Quelle méthode d'analyse de sensibilité devrais-je utiliser pour mon modèle basé sur des agents ?

Les méthodologies existantes d'analyse de sensibilité peuvent être insuffisantes pour une analyse adéquate des modèles basés sur des agents (MBA). La plupart des MBA se composent de plusieurs niveaux, contiennent diverses interactions non linéaires et affichent un comportement émergent. Cela limite le contenu d'information qui découle des méthodologies classiques d'analyse de sensibilité qui lient la sortie du modèle à l'entrée du modèle. Dans cet article, nous évaluons la performance de trois méthodologies bien connues pour l'analyse de sensibilité. Les trois méthodologies sont OAT étendu (one-at-a-time) et assignation proportionnelle de la variance de sortie au moyen de l'ajustement du modèle et par le biais de la décomposition de Sobol. Ces méthodologies sont appliquées à une étude de cas de complexité limitée consistant en des agents errants et se reproduisant qui prennent des décisions de récolte concernant une ressource renouvelable en diffusion. Nous constatons que chaque méthodologie a ses propres mérites et expose des informations utiles, mais aucune d'elles ne fournit une image complète du comportement du modèle. Nous recommandons l'OAT étendu comme point de départ pour l'analyse de sensibilité d'un MBA, pour son utilisation dans la découverte des mécanismes et des modèles que produit le MBA.