, C. & d'Aquino, P. (2003b). Role-playing games, models and negotiation
processes. Journal of Artificial Societies and Social Simulation 6(2).
http://jasss.soc.surrey.ac.uk/6/2/10.html.
Barthel, R., Rojanschi, V., Wolf, J. & Braun, J. (2005). Large-scale water resources management
within the framework of GLOWA-Danube. Part A: The groundwater model. Physics and
Chemistry of the Earth 30(6-7 SPEC. ISS.): 372-382.
Barthélemy, O. (2006). Untangling Scenario Components with Agent Based Modelling: an Example
of Social Simulations of Water Demand Forecasts. Manchester, UK: Manchester
Metropolitan University
Barthélemy, O., Moss, S., Downing, T. E. & Rouchier, J. (2001). Policy Modelling with ABSS:
The Case of Water Demand Management. Centre for Policy Modelling Report No.: 02-92.
http://cfpm.org/cpmrep92.html.
Basmadjian, D. (1999). The art of modeling in science and engineering. Boca Raton, London, New
York, Washington, D.C.: Chapman & Hall/CRC.
Bass, F. M. (1969). A new product growth for model consumer durables. Management Science 15(5):
215-227.
Baumann, D. D. & Boland, J. J. (1998). The Case for Managing Urban Water. En Baumann, D. D.,
Boland, J. J. & Hanemann, W. M. (Eds), Urban water demand management and planning: 1-
30. New York: McGraw-Hill.
Baumann, D. D., Boland, J. J. & Hanemann, W. M. (1998). Urban water demand management and
planning. New York: McGraw-Hill.
Becu, N., Perez, P., Walker, A., Barreteau, O. & Le Page, C. (2003). Agent based simulation of a
small catchment water management in northern Thailand description of the CATCHSCAPE
model. Ecological Modelling 170(2-3): 319-331.
Benenson, I. (1999). Modeling population dynamics in the city: from a regional to a multi-agent
approach. Discrete Dynamics in Nature and Society 3: 149-170.
Benenson, I., Omer, I. & Hatna, E. (2002). Entity-based modeling of urban residential dynamics:
the case of Yaffo, Tel Aviv. Environment & Planning B: Planning & Design 29(4): 491-512.
Benito, J. J., Arauzo, J. A., del Olmo, R. & Sanz, P. (2005). Los sistemas multi-agentes en la
formación de empresas virtuales dinámicas. En de la Fuente, D. (Eds), IX Congreso de
Ingeniería de Organización: 107-108. Oviedo: ADINGOR.
Tesis Doctoral
Referencias 355
Berg, M. d., van Kreveld, M., Overmars, M. & Schwarzkopf, O. (2000). Computational
Geometry: Algorithms and applications. Berlin: Springer-Verlag.
Bergman, A. & Tennenholtz, M. (2002). On the Natural Selection of Market Choice. Autonomous
Agents and Multi-Agent Systems 5(4): 387-395.
Billings, R. B. (1982). Specification of Block Rate Price Variables in Demand Models. Land
Economics 58(3): 386-393.
Billings, R. B. & Day, W. M. (1989). Demand Management Factors in Residential Water Use: The
Southern Arizona Experience. American Water Works Association Journal 81(3): 58-64.
Billings, R. B. & Jones, C. V. (1996). Forecasting Urban Water Demand. Denver, CO: American
Water Works Association.
Binmore, K. (1998). Review of the book: The Complexity of Cooperation: Agent-Based Models of
Competition and Collaboration,by Axelrod,R.,Princeton,New Jersey: Princeton University
Press,1997. Journal of Artificial Societies and Social Simulation 1(1).
http://jasss.soc.surrey.ac.uk/1/1/review1.html.
Boccara, N. & Fuks, H. (1998). Modeling diffusion of innovations with probabilistic cellular
automata. En Delorme, M. & Mazoyer, J. (Eds), Cellular Automata: A Parallel Model.
Dordrecht: Kluwer Academic Publishers.
Boland, J. J., Dziegielewski, B., Baumann, D. D. & Opitz, E. M. (1984). Influence of Price and
Rate Structures on Municipal and Industrial Water Use. IWR Report 84-C-2. Fort Belvoir,
VA: U.S. Army Corps of Engineers, Institute for Water Resources.
Bollacker, K., Lawrence, S. & Giles, C. L. (1998). CiteSeer: An Autonomous Web Agent for
Automatic Retrieval and Identification of Interesting Publications. En Sycara, K. P. &
Wooldridge, M. J. (Eds), Proceedings of the Second International Conference on
Autonomous Agents: 116-123. New York: ACM Press.
Bonabeau, E. (2002). Agent-based modeling: Methods and techniques for simulating human systems.
Proceedings of the National Academy of Sciences of the United States of America 99(2):
7280-7287.
Booth, G. (1997). Gecko: a continuous 2-D world for ecological modeling. Artificial Life 3(3): 147-
163.
Bordini, R. H., da Rocha Costa, A. C., Hübner, J. F., Moreira, A. F., Okuyama, F. Y. & Vieira,
R. (2005). MAS-SOC: a Social Simulation Platform Based on Agent-Oriented Programming.
Journal of Artificial Societies and Social Simulation 8(3).
http://jasss.soc.surrey.ac.uk/8/3/7.html.
Borshchev, A. & Filippov, A. (2004). From System Dynamics and Discrete Event to Practical Agent
Based Modeling: Reasons, Techniques,Tools. En Kennedy, M., Winch, W. G., Langer, R. S.,
Rowe, J. I. & Yanni, J. M. (Eds), Proceedings of the 22nd International Conference of the
System Dynamics Society. Albany, NY: Systems Dynamics Society.
http://www.systemdynamics.org/conf2004/SDS_2004/PAPERS/381BORSH.pdf.
Bougadis, J., Adamowski, K. & Diduch, R. (2005). Short-term municipal water demand forecasting.
Hydrological Processes 19(1): 137-148.
Bousquet, F., Bakam, I., Proton, H. & Le Page, C. (1998). Cormas: Common-Pool Resources and
Multi-Agent Systems. En Pasqual del Pobil, A., Mira, J. & Moonis, A. (Eds), Proceedings of
the 11th International Conference on Industrial and Engineering Applications of Artificial In
telligence and Expert Systems: Tasks and Methods in Applied Artificial Intelligence. Lecture
Notes in Artificial Intelligence, 1416: 826-837. London, UK: Springer-Verlag.
Universidad de Burgos
Referencias 356
Bousquet, F., Barreteau, O., Le Page, C., Mullon, C. & Weber, J. (1999). An environmental
modelling approach. The use of multi-agent simulations. En Blasco, F. & Weill, A. (Eds),
Advances in environmental and ecological modelling: 113-122. New York, NY: Elsevier.
Bousquet, F. & Le Page, C. (2004). Multi-agent simulations and ecosystem management: a review.
Ecological Modelling 176: 313-332.
Bousquet, F., Le Page, C., Bakam, I. & Takforyan, A. (2001). Multiagent simulations of hunting
wild meat in a village in eastern Cameroon. Ecological Modelling 138(1-3): 331-346.
Bousquet, F., Morand, P., Quensière, J. & Pavé, A. (1993). Simulating the interaction between a
society and a renewable resource. Journal of Biological Systems 1(2): 199-214.
Box, G. E. P. & Jenkins, G. M. (1976). Time series analysis: forecasting and control. San Francisco:
Holden-Day.
Brassel, K. (2001). Flexible Modelling with VSEit, the Versatile Simulation Environment for the
Internet. Journal of Artificial Societies and Social Simulation 4(3).
http://www.soc.surrey.ac.uk/JASSS/4/3/10.html.
Bredin, J., Kotz, D., Rus, D., Maheswaran, R. T., Imer, C. & Basar, T. (2003). Computational
Markets to Regulate Mobile-Agent Systems. Autonomous Agents and Multi-Agent Systems
6(3): 235-263.
Brown, D. G., Page, S. E., Riolo, R. & Rand, W. (2004). Agent-based and analytical modeling to
evaluate the effectiveness of greenbelts. Environmental Modelling and Software 19(12):
1097-1109.
Brown, D. G., Riolo, R., Robinson, D. T., North, M. & Rand, W. (2005). Spatial process and data
models: Toward integration of agent-based models and GIS. Journal of Geographical
Systems 7(1): 25-47.
Brown, T. N. & Kulasiri, D. (1996). Validating models of complex, stochastic, biological systems.
Ecological Modelling 86(2-3): 129-134.
Bruun, C. (2001). Prospects for an Economics Framework for Swarm. En Luna, F. & Perrone, A.
(Eds), Agent-Based Methods in Economics and Finance: Simulations in Swarm: 1-21.
Dordrecht / Boston / London: Kluwer Academic Publisher.
Cabrera, E. (2000). Estado general de los abastecimientos de agua en España. En Estevan, A. &
Viñuales, V. (Eds), La eficiencia del agua en las ciudades. Bakeaz: Fundación Ecología y
Desarrollo.
Caridad, J. M. & Moreno, I. (2002). La demanda de agua en zonas urbanas: métodos alternativos de
predicción a corto plazo. En III Congreso Ibérico Sobre Gestión y Planificación de Aguas.
La Directiva Marco del agua: realidades y futuros: 210-222.
www.us.es/ciberico/archivos_acrobat/sevilla2caridad.pdf.
Tesis Doctoral
Referencias 357
Castella, J. C., Trung, T. N. & Boissau, S. (2005). Participatory simulation of land-use changes in
the northern mountains of Vietnam: The combined use of an agent-based model, a role-
playing game, and a geographic information system. Ecology and Society 10(1).
http://www.ecologyandsociety.org/vol10/iss1/art27/.
Cavallo, B. (2005). Computational Economics. Research lines, trends and opportunities. Benevento:
RCOST-University of Sannio. www.cise.rcost.unisannio.it.
Cheng, B. & Titterington, D. M. (1994). Neural Networks: A Review from a Statistical Perspective.
Statistical Science 9(1): 2-30.
Chicoine, D. & Ramamurthy, G. (1986). Evidence on the Specification of Price in the Study of
Domestic Water Demand. Land Economics 62(1): 26-32.
Christley, S., Xiang, X. & Madey, G. (2004). Ontology for agent-based modeling and simulation. En
Macal, C. M., Sallach, D. & North, M. J. (Eds), Proceedings of the Agent 2004 Conference
on Social Dynamics: Interaction, Reflexivity and Emergence. Chicago, IL: Argonne National
Laboratory and The University of Chicago. http://www.agent2005.anl.gov/Agent2004.pdf.
Chung, C. A. (2004). Simulation modeling handbook: a practical approach. Boca Raton, London,
New York, Washington, D.C.: CRC Press.
Clarke, K. C. (1999). Getting started with Geographic Information Systems. Upper Saddle River, NJ:
Prentice Hall.
CNUMAD (1992). Conferencia de las Naciones Unidas sobre el Medio Ambiente y el Desarrollo.
Río de Janeiro: NU.
Collier, N., Howe, T. & North, M. (2003). Onward and Upward: The Transition to Repast 2.0.
Proceedings of the First Annual North American Association for Computational Social and
Organizational Science Conference. Pittsburgh, PA
Conlisk, J. (1996). Why bounded rationality? Journal of Economic Literature 34(2): 669-700.
Conte, R., Hegselmann, R. & Terna, P. (1997). Simulating Social Phenomena, Lecture Notes in
Economics and Mathematical Systems 456. New York, NY: Springer-Verlag.
Universidad de Burgos
Referencias 358
Dal Forno, A. & Merlone, U. (2002). A multi-agent simulation platform for modeling perfectly
rational and bounded-rational agents in organizations. Journal of Artificial Societies and
Social Simulation 5(2). http://jasss.soc.surrey.ac.uk/5/2/3.html.
Dandy, G., Nguyen, T. & Davies, C. (1997). Estimating residential water demand in the presence of
free allowances. Land Economics 73(1): 125-139.
Daniels, M. (2000). Integrating Simulation Technologies with Swarm. En Macal, C. M. & Sallach, D.
(Eds), Proceedings of the Workshop on Agent Simulation: Applications, Models, and Tools.
Argonne, IL: Argonne National Laboratory.
David, N., Marietto, M. B., Sichman, J. S. & Coelho, H. (2004). The Structure and Logic of
Interdisciplinary Research in Agent-Based Social Simulation. Journal of Artificial Societies
and Social Simulation 7(3). http://jasss.soc.surrey.ac.uk/7/3/4.html.
Davidsson, P. (2001). Multi agent based simulation: beyond social simulation. En Moss, S. &
Davidsson, P. (Eds), Multi-Agent-Based Simulation, Lecture Notes in Artificial Intelligence
1979: 97-107. Berlin, Germany: Springer-Verlag.
Davidsson, P. (2002). Agent Based Social Simulation: A Computer Science View. Journal of
Artificial Societies and Social Simulation 5(1). http://jasss.soc.surrey.ac.uk/5/1/7.html.
Dean, J. S., Gumerman, G. J., Epstein, J. M., Axtell, R. L., Swedlund, A. C., Parker, M. T. &
McCarroll, S. (2000). Understanding Anasazi Culture Change Through Agent-Based
Modeling. En Kohler, T. & Gumerman, G. J. (Eds), Dynamics in Human and Primate
Societies. Agent-Based Modeling of Social and Spatial Processes: 179-205. New York:
Oxford University Press and Santa Fe Institute.
Delaunay, B. N. (1934). Sur la sphère vide. Bulletin of the Academy of Sciences of USSR Classe Sci
Mat Nat 7(6): 793-800.
Dibble, C. & Feldman, P. G. (2004). The GeoGraph 3D Computational Laboratory: Network and
Terrain Landscapes for RePast. Journal of Artificial Societies and Social Simulation 7(1).
http://jasss.soc.surrey.ac.uk/7/1/7.html.
Domene, E. & Saurí, D. (2003). Modelos urbanos y consumo de agua: el riego de jardines privados
en la región metropolitana de Barcelona. Investigaciones Geográficas 32: 5-17.
Doorenbos, R., Etzioni, O. & Weld, D. (1997). A scaleable comparison-shopping agent for the
world wide web. Proceedings of the 1st Conference on Autonomous Agents (Agents 97): 39-
48. Marina del Rey, CA
Tesis Doctoral
Referencias 359
Downing, T. E., Moss, S. & Pahl-Wostl, C. (2001). Understanding climate policy using participatory
agent-based social simulation. En Moss, S. & Davidsson, P. (Eds), Multi-Agent-Based
Simulation: Second International Workshop, MABS 2000, Boston, MA, USA, July. Revised
and Additional Papers, Lecture Notes in Artificial Intelligence 1979: 198-213. Berlin:
Springer-Verlag.
Drogoul, A., Vanbergue, D. & Meurisse, T. (2003). Multi-Agent Based Simulation: Where are the
Agents? En Sichman, J. S., Bousquet, F. & Davidsson, P. (Eds), Proceedings of MABS 2002
Multi-Agent-Based Simulation, Lecture Notes in Computer Science 2581: 1-15. Bologna,
Italy: Springer-Verlag.
Ducrot, R., Le Page, C., Bommel, P. & Kuper, M. (2004). Articulating land and water dynamics
with urbanization: An attempt to model natural resources management at the urban edge.
Computers, Environment and Urban Systems 28(1-2): 85-106.
Dumont, B. & Hill, D. R. C. (2001). Multi-agent simulation of group foraging in sheep: Effects of
spatial memory, conspecific attraction and plot size. Ecological Modelling 141(1-3): 201-
215.
DWR (1998). California Water Plan Update Bulletin 160-98. Sacramento, CA: California
Department of Water Resources.
Edmonds, B. (2001). The Use of Models - making MABS actually work. En Moss, S. & Davidsson,
P. (Eds), Multi-Agent-Based Simulation, Lecture Notes in Artificial Intelligence 1979: 15-32.
Berlin: Springer-Verlag.
Edmonds, B. (2005). Simulation and Complexity - how they can relate. En Feldmann, V. &
Mühlfeld, K. (Eds), Virtual Worlds of Precision - computer-based simulations in the sciences
and social sciences: 5-32. Münster, Germany: Lit-Verlag.
Edmonds, B. (2003). Towards an ideal social simulation language. En Sichman, J. S., Bousquet, F. &
Davidsson, P. (Eds), Multi-Agent-Based Simulation II: 3rd Int. Workshop, MABS02, Lecture
Notes in Computer Science 2581: 104-124: Springer.
Edmonds, B., Barthélemy, O. & Moss, S. (2002). Domestic Water Demand and Social Influence -
an agent-based modelling approach. Centre for Policy Modelling Report 02-103.
http://cfpm.org/cpmrep103.html.
Edmonds, B. & Hales, D. (2003). Replication, replication and replication: Some hard lessons from
model alignment. Journal of Artificial Societies and Social Simulation 6(4).
http://jasss.soc.surrey.ac.uk/6/4/11.html.
Edmonds, B. & Moss, S. (2005). From KISS to KIDS - An 'anti-simplistic' modelling approach. En
Davidsson, P., Logan, B. & Takadama, K. (Eds), Multi-Agent and Multi-Agent-Based
Simulation, Joint Workshop MABS 2004. Lecture Notes in Artificial Intelligence 3415: 130-
144. Berlin / Heidelberg: Springer.
Edmonds, B., Moss, S. & Wallis, S. (1996). Logic, Reasoning and A Programming Language for
Simulating Economic and Business Processes with Artificially Intelligent Agents. En Ein-
Dor, P. (Eds), Artificial Intelligence in Economics and Management: 221-230. Boston, MA:
Kluwer Academic Publishers.
Edwards, M., Ferrand, N., Goreaud, F. & Huet, S. (2005). The relevance of aggregating a water
consumption model cannot be disconnected from the choice of information available on the
resource. Simulation Modelling Practice and Theory 13(4): 287-307.
Universidad de Burgos
Referencias 360
Edwards, M., Huet, S., Goreaud, F. & Deffuant, G. (2003). Comparing an individual-based model
of behaviour diffusion with its mean field aggregate approximation. Journal of Artificial
Societies and Social Simulation 6(4). http://jasss.soc.surrey.ac.uk/6/4/9.html.
Ehrentreich, N. (2002). The Santa Fe Artificial Stock Market Re-Examined - Suggested Corrections.
Economics Working Paper Archive at WUSTL.
http://econwpa.wustl.edu:80/eps/comp/papers/0209/0209001.pdf.
Epstein, J. M. (1999). Agent-based computational models and generative social science. Complexity
4(5): 41-60.
Epstein, J. M. & Axtell, R. L. (1996). Growing Artificial Societies. Social Science From the Bottom
Up. Cambridge, MA: Brookings Institution Press-MIT Press.
Etienne, M., Le Page, C. & Cohen, M. (2003). A step-by-step approach to building land
management scenarios based on multiple viewpoints on multi-agent system simulations.
Journal of Artificial Societies and Social Simulation 6(2).
http://jasss.soc.surrey.ac.uk/6/2/2.html.
Fahey, L. & Randall, R. M. (1998). Learning from the future: competitive foresight scenarios. New
York, NY: John Wiley & Sons.
Feuillette, S., Bousquet, F. & Le Goulven, P. (2003). SINUSE: A multi-agent model to negotiate
water demand management on a free access water table. Environmental Modelling and
Software 18(5): 413-427.
FIRMA (2003). Participatory Integrated Assessment in Five Case Studies. Report of Workpackage 4
of the FIRMA Project. http://firma.cfpm.org/
Fisher, M. (2004). Temporal Development Methods for Agent-Based. Autonomous Agents and Multi-
Agent Systems 10(1): 41-66.
Flache, A. & Hegselmann, R. (2001). Do Irregular Grids make a Difference? Relaxing the Spatial
Regularity Assumption in Cellular Models of Social Dynamics. Journal of Artificial Societies
and Social Simulation 4(4). http://jasss.soc.surrey.ac.uk/4/4/6.html.
Franklin, S. & Graesser, A. (1997). Is it an agent, or just a program? A Taxonomy for Autonomous
Agents. En Müller, J. P., Wooldridge, M. J. & Jennings, N. R. (Eds), Intelligent Agents III:
Proceedings of the Third International Workshop on Agent Theories, Architectures, and
Languages, Lecture Notes in Artificial Intelligence 1193: 21-36. Berlin, Germany: Springer-
Verlag.
Galán, J. M., Downing, T. E., López-Paredes, A. & Warwick, C. (2003a). Rigour and reliability in
agent-based social simulation through replication. Online Proceedings of the First
Conference of the European Social Simulation Association. Groningen, The Netherlands
http://www.uni-koblenz.de/~kgt/ESSA/ESSA1/Galan.doc.
Tesis Doctoral
Referencias 361
Galán, J. M. & Izquierdo, L. R. (2005). Appearances Can Be Deceiving: Lessons Learned Re-
Implementing Axelrod's 'Evolutionary Approach to Norms'. Journal of Artificial Societies
and Social Simulation 8(3). http://jasss.soc.surrey.ac.uk/8/3/2.html.
Galán, J. M., Izquierdo, L. R., Izquierdo, S. S., Santos, J. I., del Olmo, R. & López-Paredes, A.
(2006). Assessing the Reliability and Usefulness of Agent-Based Models. Enviado al Model
To Model Workshop 2007.
Galán, J. M., López-Paredes, A. & del Olmo, R. (2005a). Simulación basada en agentes en Teoría
de Juegos Evolutiva: ¿pueden las metanormas evitar el colapso de una norma social? En de la
Fuente, D. (Eds), IX Congreso de Ingeniería de Organización: 65-66. Oviedo: ADINGOR.
Galán, J. M., López-Paredes, A. & del Olmo, R. (2004). Simulación de sociedades artificiales de
agentes y autómatas celulares en Ingeniería de Organización: aplicación a la gestión del agua.
En Actas del VIII Congreso de Ingeniería de Organización: 1033-1042. Leganés: ADINGOR
Galán, J. M., Santos, J. I., Izquierdo, S. S., Pascual, J. A., del Olmo, R. & López-Paredes, A.
(2007). Agent-Based Modelling in Domestic Water Management: Barcelona and Valladolid
case studies. En López-Paredes, A. & Hernández, C. (Eds), Agent-Based Modelling in
Natural Resources Management: Pearson Education.
Galán, J. M., Santos, J. I., Izquierdo, S. S., del Olmo, R. & López-Paredes, A. (2005b).
Simulating complex adaptive social systems with agents: domestic water management.
Proceedings of the IV International Workshop on Practical Applications of Agents and
Multiagent Systems: 79-86. León: Universidad de León.
Gilbert, N. (1999a). Simulation: A new way of doing social science. The American Behavioral
Scientist 42(10): 1485-1487.
Gilbert, N. (1999b). Multi-level simulation in Lisp-Stat. Journal of Artificial Societies and Social
Simulation 2(1). http://www.soc.surrey.ac.uk/JASSS/2/1/3.html.
Gilbert, N. (1995). Emergence in social simulation. En Gilbert, N. & Conte, R. (Eds), Artificial
Societies: the computer simulation of social life: 144-156. London, UK: UCL Press.
Gilbert, N. & Bankes, S. C. (2002). Platforms and methods for agent-based modeling. Proceedings
of the National Academy of Sciences of the United States of America 99(3): 7197-7198.
Gilbert, N. & Conte, R. (1995). Artificial Societies: the Computer Simulation of Social Life. London,
UK: UCL Press.
Gilbert, N. & Doran, J. (1995). Simulating Societies. London, UK: UCL Press.
Gilbert, N. & Terna, P. (2000). How to build and use agent-based models in social science. Mind
and Society 1(1): 57-72.
Gilbert, N. & Troitzsch, K. G. (1999). Simulation for the social scientist. Buckingham, UK: Open
University Press.
Universidad de Burgos
Referencias 362
Giret, A., Julián, V. & Botti, V. J. (2005). Aplicaciones Industriales de los Sistemas Multiagente. En
Mas, A. (Eds), Agentes Software y Sistemas Multi-Agente. Conceptos, Arquitecturas y
Aplicaciones: 186-203. Madrid, Spain: Pearson Educación.
Goldenberg, J., Libai, B. & Muller, E. (2001). Talk of the Network: A Complex Systems Look at
the Underlying Process of Word-of-Mouth. Marketing Letters 12(3): 211-223.
Gonçalves, A., Rodrigues, A. & Correia, L. (2004). Multi-Agent Simulation within Geographic
Information Systems. Proceedings of the 5th International Workshop on Agent-Based
Simulation: 107-112. Lisboa
Goodchild, M. F. & Longley, P. A. (2005). The future of GIS and spatial analysis. En Longley, P.
A., Goodchild, M. F., Maguire, D. J. & Rhind, D. W. (Eds), Geographical information
systems: principles, techniques, management and applications: 567-580. Hoboken, NJ: John
Wiley and Sons.
Gotts, N. M., Polhill, J. G. & Adam, W. J. (2003a). Simulation and Analysis in Agent-Based
Modelling of Land Use Change. Online proceedings of the First Conference of the European
Social Simulation Association, Groningen, The Netherlands, 18-21 September 2003
http://www.uni-koblenz.de/~kgt/ESSA/ESSA1/proceedings.htm.
Gotts, N. M., Polhill, J. G. & Law, A. N. R. (2003b). Aspiration levels in a land use simulation.
Cybernetics and Systems 34(8): 663-683.
Grimm, V. (1999). Ten years of individual-based modelling in ecology: what have we learned and
what could we learn in the future? Ecological Modelling 115: 129-148.
Gulyás, L., Kozsik, T. & Corliss, J. B. (1999). The Multi-Agent Modelling Language and the Model
Design Interface. Journal of Artificial Societies and Social Simulation 2(3).
http://www.soc.surrey.ac.uk/JASSS/2/3/8.html.
Haken, H. & Portugali, J. (1995). A synergetic approach to the self-organization of cities and
settlements. Environment & Planning B: Planning & Design 22(1): 35-46.
Hales, D. (2005). Engineering with Sociological Metaphors: Examples and Prospects. AISB 2005
Symposium, Engineering with Social Metaphors: University of Hertfordshire, UK.
Hall, S. G. (1994). Time series forecasting. En Hall, S. G. (Eds), Applied Economic Forecasting
Techniques: 9-28. Hertfordshire: Harvester-Wheatsheaf.
Halls, P. J., Bulling, M., White, P. C. L., Garland, L. & Harris, S. (2001). Dirichlet neighbours:
Revisiting Dirichlet tessellation for neighbourhood analysis. Computers, Environment and
Urban Systems 25(1): 105-117.
Tesis Doctoral
Referencias 363
Hanemann, M. (1998). Determinants of urban water use. En Baumann, D. D., Boland, J. J. &
Hanemann, W. M. (Eds), Urban water demand management and planning: 31-75. New
York: McGraw-Hill.
Hare, M. & Deadman, P. (2004). Further towards a taxonomy of agent-based simulation models in
environmental management. Mathematics and Computers in Simulation 64(1): 25-40.
Haynes, K. E., Mahajan, V. & White, G. M. (1977). Innovation diffusion: A deterministic model of
space-time integration with physical analog. Socio-Economic Planning Science 11: 25-29.
Hegselmann, R. & Flache, A. (1998). Understanding Complex Social Dynamics: A Plea For Cellular
Automata Based Modelling. Journal of Artificial Societies and Social Simulation 1(3).
http://jasss.soc.surrey.ac.uk/1/3/1.html.
Hernández, C. & Hernández, F. (1981). Causality and the Independence Phenomenon: the Case of
the Demand for Money. Journal of Econometrics 15: 247-263.
Herrington, P. (1996). Climate change and the demand for water. London, UK: HMSO.
Heywood, J. G. (1990). The Navier-Stokes equations. Theory and numerical methods. Proceedings of
a conference held at Oberwolfach, FRG, Sept. 18-24, 1988. Lecture Notes in Mathematics.
Berlin: Springer-Verlag.
Hiebeler, D. (1994). The swarm simulation system and individual-based modeling. En Power, J. M.,
Strome, M. & Daniel, T. C. (Eds), Decision Support 2001. 17th Annual Geographic
Information Seminar and the Resource Technology '94 Symposium: 474-494: American
Society for Photogrammetry and Remote Sensing.
Hills, S. & Birks, R. (2004). Washroom behaviour and users' perceptions of "novel" water-efficient
appliances. Water Science and Technology: Water Supply 4(3): 13-23.
Hittle, D. C., Flocken, P. A. & Anderson, C. W. (1996). Neural networks for predicting chilled
water demand in buildings. 387-394
Hogg, R. V. & Craig, A. T. (1978). Introduction to Mathematical Statistics. New York, NY: Collier-
Macmillan.
Höglund, L. (1999). Household demand for water in Sweden with implications of a potential tax on
water use. Water Resources Research 35(12): 3853-3863.
Holland, J. H. & Miller, J. H. (1991). Artificial adaptive agents in economic theory. American
Economic Review 81(2): 365-370.
Hommes, C. H. (2002). Modeling the stylized facts in finance through simple nonlinear adaptive
systems. Proceedings of the National Academy of Sciences of the United States of America
99(3): 7221-7228.
Universidad de Burgos
Referencias 364
Hopgood, A. A. (2000). Intelligent Systems for Engineers and Scientists. Boca Raton, London, New
York, Washington, D.C.: CRC Press.
Howe, C. & White, S. (1999). Integrated resource planning for water and waste water: Sydney case
studies. Water International 24(4): 356-362.
Ilonen, J., Kamarainen, J. K., Puumalainen, K., Sundqvist, S. & inen, H. (2006). Toward
automatic forecasts for diffusion of innovations. Technological Forecasting & Social Change
73: 182-198.
Inchiosa, M. E. & Parker, M. T. (2002). Overcoming design and development challenges in agent-
based modeling using ASCAPE. Proceedings of the National Academy of Sciences of the
United States of America 99(3): 7304-7308.
Izquierdo, L. R., Izquierdo, S. S., Gotts, N. M. & Polhill, J. G. (2007). Transient and Asymptotic
Dynamics of Reinforcement Learning in Games. Games and Economic Behavior 61(2): 259-
276.
Izquierdo, S. S. & Izquierdo, L. R. (2007). The Impact on Market Efficiency of Quality Uncertainty
without Asymmetric Information. Journal of Business Research 60(8): 858-867.
Izquierdo, S. S., Izquierdo, L. R., Galán, J. M. & Hernández, C. (2006). Market Failure Caused by
Quality Uncertainty. En Mathieu, P., Beaufils, B. & Brandouy, O. (Eds), Artificial
Economics. A Symposium in Agent-based Computational Methods in Finance, Game Theory
and their applications. Lecture Notes in Economics and Mathematical Systems 564: 203-214.
Berlin Heidelberg: Springer-Verlag.
Jacobs, H. & Haarhoff, J. (2004a). Application of a residential end-use model for estimating cold
and hot water demand, wastewater flow and salinity. Water SA 30(3): 305-316.
Jacobs, H. & Haarhoff, J. (2004b). Structure and data requirements of an end-use model for
residential water demand and return flow. Water SA 30(3): 293-304.
Jain, A. & Ormsbee, L. E. (2002). Short-term water demand forecast modeling techniques -
Conventional methods versus AI. American Water Works Association Journal 94(7): 64-72.
Jain, A., Varshney, A. K. & Joshi, U. C. (2001). Short-term water demand forecast modelling at IIT
Kanpur using artificial neural networks. Water Resources Management 15(5): 299-321.
Janssen, M. A. (2002). Complexity and ecosystem management. The theory and practice of multi-
agent systems. Chelteham, UK: Edward Elgar Pub.
Tesis Doctoral
Referencias 365
Jennings, N. R., Sycara, K. P. & Wooldridge, M. J. (1998). A Roadmap of Agent Research and
Development. Autonomous Agents and Multi-Agent Systems 1(1): 7-38.
Johnson, P. E. (1999). Simulation modeling in political science. The American Behavioral Scientist
42(10): 1509-1530.
Johnson, S. (2001). Emergence: the connected lives of ants, brains, cities, and software. New York:
Scribner.
Joo, C. N., Koo, J. Y. & Yu, M. J. (2002). Application of short-term water demand prediction model
to Seoul. Water Science and Technology 46(6-7): 255-261.
Julián, V., Giret, A. & Botti, V. J. (2005). Aplicaciones en Recuperación de Información. En Mas,
A. (Eds), Agentes Software y Sistemas Multi-Agente. Conceptos, Arquitecturas y
Aplicaciones: 221-231. Madrid, Spain: Pearson Educación.
Kleindorfer, G. B., O'Neill, L. & Ganeshan, R. (1998). Validation in simulation: Various positions
in the philosophy of science. Management Science 44(8): 1087-1099.
Klügl, F., Herrler, R. & Oechslein, C. (2003). From Simulated to Real Environments: How to Use
SeSAm for Software Development. En Schillo, M., Klusch, M., Müller, J. P. & Tianfield, H.
(Eds), Multiagent System Technologies, First German Conference, MATES 2003. Lecture
Notes in Computer Science 2831: 13-24. Berlin: Springer.
Kohler, T. & Gumerman, G. J. (2000). Dynamics in human and primate societies: Agent-based
modeling of social and spatial processes. New York: Oxford University Press and Santa Fe
Institute.
Kohler, T. A., Gumerman, G. J. & Reynolds, R. G. (2005). Simulating ancient societies. Scientific
American 293(1): 76-84.
Konolige, K. (1992). Autoepistemic Logic. En Gabbay, D. M., Hogger, C. J. & Robinson, J. A. (Eds),
Handbook of Logic in Artificial Intelligence and Logic Programming. Vol III. Oxford, UK:
Clarendon Press.
Kotz, C. & Hiessl, H. (2005). Analysis of system innovation in urban water infrastructure systems:
An agent-based modelling approach. Water Science and Technology: Water Supply 5(2):
135-144.
Kreft, J. U., Booth, G. & Wimpenny, J. W. T. (1998). BacSim, a simulator for individual-based
modelling of bacterial colony growth. Microbiology 144: 3275-3287.
Kroll, N. & Fassbender, J. K. (2005). MEGAFLOW - Numerical Flow Simulation for Aircraft
Design. Berlin, Germany: Springer-Verlag.
Lansing, J. S. (2003). Complex Adaptive Systems. Annual Review of Anthropology 32: 183-204.
Universidad de Burgos
Referencias 366
Lansing, J. S. & Kremer, J. N. (1993). Emergent Properties of Balinese Water Temple Networks:
Coadaptation on a Rugged Fitness Landscape. American Anthropologist 95(1): 97-114.
Lavios, J. J., Galán, J. M., Santos, J. I. & del Olmo, R. (2006). Could TAC be a laboratory for
economists? En Díaz, F., Corchado, J. M. & Fdez-Riverola, F. (Eds), Proceedings of the
Fifth International Workshop on Practical Applications of Agents and Multi-Agent Systems
(IWPAAMS'06): 209-212. Valladolid: Universidad de Valladolid.
LeBaron, B. (2000). Agent Based Computational Finance: Suggested Readings and Early Research.
Journal of Economic Dynamics & Control 24(5-7): 679-702.
Leombruni, R. & Richiardi, M. (2005). Why are economists sceptical about agent-based
simulations? Physica A 355: 103-109.
Lieberson, S. (1981). An asymmetrical approach to segregation. En Peach, C., Robinson, V. & Smith,
S. (Eds), Ethnic segregation in the cities: 61-82. London, UK: Croom Helm.
Linstone, H. A. & Turoff, M. (2002). The Delphi Method: Techniques and Applications. Murray
Turoff and Harold Linstone. http://www.is.njit.edu/pubs/delphibook/index.html.
Liu, J., Savenije, H. H. G. & Xu, J. (2003). Forecast of water demand in Weinan City in China using
WDF-ANN model. Physics and Chemistry of the Earth 28(4-5): 219-224.
Llamas, M. R. (2004b). ¿Cuánta agua hay en España, a qué precio y de quién es?: análisis de los
recursos hídricos en España ante la nueva Directiva marco del Agua. Meda: Medio ambiente,
biodiversidad y desarrollo sostenible 29: 40-45.
Llamas, M. R., Fornés, J., Hernández-Mora, N. & Martínez, L. (2001). Aguas subterráneas: retos
y oportunidades. Madrid: Fundación Marcelino Botín y Mundi-Prensa.
Loh, M. & Coghlan, P. (2003). Domestic Water Use Study. In Perth, Western Australia 1998-2001.
Perth: Water Corporation.
López-Paredes, A. & del Olmo, R. (1998). The Social Dimension of Economics and Multiagent
Systems. En Edmonds, B. & Dautenhahn, K. (Eds), Socially Situated Intelligence: a
workshop held at SAB'98: 73-79. Zürich: University of Zürich.
López-Paredes, A. & Galán, J. M. (2003). Gestión del agua doméstica en la Región Metropolitana
de Barcelona: Una aproximación participativa, basada en agentes. En Actas del V Congreso
Tesis Doctoral
Referencias 367
López-Paredes, A., Hernández, C. & Pajares, J. (2002). Towards a New Experimental Socio-
economics. Complex Behaviour in Bargaining. Journal of Socioeconomics 31: 423-429.
López-Paredes, A., Saurí, D. & Galán, J. M. (2005). Urban water management with artificial
societies of agents: The FIRMABAR simulator. Simulation 81(3): 189-199.
Luck, M., McBurney, P. & Preist, C. (2003). Agent Technology: Enabling Next Generation
Computing. A Roadmap for Agent-Based Computing. AgentLink.
Luck, M., McBurney, P. & Preist, C. (2004a). A Manifesto for Agent Technology: Towards Next
Generation Computing. Autonomous Agents and Multi-Agent Systems 9(3): 203-252.
Luck, M., McBurney, P., Shehory, O. & Willmott, S. (2004b). Agent Technology Roadmap:
Overview and Consultation Report. AgentLink.
Luke, S., Balan, G. C., Panait, L., Cioffi-Revilla, C. & Paus, S. (2003). MASON: A Java Multi-
Agent Simulation Library. En Macal, C. M., North, M. & Sallach, D. (Eds), Proceedings of
Agent 2003, Conference on Challenges in Social Simulation: 49-64. Argonne, IL: Argonne
National Laboratory.
Luke, S., Cioffi-Revilla, C., Panait, L., Sullivan, K. & Balan, G. C. (2005). MASON: A Multi-
Agent Simulation Environment. Simulation 81(7): 517-527.
Luna, F. & Perrone, A. (2001). Agent-Based Methods in Economics and Finance: Simulations in
Swarm. Dordrecht / Boston / London: Kluwer Academic Publisher.
Luna, F. & Stefansson, B. (2000). Economic Simulations in Swarm: Agent-Based Modelling and
Object Oriented Programming. Dordrecht / Boston / London: Kluwer Academic Publisher.
Lustick, I. (2002). PS-I: A User-Friendly Agent-Based Modeling Platform for Testing Theories of
Political Identity and Political Stability. Journal of Artificial Societies and Social Simulation
5(3). http://jasss.soc.surrey.ac.uk/5/3/7.html.
Lyman, R. A. (1992). Peak and off-peak residential water demand. Water Resources Research 28(9):
2157-2167.
Macy, M. W. & Willer, R. (2002). From factors to actors: Computational sociology and agent-based
modeling. Annual Review of Sociology 28: 143-166.
Maes, P. (1994). Social Interface Agents: acquiring competence by learning from users and other
agents. En Etzioni, O. (Eds), Software Agents - Papers 1994 Spring Symposium: 71-78:
AAAI Press.
Maguire, D. J. (2005). Towards a GIS Platform for Spatial Analysis and Modeling. En Maguire, D.
J., Batty, M. & Goodchild, M. F. (Eds), GIS, Spatial Analysis, and Modeling: 19-39.
Redlands, CA: ESRI Press.
Maguire, D. J., Batty, M. & Goodchild, M. F. (2005). GIS, spatial analysis, and modeling.
Redlands, Calif: ESRI Press.
Mahajan, V., Muller, E. & Bass, F. M. (1990). New Product Diffusion Models in Marketing: A
Review and Directions for Research. Journal of Marketing 54(1): 1-26.
Universidad de Burgos
Referencias 368
Makse, H. A., Andrade, J., Batty, M., Havlin, S. & Eugene Stanley, H. (1998). Modeling urban
growth patterns with correlated percolation. Physical Review E - Statistical Physics, Plasmas,
Fluids, and Related Interdisciplinary Topics 58(6 SUPPL. A): 7054-7062.
Makse, H. A., Havlin, S. & Stanley, H. E. (1995). Modelling urban growth patterns. Nature
377(6550): 608-612.
Margarita, S. & Sonnesa, M. (2003). Sim2Web: an Open Source system for web-enabling economic
and financial simulations. Journal of Artificial Societies and Social Simulation 6(4).
http://jasss.soc.surrey.ac.uk/6/4/12.html.
Marietto, M. B., David, N., Sichman, J. S. & Coelho, H. (2003). Requirements Analysis of Agent-
Based Simulation Platforms: State of the Art and New Prospects. En Sichman, J. S.,
Bousquet, F. & Davidsson, P. (Eds), Multi-Agent-Based Simulation II: 3rd Int. Workshop,
MABS02, Lecture Notes in Computer Science 2581: 125-141: Springer.
Marshall, A. (1879). Water as an element of national wealth. En Pigou, A. (Eds), Memorials of Alfred
Marshall: 134-141. New York (1956): Kelley & Millman.
Martínez-Espiñeira, R. (2003b). Price specification issues under block tariffs: A Spanish case study.
Water Policy 5(3): 237-256.
Martínez-Espiñeira, R. & Nauges, C. (2004). Is all domestic water consumption sensitive to price
control? Applied Economics 36(15): 1697-1703.
Mas, A. (2004). Agentes software y sistemas multiagente. Madrid, Spain: Pearson Educación.
Mathevet, R., Bousquet, F., Le Page, C. & Antona, M. (2003a). Agent-based simulations of
interactions between duck population, farming decisions and leasing of hunting rights in the
Camargue (Southern France). Ecological Modelling 165(2-3): 107-126.
Mathevet, R., Mauchamp, A., Lifran, R., Poulin, B. & Lefebvre, G. (2003b). Territorial
interaction, uses and biodiversity dynamics within the wetlands of the rhone river delta: A
multi agent modelling approach [Interactions territoriales, dynamique des usages et de la
biodiversite? dans les zones humides du delta du Rho?ne: Une approche par la mode?lisation
multi-agents]. Bulletin d'Association de Geographes Francais 2003(4): 417-429.
McFadzean, D. & Tesfatsion, L. (1999). A C++ Platform for the Evolution of Trade Networks. ISU
Economic Report Nº 39. http://www.econ.iastate.edu/tesfatsi/platroot.ps.
Meade, N. & Islam, T. (2006). Modelling and forecasting the diffusion of innovation - A 25-year
review. International Journal of Forecasting 22(3): 519-545.
MIMAM (2000). Libro blanco del agua en España. Madrid: Ministerio de Medio Ambiente.
Minar, N., Burkhart, R., Langton, C. & Askenazi, M. (1996). The Swarm Simulation System: A
Toolkit for Building Multi-Agent Simulations. Santa Fe Institute Working Paper 96-06-042.
Tesis Doctoral
Referencias 369
Möhring, M. (1996). Social Science Multilevel Simulation with MIMOSE. En Troitzsch, K.,
Mueller, U., Gilbert, N. & Doran, J. (Eds), Social Science Microsimulation: 123-137. Berlin:
Springer-Verlag.
Moreno, A. (2005). Aplicaciones en Medicina. En Mas, A. (Eds), Agentes Software y Sistemas Multi-
Agente. Conceptos, Arquitecturas y Aplicaciones: 203-220. Madrid, Spain: Pearson
Educación.
Moss, S. (1995). Control Metaphors in the Modelling of Economic Learning and Decision-Making
Behavior. Computational Economics 8(4): 283-301.
Moss, S. (2000). Canonical Tasks, Environments and Models for Social Simulation. Computational &
Mathematical Organization Theory 6(3): 249-275.
Moss, S. (2001). Game theory: Limitations and an alternative. Journal of Artificial Societies and
Social Simulation 4(2). http://jasss.soc.surrey.ac.uk/4/2/2.html.
Moss, S. (2002b). Agent Based Modelling for Integrated Assessment. Integrated Assessment 3(1): 63-
77.
Moss, S. (2002a). Policy analysis from first principles. Proceedings of the National Academy of
Sciences of the United States of America 99: 7267-7274.
Moss, S. & Edmonds, B. (2005). Sociology and Simulation: - Statistical and Qualitative Cross-
Validation. American Journal of Sociology 110(4): 1095-1131.
Moss, S., Edmonds, B. & Wallis, S. (1997). Validation and Verification of Computational Models
with Multiple Cognitive Agents. Centre for Policy Modelling Report No.: 97-25.
http://cfpm.org/cpmrep25.html.
Moss, S., Gaylard, H., Wallis, S. & Edmonds, B. (1998). SDML: A Multi-Agent Language For
Organizational Modelling. Computational & Mathematical Organization Theory 4(1): 43-63.
Musselman, K. J. (1994). Guidelines for Simulation Project Success. En Tew, J. D., Manivannan, M.
S., Sadowski, D. A. & Seila, A. F. (Eds), Proceedings of the 1994 Winter Simulation
Conference: 88-95. New York: Association for Computing Machinery.
Nagel, K. & Rasmussen, S. (1994). Traffic at the edge of chaos. En Brooks, R. A. & Maes, P. (Eds),
Artificial Life IV: 222-235. Cambridge, MA: MIT Press.
Nauges, C. & Thomas, A. (2003). Long-run study of residential water consumption. Environmental
and Resource Economics 26(1): 25-43.
Nauges, C. & Thomas, A. (2000). Privately operated water utilities, municipal price negotiation, and
estimation of residential water demand: The case of France. Land Economics 76(1): 68-85.
Newman, M. E. J. (2003). The structure and function of complex networks. SIAM Review 45(2): 167-
256.
Universidad de Burgos
Referencias 370
Nieswiadomy, M. L. & Molina, D. J. (1991). A note on price perception in water demand models.
Land Economics 67(3): 352-359.
Niu, S. (2002). A Stochastic Formulation of the Bass Model of New-Product Diffusion. Review of
Marketing Science Working Papers 1(4).
North, M. (2005). Agent-Based Modeling Using Agent Analyst Extension for ArcGIS. En
GeoComputation 2005
North, M. J., Collier, N. T. & Vos, J. R. (2006). Experiences Creating Three Implementations of the
Repast Agent Modeling Toolkit. ACM Transactions on Modeling and Computer Simulation
16(1): 1-25.
Nute, D., Potter, W. D., Maier, F. & other authors (2004). NED-2: An agent-based decision
support system for forest ecosystem management. Environmental Modelling and Software
19(9): 831-843.
Nwana, H. S. (1996). Software Agents: An Overview. Knowledge Engineering Review 11(3): 1-40.
O'Sullivan, D. (2001). Exploring spatial process dynamics using irregular cellular automaton models.
Geographical Analysis 33(1): 1-18.
Okabe, A., Boots, B. N. & Sugihara, K. (1992). Spatial tessellations: concepts and applications of
Voronoi diagrams. New York, NY: John Wiley & Sons.
Okuyama, F. Y., Bordini, R. H. & Rocha Costa, A. C. (2005). ELMS: An environment description
language for multi-agent simulations. En Weyns, D., Parunak, H. V. D. & Michel, F. (Eds),
Proceedings of the First International Workshop on Environments for Multiagent Systems
(E4MAS). Lecture Notes In Artificial Intelligence 3374. Berlin: Springer-Verlag.
Opitz, E. M., Langowski, J. F., Dziegielewski, B., Hanna-Somers, N. A., Willet, J. S. & Hauer, R.
J. (1998). Forecasting Urban Water Use: Models and Application. En Baumann, D. D.,
Boland, J. J. & Hanemann, W. M. (Eds), Urban water demand management and planning:
95-135. New York: McGraw-Hill.
Ormsby, T., Napoleon, E., Burke, R., Groess, C. & Feaster, L. (2001). Getting to know ArcGIS
desktop. Basics of ArcView, ArcEditor, and ArcInfo. Redlands, CA: ESRI.
Ostrom, T. (1988). Computer simulation: the third symbol system. Journal of Experimental Social
Psychology 24(5): 381-392.
Pahl-Wostl, C. (2002a). Towards sustainability in the water sector - The importance of human actors
and processes of social learning. Aquatic Sciences 64(4): 394-411.
Tesis Doctoral
Referencias 371
Pahl-Wostl, C. & Hare, M. (2004). Processes of social learning in integrated resources management.
Journal of Community and Applied Social Psychology 14(3): 193-206.
Pajares, J., Hernández, C. & López-Paredes, A. (2004). Modelling Learning and R&D in
Innovative Environments: a Cognitive Multi-Agent Approach. Journal of Artificial Societies
and Social Simulation 7(2). http://jasss.soc.surrey.ac.uk/7/2/7.html.
Pajares, J., Pascual, J. A., Hernández, C. & López-Paredes, A. (2005). The role of risk aversion
and technical trading in the behaviour of financial markets. En Troitzsch, K. G. (Eds),
Representing Social Reality. Pre-Proceedings of the Third Conference of the European
Social Simulation Association. Koblenz
Parés, M., Domene, E. & Saurí, D. (2004). Gestión del Agua en la Jardinería Pública y Privada de la
Región Metropolitana de Barcelona. Boletín de la Asociación de Geógrafos Españoles 37:
223-237.
Parker, D. C. & Meretsky, V. (2004). Measuring pattern outcomes in an agent-based model of edge-
effect externalities using spatial metrics. Agriculture, Ecosystems and Environment 101(2-3):
233-250.
Parker, M. T. (2001). What is Ascape and Why Should You Care? Journal of Artificial Societies and
Social Simulation 4(1). http://www.soc.surrey.ac.uk/JASSS/4/1/5.html.
Parker, P., Letcher, R., Jakeman, A. & other authors (2002). Progress in integrated assessment
and modelling. Environmental Modelling and Software 17(3): 209-217.
Parsons, S. & Wooldridge, M. J. (2002). Game Theory and Decision Theory in Multi-Agent
Systems. Autonomous Agents and Multi-Agent Systems 5(3): 243-254.
Parunak, H. V. D. (1998b). What can Agents do in Industry, and Why? An Overview of Industrially-
Oriented R&D at CEC. En Klusch, M. & Weiss, G. (Eds), Proceedings of the Second
International Workshop on Cooperative Information Agents II, Learning, Mobility and
Electronic Commerce for Information Discovery on the Internet, Lecture Notes in Computer
Science 1435: 1-18. Berlin: Springer-Verlag.
Universidad de Burgos
Referencias 372
Parunak, H. V. D., Savit, R. & Riolo, R. L. (1998). Agent-based modeling vs. equation-based
modeling: A case study and users' guide. En Sichman, J. S., Conte, R. & Gilbert, N. (Eds),
Multi-Agent Systems and Agent-Based Simulation, Lecture Notes in Artificial Intelligence
1534: 10-25. Berlin, Germany: Springer-Verlag.
Pascual, J. A., Pajares, J. & López-Paredes, A. (2003). Mercados Financieros Artificiales: un Paso
más hacia la Compresión de los Mercados Financieros Reales. En Redondo, A. & De Benito,
J. J. (Eds), Actas del V Congreso de Ingeniería de Organización. Valladolid-Burgos:
ADINGOR.
Pascual, J. A., Pajares, J. & López-Paredes, A. (2006). Explaining the Statistical Features of the
Spanish Stock Market from the bottom-up. En Bruun, C. (Eds), Advances in Artificial
Economics. The Economy as a Complex Dynamic System. Lecture Notes in Economics and
Mathematical Systems 584. Berlin Heidelberg: Springer.
Pavón, J. & Gómez-Sanz, J. (2003). Agent Oriented Software Engineering with INGENIAS. En
Marik, V., Müller, J. & Pechoucek, M. (Eds), Multi-Agent Systems and Applications III, 3rd
International Central and Eastern European Conference on Multi-Agent Systems, CEEMAS
2003. Lecture Notes in Artificial Intelligence 2691: 394-403. Berlin Heidelberg: Springer-
Verlag.
Pazos, J. J., Suárez, A. & Díaz, R. P. (2003). Teoría de Colas y Simulación de Eventos Discretos.
Madrid, Spain: Pearson Educación.
Pedregal, B. (2004). Estimación de la Demanda de Agua Urbana en los Planes Marco: el Caso
Español a la Luz de la Experiencia del Plan Hidrológico de California. Boletín de la
Asociación de Geógrafos Españoles 37: 183-204.
Peña, D. (1994). Estadística, Modelos y Métodos, Modelos Lineales y Series Temporales. Madrid:
Alianza.
Pérez López, C. (2005). Técnicas Estadísticas con SPSS 12. Aplicaciones al análisis de datos.
Madrid: Pearson Educación.
Pérez Ríos, J. M. (2004). A self-organizing network for the systems community. Kybernetes: The
International Journal of Systems & Cybernetics 33(3): 4-590.
Pérez Ríos, J. M. (2005). Information and Communication Technologies for Viable Organizations.
En Mulej, M. & Buchinger, E. (Eds), WOSC- World Organisation of Systems and
Cybernetics. 13th International Congress of Cybernetics and Systems And ISA- International
Sociological Association, Research Committee 51 on Sociocybernetics 6th International
Conference of Sociocybernetics. Vol.10.: 45-56. Maribor, Slovenia: University of Maribor,
Faculty of Economics and Business.
Pérez, P., Ardlie, N., Kuneepong, P., Dietrich, C. & Merritt, W. S. (2002). CATCHCROP:
Modeling crop yield and water demand for integrated catchment assessment in Northern
Thailand. Environmental Modelling and Software 17(3): 251-259.
Tesis Doctoral
Referencias 373
Pignotti, E., Edwards, P., Preece, A., Polhill, J. G. & Gotts, N. M. (2005). Semantic support for
computational land-use modelling. 5th International Symposium on Cluster Computing and
the Grid (CCGRID 2005): 840-847. Piscataway, NJ: IEEE Press.
Polhill, J. G. & Gotts, N. M. (2006). A new approach to modelling frameworks. Proceedings of the
First World Congress on Social Simulation: 50-57. Kyoto
Polhill, J. G., Gotts, N. M. & Law, A. N. R. (2001). Imitative versus nonimitative strategies in a
land-use simulation. Cybernetics and Systems 32(1-2): 285-307.
Polhill, J. G., Izquierdo, L. R. & Gotts, N. M. (2006). What every agent based modeller should
know about floating point arithmetic. Environmental Modelling & Software 21(3): 283-309.
Portugali, J. & Benenson, I. (1995). Artificial planning experience by means of a heuristic cell-space
model: simulating international migration in the urban process. Environment & Planning A
27(10): 1647-1665.
Portugali, J. & Benenson, I. (1997). Human agents between local and global forces in a self-
organizing city. En Schweitzer, F. (Eds), Self-organization of complex structures: From
individual to collective dynamics: 537-546. London, UK: Gordon & Breach.
Posada, M. (2006). Strategic Software Agents in Continuous Double Auction under Dynamic
Environment. En Corchado, E., Yin, H., Botti, V. J. & Fyfe, C. (Eds), Intelligent Data
Engineering and Automated Learning - IDEAL 2006. Lecture Notes in Computer Science
4224: 1223-1233. Berlin Heidelberg: Springer.
Posada, M. (2005). Análisis y diseño de la subasta doble. Una aproximación basada en agentes. Tesis
Doctoral. Universidad del País Valladolid.
Posada, M., Hernández, C. & López-Paredes, A. (2005). Electricity and Emission Permits Auctions
in Spain: an ABM Analysis. En Troitzsch, K. G. (Eds), Representing Social Reality. Pre-
Proceedings of the Third Conference of the European Social Simulation Association.
Koblenz
Posada, M., Hernández, C. & López-Paredes, A. (2006a). Learning in a continuous double auction
market. En Mathieu, P., Beaufils, B. & Brandouy, O. (Eds), Artificial Economics. A
Symposium in Agent-based Computational Methods in Finance, Game Theory and their
applications. Lecture Notes in Economics and Mathematical Systems 564: 41-51. Berlin
Heidelberg: Springer-Verlag.
Rao, A. S. (1996). AgentSpeak(L): BDI agents speak out in a logical computable language. En Van
de Velde, W. & Perram, J. (Eds), Proceedings of the Seventh Workshop on Modelling
Autonomous Agents in a Multi-Agent World (MAAMAW'96), Lecture Notes in Artificial
Intelligence 1038: 42-55. London, UK: Springer-Verlag.
Reitsma, R., Zigurs, I., Lewis, C., Wilson, V. & Sloane, A. (1996). Experiment with simulation
models in water-resources negotiations. Journal of water resources planning and
management 122(1): 64-70.
Universidad de Burgos
Referencias 374
Renwick, M. E. & Archibald, S. O. (1998). Demand side management policies for residential water
use: Who bears the conservation burden? Land Economics 74(3): 343-359.
Repenning, A. & Sumner, T. (1995). Agentsheets: A Medium for Creating Domain-Oriented Visual
Languages. IEEE Computer 28: 17-25.
Resnick, M. (1995). Turtles, Termites, and Traffic Jams: Explorations in Massively Parallel
Microworlds (Complex Adaptive Systems). Cambridge, US: MIT Press.
Ríos, D., Ríos, S. & Martín, J. (1997). Simulación. Métodos y Aplicaciones. Madrid: RA-MA
Editorial.
Rotmans, J. & Dowlatabadi, H. (1997). Integrated Assessment Modeling. En Rayner, S. & Malone,
E. L. (Eds), Human Choice and Climate Change. Vol. 3, The Tools for Policy Analysis: 291-
377. Columbus Ohio: Battle Press.
Rowe, G., Wright, G. & Bolger, F. (1991). Delphi: a reevaluation of research and theory.
Technological Forecasting & Social Change 39(3): 235-251.
Russell, S. J. & Norvig, P. (1996). Inteligencia artificial: un enfoque moderno. México: Prentice Hall
Hispanoamericana.
Salvi, R. (2002). The Navier-Stokes equations. Theory and numerical methods. Lecture Notes in Pure
and Applied Mathematics. New York, NY: Marcel Dekker.
Sansores, C. & Pavón, J. (2005a). Agent-based simulation replication: A model driven architecture
approach. En Gelbukh, A. F., de Albornoz, A. & Terashima-Marín, H. (Eds), MICAI 2005:
Advances in Artificial Intelligence, 4th Mexican International Conference on Artificial
Intelligence, Monterrey, Mexico, November 14-18, 2005, Proceedings. Lecture Notes in
Computer Science 3789, 3789 LNAI edn: 244-253. Berlin Heidelberg: Springer.
Sansores, C., Pavón, J. & Gómez-Sanz, J. (2006). Visual modeling for complex agent-based
simulation systems. En Sichman, J. S. & Antunes, L. (Eds), Multi-Agent-Based Simulation
VI, International Workshop, MABS 2005, Utrecht, The Netherlands, July 25, 2005, Revised
and Invited Papers. Lecture Notes in Computer Science 3891, 3891 LNAI edn: 174-189.
Berlin Heidelberg: Springer.
Sansores, C. & Pavón, J. (2005b). Simulación Social Basada en Agentes. Inteligencia Artificial,
Revista Iberoamericana de Inteligencia Artificial 9(25): 71-78.
Santos, J. I., del Olmo, R. & Pajares, J. (2005). Fenómenos de difusión de conocimiento y
dimensión geográfica de la innovación, una aproximación multi-agente. IX Congreso de
Ingeniería de Organización. Oviedo: ADINGOR.
Santos, J. I., Galán, J. M. & del Olmo, R. (2006). An Agent-Based Model of Personal Web
Communities. En Corchado, E., Yin, H., Botti, V. J. & Fyfe, C. (Eds), Intelligent Data
Engineering and Automated Learning - IDEAL 2006. Lecture Notes in Computer Science
4224: 1242-1249. Berlin Heidelberg: Springer.
Tesis Doctoral
Referencias 375
Sanz, P., Benito, J. J., Arauzo, J. A. & del Olmo, R. (2004a). CIM y Empresa Virtual: la
integración como forma de supervivencia. Actas del VIII Congreso de Ingeniería de
Organización: 183-192. Leganés: ADINGOR.
Sanz, P., De Benito, J. J., Arauzo, J. A. & del Olmo, R. (2004b). An agent-based framework for
selection of partners modelling in a virtual enterprise. Decision and Simulation in
Engineering and Management Science - International Conference on Modelling and
Simulation, ICMS'04: 177-178
Sargent, R. G. (2003). Verification and Validation of Simulation Models. En Chick, S., Sánchez, P.
J., Ferrin, D. & Morrice, D. J. (Eds), Proceedings of the 2003 Winter Simulation Conference:
37-48. Piscataway, NJ: IEEE.
Saurí, D. (2003). Lights and Shadows of Urban Water Demand Management. The case of the
Metropolitan Region of Barcelona. European Planning Studies 11(3): 233-247.
Saurí, D., Lopez, A., Galán, J. M., Capellades, M. & Rivera, M. (2003). Aproximación a la
Demanda Doméstica de Agua Mediante Modelos Multiagente. El Caso de la Región
Metropolitana de Barcelona. Ingeniería Civil 131: 147-151.
Schefter, J. E. & Davis, E. L. (1985). Estimating residential water demand under multi-tariffs using
aggregate data. Land Economics 61(3): 272-280.
Shannon, R. E. (1998). Introduction to The Art And Science of Simulation. En Medeirso, D. J.,
Watson, E. F., Carson, J. S. & Manivannan, M. S. (Eds), Proceedings of the 1998 Winter
Simulation Conference: 7-14. Washington, DC
SHELL (2003). Scenarios: An Explorer's Guide. London, UK: Global Business Environment Shell
International.
Stanley, H. E., Andrade, J., Havlin, S., Makse, H. A. & Suki, B. (1999). Percolation phenomena: a
broad-brush introduction with some recent applications to porous media, liquid water, and
city growth. Physica A: Statistical Mechanics and its Applications 266(1-4): 5-16.
Star, J. & Estes, J. E. (1990). Geographic Information Systems: An Introduction. Upper Saddle
River, NJ: Prentice Hall.
Stefansson, B. (2000). Simulating Economic Agents in Swarm. En Luna, F. & Stefansson, B. (Eds),
Economic Simulations in Swarm: Agent-Based Modelling and Object Oriented
Programming: 3-62. Dordrecht / Boston / London: Kluwer Academic Publisher.
Sterman, J. (2000). Business dynamics: systems thinking and modeling for a complex world. Boston,
MA: Irwin/McGraw-Hill.
Strang, D. & Macy, M. W. (2001). In search of excellence: Fads, success stories, and adaptive
emulation. American Journal of Sociology 10(1): 147-182.
Suleiman, R., Troitzsch, K. G. & Gilbert, N. (2000). Tools and Techniques for Social Science
Simulation. Heidelberg, New York: Physica-Verlag.
Universidad de Burgos
Referencias 376
Taylor, A. J. (1983). The Verification of Dynamic Simulation Models. Journal of the Operational
Research Society 34(3): 233-242.
Taylor, L. D. (1975). The Demand for Electricity: A Survey. Bell Journal of Economics 6(1): 74-110.
Terano, T., Deguchi, H. & Takadama, K. (2003). Meeting the Challenge of Social Problems via
Agent-Based Simulation. Post-Proceedings of the Second International Workshop on Agent-
Based Approaches in Economic and Social Complex Systems. Tokio, Japan: Springer-Verlag.
Terna, P. (1998). Simulation Tools for Social Scientists: Building Agent Based Models with
SWARM. Journal of Artificial Societies and Social Simulation 1(2).
http://www.soc.surrey.ac.uk/JASSS/1/2/4.html.
Tesfatsion, L. (2002). Agent-based computational economics: Growing economies from the bottom
up. Artificial Life 8(1): 55-82.
Thornthwaite, C. W. & Mather, J. R. (1955). The water balance. Centerton, NJ: Drexel Institute of
Techonology-Laboratory of Climatology.
Tobias, R. & Hofmann, C. (2004). Evaluation of free Java-libraries for social-scientific agent based
simulation. Journal of Artificial Societies and Social Simulation 7(1).
http://jasss.soc.surrey.ac.uk/7/1/6.html.
Troitzsch, K. G. (1997). Social simulation – origins, prospects, purposes. En Conte, R., Hegselmann,
R. & Terna, P. (Eds), Simulating Social Phenomena, Lecture Notes in Economics and
Mathematical Systems 456: 41-54. Berlin: Springer-Verlag.
Turner, A. and White, S. (2003). ACT Water Strategy: Preliminary Demand Management and Least
Cost Planning Assessment. Institute for Sustainable Futures for ACTEW Corporation.
Turner, A., White, S. & Bickford, G. (2005). The Canberra least cost planning case study. Water
Science and Technology: Water Supply 5(3-4): 257-263.
Valente, T. W. (1995). Network Models of the Diffusion of Innovations. Cresskill, NJ: Hampton Press
Inc.
Voronoi, G. F. (1908). Nouvelles applications des paramètres continus à la théorie des formes
quadratiques, deuxième memoire, recherche sur les parallelloèdres primitifs. Journal für die
Reine und Angewandte Mathematik 134: 198-287.
Walker, D. C., Hill, G., Smallwood, R. H. & Southgate, J. (2004). Agent-based computational
modelling of wounded epithelial cell monolayers. IEEE Transactions on Nanobioscience 3:
153-163.
Tesis Doctoral
Referencias 377
Wan, H. A., Hunter, A. & Dunne, P. (2002). Autonomous Agent Models of Stock Markets.
Artificial Intelligence Review 17(2): 87-128.
Wang, Q. & Heller, M. (1996). Hybrid Box-Jenkins and neural network forecasting of potable water
demand. Intelligent Engineering Systems Through Artificial Neural Networks: 801-807
White, S., Milne, G. & Riedy, C. (2004). End use analysis: Issues and lessons. Water Science and
Technology: Water Supply 4(3): 57-65.
White, S., Robinson, J., Cordell, D., Jha, M. & Milne, G. (2003). Urban Water Demand
Forecasting and Demand Management: Research Needs Review and Recommendations.
Water Services Association of Australia Occasional Paper 9.
http://www.isf.uts.edu.au/publications/OccasionalPaperNo9Final.pdf.
Wolpert, J. (1965). Behavioral Aspects of the Decision to Migrate. Papers and Proceedings of the
Regional Science Association 15: 159-169.
Wooldridge, M. J. (2002). An Introduction to Multiagent Systems. New York: John Wiley & Sons
Ltd.
Wooldridge, M. J. & Jennings, N. R. (1995). Intelligent Agents: Theory and Practice. Knowledge
Engineering Review 10(2): 115-152.
Yeh, A. G. O. (2005). The Integration of Case-Based Reasoning and GIS in a Planning Support
System. En Maguire, D. J., Batty, M. & Goodchild, M. F. (Eds), GIS, Spatial Analysis, and
Modeling: 289-314. Redlands, CA: ESRI Press.
Universidad de Burgos
Referencias 378
Tesis Doctoral
Índice de figuras 379
ÍNDICE DE TÉRMINOS
A D
ABM. Agent Based Modelling DAWN, 208
ABS. Agent Based Systems DCPs. ResidentialDevelopment Control Plans
ABSS. Agent Based Social Simulation Declarativo, 107, 304
Agent Based Systems. Véase Sistemas basados en Deducción, 90
agentes Demanda, 39
Agent-based modelling. Véase Modelado basado en Demanda de consumo neto. Véase Demanda de
agentes suministro
Agent-based simulation modelling. Véase Demanda de recursos del medio natural, 39
Simulación y modelado basado en agentes Demanda de suministro, 39
Agent-based social simulation. Véase Simulación Demanda doméstica de agua, 40, 44, 54
social basada en agentes Demanda en distribución, 39
Agente, 78, 79, 112 Demanda en producción, 39
Agente cognitivo, 112 Demanda específica de agua, 42
Agente inteligente, 78 Demanda urbana de agua, 40, 44, 45
Agente reactivo, 112 Dependencia histórica, 99, 108
AgentSheets, 298, 310 Desire, 299
AgentSpeak, 314 Diagrama de Voronoi, 180, 181, 183, 345
Algoritmo de asignación de las acometidas a la Dinámica del modelo, 110
manzana, 335 DLA. Diffusion-Limited Aggregation
Algoritmo de asimilación desde subparcelas a
parcelas, 324
Algoritmo de doble interpolación lineal, 188 E
Algoritmo modificado de Thornthwaite, 143
Alisado exponencial de Holt-Winters, 59 Emergencia, 93
Alisado exponencial doble de Holt, 59 Emergencia de segundo orden, 93
Análisis de escenarios, 71 Endorsement, 143, 194, 195
Análisis discriminante, 327 Entorno, 110, 111, 112
Análisis matemático, 90 Entorno centralizado, 111
Antecedente, 305 Entorno distribuido, 111
ArcGIS, 141 Entorno híbrido, 111
ARIMA, 37, 62, 63, AutoRegresive Integrated Envolvente convexa, 180, 182
Moving Average Equivalencia distribucional, 115
Artefacto, 116, 117, 118 Equivalencia relacional, 116
Artificial Stock Market, 99, 114 Error, 116, 117
Ascape, 298, 308 Estacionalidad, 344
Autómata celular, 121, 138 Estado de un sistema, 283
Autonomía, 78 Estado evolutivamente estable, 100
Etiquetado energético, 48, 49
Evapotranspiracion, 39
B Extendibilidad, 107
Bottom-up, 121
F
C Fine-grained, 80
FIRMA. Freshwater Integrated Resource
Celda de Delaunay, 182 Management with Agents
Celda de Voronoi, 181 FIRMABAR, 144, 145, 207, 299
Coarse-grained, 80 Formalización matemática, 88
Coeficiente de imitación, 202
Coeficiente de innovación, 202
Computer scientist, 101, 102, 124 G
Consecuente, 305
Consumo, 39 Garantía anual, 42
Consumo actual de agua, 42 GAS, 141, Geographic Automata System
Cormas, 141, 152, 160, 299, 313, 314 GeoGraph, 301
Geographic Information System. Véase Sistema de
Información Geográfico
Universidad de Burgos
Índice de términos 380
Tesis Doctoral
Índice de figuras 381
S U
SDML, 107, 142, 304, 307, Strictly Declarative UML. Unified Modelling Language
Modelling Language Usabilidad, 107
SeSAm, 315 Uso, 38
SIG. Véase Sistema de Información Geográfico Uso per cápita, 35, 36, 55, 56
SIG vectorial, 137 Utilidad, 113
Sim2Web, 316 Utilización, 38
SimBioSys, 317
Simulación, 286
Simulación asíncrona, 287 V
Simulación basada en agentes, 92, 93, 95
Simulación basada en multi-agente, 96 Validación, 116, 117, 291
Simulación computacional, 89 Validación conceptual del modelo, 117
Simulación de Monte Carlo, 287 Validación estructural, 117
Simulación multi-agente, 96 Validación interna. Véase Verificación
Simulación orientada a intervalos. Véase Validez, 107
Simulación síncrona Variable de estado, 283
Simulación orientada a sucesos. Véase Simulación Vecindad de Moore, 180
asíncrona Vecindad de Von Neumann, 180
Simulación síncrona, 287 Verificación, 116, 291
Simulación social basada en agentes, 96, 103, 108 Vértice de Voronoi, 181
Simulación y modelado basado en agentes, 96 VSEit, 315
Sistema, 283
Sistema de Información Geográfico, 133, 135, 301
Sistema Multiagente, 80 X
Sistemas ambientales, 129
Sistemas basados en agentes, 77, 93 Xerijardinería, 51
Sistemas continuos, 283
Universidad de Burgos
Índice de términos 382
Tesis Doctoral
Índice de figuras 383
ÍNDICE DE FIGURAS
Universidad de Burgos
Índice de términos 384
Tesis Doctoral
Índice de figuras 385
Figura 51. Niveles flujos y relaciones causales en el modelo de difusión de Bass expresado como
modelo de dinámica de sistemas y su modelo matemático asociado. A partir de Borshchev
y Filippov (2004). ..................................................................................................................... 203
Figura 52. Diagrama de estados para la adaptación del modelo de Bass como modelo basado en
agentes propuesto por Borshchev y Filippov (2004)............................................................. 205
Figura 53. Correspondencia entre un proceso de dinámica de sistemas y modelo de estados para
modelar con agentes en el caso de una tasa proporcional al nivel. En la parte de la derecha
arriba, se muestra la aproximación asíncrona del modelo, en la parte de la derecha se
muestra la función de distribución con nuestra aproximación síncrona para un tick dado.
................................................................................................................................................... 206
Figura 54. Ejemplo de las curvas de difusión de la innovación en la aproximación discreta para
100 agentes (a la izquierda) y 10000 agentes (a la derecha), efectividad de la transmisión
externa de 0.01, una tasa de contacto de 10.0 y una fracción de adopción de 0.015. Nótese
como a mayor número de agentes la aproximación continua del modelo de Bass representa
más fielmente el proceso discreto implementado.................................................................. 207
Figura 55. Esquema sintetizado del modelo integrado. ................................................................. 210
Figura 56. Evolución de la disonancia media (izquierda) y de la difusión de la tecnología
(derecha) en el escenario 1 básico. ......................................................................................... 217
Figura 57. Evolución temporal del consumo de agua doméstico en el Escenario 1 básico. ........ 218
Figura 58. Evolución temporal de la población en el Escenario 1 básico..................................... 219
Figura 59. Mapa de los incrementos de población medidos en número de familias desde la
situación inicial de la simulación a los resultados obtenidos bajo las hipótesis del Escenario
1 básico. .................................................................................................................................... 219
Figura 60. Mapa de consumo total por manzana (derecha) y de densidad por familia (izquierda)
obtenidos en el Escenario 1 básico. ........................................................................................ 220
Figura 61. Mapa de variación de actitud social respecto a la situación inicial en el Escenario 1
básico. ....................................................................................................................................... 221
Figura 62. Proporción de familias con comportamiento S en el Escenario 1 dependiendo del
valor del parámetro es, y bajo la hipótesis de modelo de difusión de comportamiento de
Young-Edwards. ...................................................................................................................... 222
Figura 63. Efecto del parámetro es sobre el consumo a lo largo de los 40 trimestres en el
Escenario 1 con el modelo de difusión de comportamiento de Young-Edwards. .............. 223
Figura 64. Proporción de familias con comportamiento S en el Escenario 1 dependiendo del
valor del parámetro es, y bajo la hipótesis de modelo de difusión de comportamiento
basado en endorsements. ......................................................................................................... 225
Figura 65. Ahorro porcentual respecto a la situación es = 0.0 en función del modelo de difusión
del comportamiento y de es. .................................................................................................... 225
Figura 66. Efecto del parámetro es sobre el consumo a lo largo de los 40 trimestres en el
Escenario 1 con el modelo de difusión de comportamiento basado en endorsements. ....... 226
Figura 67. Curvas de adopción de la innovación tecnológica bajo los diferentes perfiles en el
Escenario 1. .............................................................................................................................. 228
Figura 68. Porcentaje de ahorro en el consumo total respecto al Escenario 1 básico generado por
la innovación tecnológica en el Escenario 1 bajo diferentes perfiles de velocidad de
adopción. .................................................................................................................................. 229
Figura 69. Curvas de adopción de la innovación tecnológica en el modelo de Bass acoplado, con
perfil de adopción lento, para los diferentes modelos de difusión de comportamiento y de es
en el Escenario 1. ..................................................................................................................... 231
Figura 70. Curvas de adopción de la innovación tecnológica en el modelo de Bass acoplado, con
perfil de adopción intermedio, para los diferentes modelos de difusión de comportamiento
y de es en el Escenario 1. ......................................................................................................... 232
Figura 71. Curvas de adopción de la innovación tecnológica en el modelo de Bass acoplado, con
perfil de adopción rápido, para los diferentes modelos de difusión de comportamiento y de
es en el Escenario 1. ................................................................................................................. 233
Figura 72. Porcentaje de ahorro en el consumo total respecto al Escenario 1 básico, generado
por la innovación tecnológica en el modelo de Bass acoplado con perfil de adopción lento,
en el Escenario 1 y bajo diferentes modelos de difusión de comportamiento y valores de es.
................................................................................................................................................... 234
Figura 73. Porcentaje de ahorro en el consumo total respecto al Escenario 1 básico, generado
por la innovación tecnológica en el modelo de Bass acoplado con perfil de adopción
Universidad de Burgos
Índice de términos 386
Tesis Doctoral
Índice de figuras 387
Universidad de Burgos
Índice de términos 388
la que hay censadas seis residentes, por lo que los consumos son altísimos; se trata
claramente de un outlier. La fotografía de la derecha son las parcelas de referencia 29917
y 31901, en la zona de Santa Ana-El Peral, con unos consumos por persona incluso
mayores que en la fotografía de la izquierda. ....................................................................... 338
Figura 130. La figura de la derecha muestra el mapa de manzanas de la ciudad de Valladolid, la
figura de la izquierda muestra el diagrama de Delaunay de la misma región. Los nodos del
gráfico de Delaunay muestran los centroides de las manzanas, los segmentos de unión la
relación de vecindad de los nodos. Los segmentos de tamaño mayor a 300 metros se
excluyen en términos de cómputo de vecindades (no en el dibujo). .................................... 346
Figura 131. Esta figura muestra un mapa de densidades de una zona de Valladolid en cuanto al
comportamiento inicial. Mayor intensidad de verde implica un porcentaje mayor de
comportamiento S, mayor intensidad de azul implica un porcentaje mayor de
comportamiento NS. ............................................................................................................... 348
Tesis Doctoral
Índice de tablas 389
ÍNDICE DE TABLAS
Tabla 1. Tabla que ejemplifica los diferentes usos urbanos del agua. Fuente: Urban Water Use
Characteristics in the Metropolitan Water District of Southern California, Metropolitan
Water District, Planning División, 1993. ................................................................................. 40
Tabla 2. Diferentes usos finales de consumos domésticos del agua para familias individuales.
Fuente: Urban Water Use Characteristics in the Metropolitan Water District of Southern
California, Metropolitan Water District, Planning División, 1993. ...................................... 41
Tabla 3. Series de datos analizables para estimar su influencia en la demanda de consumo
urbano de agua. A partir de (Gistau & García-Poveda, 1993; DWR, 1998). ....................... 43
Tabla 4. Comparación de aproximaciones de integración entre SIG y sistemas de modelado.
Fuente: Westervelt (2002) y Maguire (2005). ........................................................................ 140
Tabla 5. Plataforma de entidades sociales (Galán et al., 2007). .................................................... 146
Tabla 6 ............................................................................................................................................... 185
Tabla 7. Parámetros utilizados para las simulaciones básicas del escenario 1. ........................... 216
Tabla 8. Parámetros de configuración del modelo de difusión del comportamiento basado en el
mecanismo de endorsement. .................................................................................................... 223
Tabla 9. Parámetros de definición de los diferentes perfiles de adopción de una innovación
tecnológica en el modelo de Bass. ........................................................................................... 227
Tabla 10. Parámetros de definición del perfil de velocidad de adopción del modelo de difusión
de la innovación en el modelo de Bass acoplado. En cada perfil se estudia el efecto del
modelo de difusión del comportamiento y de es. ................................................................... 230
Tabla 11. Parámetros de configuración de la población inmigrante en el Escenario 2. ............. 237
Tabla 12. Parámetros utilizados para las simulaciones básicas del escenario 2. ......................... 237
Tabla 13. Parámetros de configuración del modelo de difusión del comportamiento basado en el
mecanismo de endorsement. .................................................................................................... 245
Tabla 14. Parámetros de definición de los diferentes perfiles de adopción de una innovación
tecnológica en el modelo de Bass. ........................................................................................... 247
Tabla 15. Parámetros de definición del perfil de velocidad de adopción del modelo de difusión
de la innovación en el modelo de Bass acoplado. En cada perfil se estudia el efecto del
modelo de difusión del comportamiento y de es. ................................................................... 249
Tabla 16. Barrios con determinación de precios de la vivienda exógenos al modelo de
actualización del valor de la vivienda de Benenson. ............................................................. 254
Tabla 17. Parámetros utilizados para las simulaciones básicas del escenario 3. ......................... 255
Tabla 18. Principales diferencias entre RePast y SDML como paradigmas de programación
procedimental (o procedural ) y declarativa. Fuente: Galán et al. (2003b). ....................... 307
Tabla 19. Resultado de la prueba de Box en el primer análisis. ................................................... 328
Tabla 20. Resultados de la primera clasificación. .......................................................................... 328
Tabla 21. Resumen del procesamiento para el análisis de casos ................................................... 329
Tabla 22. Estadísticos de grupo. ...................................................................................................... 330
Tabla 23. Pruebas de igualdad de las medias de los grupos. ......................................................... 331
Tabla 24. Variables introducidas/eliminadas ................................................................................. 331
Tabla 25. Variables en el análisis..................................................................................................... 331
Tabla 26. Variables no incluidas en el análisis. .............................................................................. 332
Tabla 27. Lambda de Wilks. ............................................................................................................ 332
Tabla 28. Autovalores. ...................................................................................................................... 332
Tabla 29. Lambda de Wilks. ............................................................................................................ 333
Tabla 30. Coeficientes estandarizados de las funciones discriminantes canónicas. .................... 333
Tabla 31. Matriz de estructura. ....................................................................................................... 333
Tabla 32. Coeficientes de las funciones canónicas discriminante. ................................................ 334
Tabla 33. Funciones en los centroides de los grupos. ..................................................................... 334
Tabla 34. Coeficientes de la función de clasificación. .................................................................... 334
Tabla 35. Resultados de la clasificación. ......................................................................................... 334
Tabla 36. Tabla resumen del modelo. ............................................................................................. 338
Tabla 37. Tabla ANOVA. ................................................................................................................. 339
Tabla 38. Tabla de coeficientes. ....................................................................................................... 339
Tabla 39. Variable introducidas/eliminadas. .................................................................................. 340
Universidad de Burgos
Índice de tablas 390
Tabla 40. Resumen de los modelos. Los modelos 1, 2 y 3 hacen referencia a los tres modelos que
se forman mediante el método de selección por pasos antes de llegar a un punto de
estabilidad. El modelo 1 tiene las variables independientes de la nota a), el modelo 2 las de
la nota b) y el modelo 3, el modelo finalmente seleccionado, las de la nota c). .................. 341
Tabla 41. Tablas ANOVA de los tres diferentes modelos. ............................................................ 341
Tabla 42. Tabla de los coeficientes de los diferentes modelos. ...................................................... 342
Tabla 43. Descriptivos principales de los datos analizados sin el modelo de regresión. ............. 342
Tabla 44. Tabla resumen con los datos de consumos medios y desviaciones típicas por tipología
de vivienda y total en diferentes unidades. ........................................................................... 342
Tabla 45. Variables excluidas en el método de selección por pasos. ............................................ 343
Tabla 46. Diagnósticos de colinealidad. .......................................................................................... 344
Tabla 47. Tabla con el componente estacional de las casas bajas de perfil de consumo bajo.
Datos tanto para el modelo aditivo como el multiplicativo. ................................................ 344
Tabla 48. Tabla con el componente estacional de pisos y viviendas bajas de consumo medio.
Datos tanto para el modelo aditivo como el multiplicativo. ................................................ 345
Tabla 49. Tabla con el componente estacional de viviendas bajas de consumo alto. Datos tanto
para el modelo aditivo como el multiplicativo. ..................................................................... 345
Tabla 50. Tabla con el componente estacional de viviendas bajas de consumo muy alto. Datos
tanto para el modelo aditivo como el multiplicativo. ........................................................... 345
Tabla 51. Municipios del alfoz y empresa encargas de la gestión................................................. 348
Tabla 52. Número de familias según el número de miembros que las componen ....................... 349
Tabla 53. Probabilidad de existencia de familias según su número de miembros ...................... 349
Tesis Doctoral
Índice de tablas 391
Universidad de Burgos