Modelos Regionales de Interaccin Espacial y

Modelos Basados en Agentes: Una Aplicacin

Computacional usando Sistemas de
Informacin Geogrfica
Marcos Valdivia Lpez1
Nelly Linares Snchez2
Jos Antonio Huitrn Mendoza3

I.

INTRODUCCIN

Existe un nmero relativamente amplio de tcnicas y mtodos para analizar la

economa de una regin. Desde la construccin de ndices de localizacin y
concentracin, hasta sofisticados modelos de econometra espacial. En este
captulo discutimos una metodologa denominada Modelos Basados en Agentes y
Simulacin (MBAS), que ha tenido recientemente bastante aceptacin en algunos
circuitos de la disciplina econmica, dada su potencialidad para

modelar la

interaccin entre agentes econmicos heterogneos, algo que por cierto ha sido
poco tratado en la disciplina dada su dificultad. De igual manera, en este captulo
presentamos una aplicacin de un modelo de interaccin espacial de la zona
metropolitana de la Ciudad de Mxico integrado a sistemas de informacin
geogrfica, con el propsito de introducir al lector al terreno de la simulacin
computacional en el rea de la Economa Urbana y Regional.
El significado que tiene en la economa y en particular dentro de las
ciencias regionales el empleo de Modelos Basados en Agentes y Simulacin

Investigador de tiempo completo adscrito al CRIM-UNAM y coordinador del proyecto Un modelo

computacional de interaccin espacial para explorar el crecimiento econmico y las externalidades
tecnolgicas e informativas de las zonas metropolitanas de la Regin Centro E-mail:
marcosv@correo.crim.unam.mx
2
Colaborador en el proyecto Un modelo computacional de interaccin espacial. E-.mail
neeslisa@yahoo.com.mx
3
Estudiante de la maestra en Economa en la FES-Acatln y colaborador en el proyecto: Un modelo
computacional de interaccin espacial. E-.mail jose_eco71@yahoo.com.mx

(MBAS), es que nos permite estudiar, al momento de incorporar al espacio como

variable y dimensin en la actividad econmica, fenmenos que tienden a ser
analticamente intratables. Asimismo, los MBAS permiten al investigador tener
mayor flexibilidad en el planteamiento de los supuestos tericos para modelar un
problema econmico por que permite un mayor realismo a las premisas de las que
se parte para explicar un proceso, en contraste con los modelos abstractos (y
poco realistas) que son convencionalmente usados en el rea de la economa
urbana y regional.

Antecedentes de los MBAS

Los MBAS4 han despertado inters en el campo de la economa porque permiten
modelar eficazmente la interaccin entre individuos o agentes heterogneos que
conforman un sistema econmico. Aunque los MBAS no son una metodologa que
surge de la disciplina econmica, han sido incorporados en sta porque han
mostrado gran utilidad tanto en los estudios de los mercados financieros, las
externalidades y especficamente en la interaccin social de los agentes
econmicos.
Si bien se pueden mencionar diversos estudios clsicos sobre el inicio de
los MBAS en las ciencias sociales (Axelrod 2007),5 quizs Epstein y Axtell (1996)
tengan el antecedente ms importante del uso explcito de MBAS en la economa
al analizar la formacin de precios, distribucin del ingreso y segregacin
residencial dentro de esta perspectiva.
La metodologa de los MBAS sugiere una forma particular de estudiar la
economa, en comparacin con el paradigma neoclsico que parte de una
estructura deductiva en la que se postula una serie de axiomas y supuestos para
modelar funcionalmente las relaciones entre variables que explican un proceso
econmico, los MBAS en contraste privilegian un razonamiento inductivo al no
imponer una generalizacin (u homogeneidad) en las relaciones funcionales de las
variables y, con ello perseguir una mayor conexin con el comportamiento real de
los agentes econmicos.6
En este sentido, la economa convencional [neoclsica] puede verse como
una teora en donde los agentes toman decisiones de cualquier ndole, para
maximizar beneficios individuales bajo condiciones de restriccin o de recursos
escasos. Para garantizar que las decisiones de los agentes sean ptimas, la teora
4

Los MBAS han sido utilizados para estudiar en particular complejidad; sin embargo, tambin
existen otros enfoques cercanos para analizar sistemas complejos en las ciencias sociales, por
ejemplo, modelos multi-agente, autmatas celulares, etc. Para ver una historia breve de este tipo
de modelos recomendamos ver el captulo uno del libro de Nigel Gilbert y Klaus G. Troitzsch,
titulado: Simulacin para las ciencias sociales.
5
Por ejemplo, el modelo de diseminacin de la cultura propuesto por Axelrod (1997) incluido en
Axelrod 2007, es un clsico de cmo los MBAS pueden ser utilizados en el mbito de la
antropologa.
6
Algunos estudiosos consideran que los MBAS satisface varios de los principios de la postura
filosfica del Realismo Cientfico de Van Fraassen (Epstein, 1999)

econmica

debe

asumir

ciertos

supuestos

sobre

el

comportamiento

caractersticas de dichos agentes. En particular, un supuesto importante en la

teora es que los agentes sean homogneos y que cada uno tome decisiones de
manera independiente, es decir, sin importar el comportamiento o decisiones de
los otros agentes. En este mundo ideal, las interacciones entre los agentes son
pasivamente mediadas a travs de un sistema de precios y dividendos; es decir,
los consumidores y/o firmas son slo tomadores de precios, que estn dados, y
que por medio de un problema de decisin les permiten maximizar utilidad o
ganancia.
As, los modelos econmicos convencionales en general no admiten que
ocurran interacciones cara a cara y que exista interdependencia en las decisiones
de los agentes. Estas condiciones hacen pensar que las transacciones
econmicas, las decisiones de los individuos, organizaciones, grupos o cualquier
tipo de expresin colectiva todos estos pueden tener el carcter genrico de
agentes, se llevan a cabo en un espacio explcito que influye sobre estos, y por
tanto de una mayor probabilidad de que exista heterogeneidad en el
comportamiento de dichos agentes.
A partir del producto de la interaccin entre diversos agentes7 surgen los
resultados (agregados) que comnmente estudiamos a partir tcnicas como la
estadstica o la econometra para el caso particular de los economistas. La
produccin, la distribucin y el consumo, en general, de la economa debe ser
entendida como una red extensa que se teje a partir de la interaccin de una
cantidad

grande

de

agentes,

que

adems

no

comparten

las

mismas

caractersticas.
Ms adelante presentamos un ejercicio aplicado que aunque no puede
denominarse propiamente un MBAS, comparte muchos de los principios y
caractersticas de un MBAS que detallamos anteriormente. Al respecto, definamos
concretamente lo que es un modelo de esta naturaleza, siguiendo a Axelrod

Es preciso hacer nfasis que un agente en el contexto de esta metodologa no se refiere al

individuo representativo del mundo neoclsico. Asimismo, en el contexto de la metodologa de la
complejidad aplicada a las ciencias sociales y en particular en la economa un agente puede ser un
conjunto de empresas, una rama industrial, una organizacin, un sindicato, etctera.

(2007: 93), podemos decir que este tipo de simulacin se caracteriza por la
existencia de muchos agentes los cuales interactan con otros con una pequea o
inexistente direccin central, en un espacio explcito pudiendo ser una
representacin geogrfica y que siguen determinadas reglas de comportamiento
de acuerdo a sus cualidades y caractersticas particulares, tal interaccin genera
resultados globales que dan cuenta de regularidades empricas pudiendo stas
estar consideradas dentro de alguna teora existente por lo general las reglas
parten de planteamientos tericos previos, o plantear nuevas rutas para
reflexionar sobre otras posibles explicaciones.
Es importante enfatizar en que la metodologa de los MBAS contempla que los
sistemas sociales son de naturaleza descentralizada.8 Al decir que la economa no
tiene algn tipo de direccin podemos pensar en el ejemplo de la formacin de
precios, la cual dista mucho de ser la historia walrasiana del subastador (vase
Tesfatsion (2005) y Albin y Foley (1998)) , por el contrario, procesos como la
formacin de precios, los niveles de produccin, las tasas de inters y todo aquello
que observamos de manera comnmente agregada, son resultado de la forma en
que un nmero considerable de entidades econmicas que, en lo particular
deciden, realizan transacciones y en general interactan, para cumplir objetivos
particulares o colectivos.
II.

ELEMENTOS BSICOS DE UNA METODOLOGA DE INTERACCIN

DE AGENTES HETEROGNEOS

Este apartado consiste en presentar de manera sinttica la metodologa de los

MBAS. Partimos de la idea de que en economa y en general en las ciencias
sociales los fenmenos que se abordan son de naturaleza inestable, segn
Gilbert y Troitzsch (2006: 15): el objetivo [de estudio] es siempre una entidad
dinmica, que cambia a travs del tiempo y reacciona a su entorno.. En
cuestiones de Economa Regional, esto es an ms explcito dado que al tomar en

Aqu el planteamiento consiste en que al existir agentes heterogneos, stos asumen decisiones
y comportamientos que no dependen en lo absoluto de un ente que dirija o controle de manera
central la direccin de un sistema econmico-social.

consideracin sus componentes, se observa de manera ms clara el carcter

dinmico que define los temas de estudios en esta rea de investigacin.9
El desarrollo de herramientas computacionales ha permitido que la
investigacin en las ciencias sociales y en particular en la economa regional
tenga un campo ms amplio de accin para generar mecanismos de validacin de
teoras y de aplicacin de modelos. No se concibe el uso de la metodologa de los
MBAS sin el uso de las computadoras, la razn que explica esto la desarrollamos
a continuacin.
En Gilbert y Troitzsch (2006), queda clara la diferencia entre los objetivos
de las tcnicas de uso habitual y los MBAS cuando argumentan: los modelos de
simulacin se preocupan por procesos, mientras que los modelos estadsticos
tpicamente tienen como meta explicar correlaciones entre variables medidas en
un punto singular en el tiempo (ibdem. 18). Por ejemplo, cuando la estadstica de
desempleo reporta una cada, ello nos lleva a pensar que en la economa existe
bajo dinamismo en determinados sectores como cierre de empresas, disminucin
de la produccin, cada de demanda externa o interna etc., que explican el
comportamiento agregado de esa variable. En los MBAS resulta posible modelar
este tipo de efectos que son vistos como procesos de interaccin entre la
diversidad existente entre las empresas y trabajadores; por ejemplo, si un conjunto
de empresas importantes experimentan dificultades en un determinado ciclo ,
estos problemas pueden transmitirse a las empresas asociadas al sector,
pudindose contagiar dadas las relaciones intersectoriales entre ellas toda la
economa y esto generara un impacto negativo en el nivel de empleo.
Al trabajar con modelos regionales podemos estudiar el comportamiento de
ciertas entidades y sus caractersticas econmicas municipios, empresas,
trabajadores, etc. que coevolucionan en un marco de transformacin dinmica
dentro del contexto donde se ubican. La distribucin espacial de las entidades
modeladas est sujeta a las cualidades de la geografa; por ejemplo, los
asentamientos industriales se deben a razones como la proximidad entre las

Por ejemplo, el crecimiento urbano, la formacin de nodos industriales, asentamientos

residenciales, dispersin en la produccin de servicios, etc.

fuentes de insumos, los centros de comercializacin o disposicin de mano de

obra calificada, por lo que es imprescindible tener en consideracin la estructura
geogrfica de un lugar cuando se modelan las relaciones econmicas y sociales
(Dibble, 2006); es decir, el espacio es tambin abordado como agente porque
imprime influencia sobre los resultados de un modelo dadas sus caractersticas
tambin heterogneas, al contrario de los espacios isotrpicos que suponen los
modelos de Von Thnen y Alonso.
Los insumos bsicos en la construccin de un MBAS son:
Agentes
Son entidades auto-contenidas10 que cuentan con caractersticas particulares
(personas, empresas, organizaciones polticas, municipios, pases, etc.) y que a
partir de la interaccin con otras pueden cambiar su estado en un sistema (por
ejemplo, una persona que est empleada pasa a desempleada o viceversa, o una
empresa en nmeros rojos o negros, o pases con dficit o supervit fiscal, etc.
Espacio (Ambiente)
Al hablar de procesos de interaccin, los agentes se hallan situados en algn
punto del espacio, lo que les permite acceder a ciertos niveles de informacin,
tener un grado de visin limitada del mundo y establecer relaciones con
determinados actores cercanos o distantes de l11.
Reglas
En la construccin de un MBAS es importante asignar pautas de comportamiento
de los agentes analizados, de tal forma que permitan establecer de manera clara
cules son los patrones a seguir en sus decisiones individuales y en su
interaccin. La construccin de reglas no es arbitraria ya que stas en realidad
responden a normas asociadas a una visin terica que permita involucrar
heterogeneidad entre estos agentes.
10

Castaeda (2010:6) define a un agente como una unidad auto-contenida porque: presenta
reglas de comportamiento propias y autonoma de accin (auto-determinacin y auto-activacin), y
cuyo desempeo se manifiesta como producto de la interaccin con otros agentes y con el entorno
en que se desenvuelve.
11
Nigel Gilbert enfatiza: Comnmente, los ambientes representan espacios geogrficos, por
ejemplo, en modelos sobre segregacin residencial, donde el ambiente simula algunas
caractersticas fsicas de la ciudad, y en modelos de relaciones internacionales donde el ambiente
son los mapas de Estados y naciones (Cederman, 1997). [As citado por Gilbert, 2008: 8]

Los tres componentes mencionados constituyen la estructura bsica para la

construccin de MBAS. No est de ms sealar que, factores como: el tema de
investigacin, la teora econmica usada, y por supuesto, la habilidad y la
creatividad del investigador en manipular un software especializado en la
simulacin del modelo, son condicionantes para alcanzar un MBAS confiable.
III.

ELEMENTOS PARA EL DISEO DE UN MODELO

Quiz la pregunta previa bsica al incursionar en un MBAS dentro del anlisis

econmico gire en torno al nivel de simplificacin que debe tener el modelo, dado
que la realidad socioeconmica es compleja y va ms all de un problema puro de
optimizacin individual, donde se asumen agentes relativamente homogneos en
preferencias, tecnologas y hbitos. Adems, se debe incorporar

la ubicacin

geogrfica de los agentes lo que influye en el intercambio de informacin, el nivel

de influencia de unos agentes sobre otros y en los resultados que se puedan
obtener en el agregado.
Los supuestos utilizados en la construccin de los MBAS, [es decir, la
reglas, el espacio y los agentes que uno impone en el modelo] deben, en primera
instancia buscar una conexin con la realidad investigada, pero tambin es
importante tener control de cmo (por qu) la construccin de un modelo de este
tipo puede eventualmente alterar o modificar las predicciones que comnmente se
obtendran bajo un esquema de modelacin econmica convencional. Por
ejemplo, el uso de los MBAS en la economa an bajo un esquema de agentes
optimizadores, no tiende a producir un "equilibrio walrasiano" nico, globalmente
estable y de rpida velocidad de convergencia (vase Tesfatsion, 2005).
A decir de Gilbert y Troitzsch (2006), el paso ms complicado en la
construccin de un modelo de este tipo, es decidir que debe ser descartado e
incluido ; en este proceso de diseo, siempre debe tenerse presente el modelo
terico en el cual nos estamos basando. Por ejemplo, qu pasara en una
discusin sobre la teora del valor neoclsica si en un modelo walrasiano
convencional, 1) el subastador de precios (que permite conocer los precios de
equilibrio) es removido y, 2) si los precios y cantidades son ahora fijados por las
8

acciones de las propias firmas y consumidores? Como indica Tesfatsion (2006),

este pequeo cambio o perturbacin conduce al modelo walrasiano a un terreno
de dificultades o incluso, de intratabilidad analtica. Este pequeo cambio en los
supuestos da origen a una serie de temas relevantes que, hoy en da se aceptan
en la ciencia econmica como son la

informacin asimtrica, la interaccin

estratgica, la formacin de expectativas bajo condiciones de informacin limitada,

el aprendizaje mutuo, las normas sociales, los costos de transaccin, las
externalidades, etc. (ibdem: 835).
En este mismo sentido Arthur (2008), considera que en la teora general
del equilibrio neoclsico, lo que interesa es saber si los precios y cantidades de
bienes producidos o consumidos son consistentes con el patrn global de precios
y cantidades en los diversos mercados de la economa; de la misma forma, en el
enfoque de expectativas racionales, lo que interesa estudiar son los pronsticos o
expectativas consistentes con los resultados (econmicos) que esos pronsticos o
expectativas generan. Dada la estructura analtica y los objetivos de la teora
econmica convencional, a partir de esta slo es posible saber cmo son los
patrones globales de la economa, si estos estuvieran en equilibrio y de ese modo
suponer que son consistentes con el comportamiento individual de los agentes
(ibdem: 1554). Pero como bien seala Arthur, qu sucede si el comportamiento
de los agentes no es necesariamente consistente con el patrn global que el
primero genera; es decir, cmo se comportara la economa si en realidad
estuviera siempre fuera de equilibrio (ibdem: 1154). Es en este punto donde un
enfoque computacional

o un modelo MBAS se vuelve metodolgicamente

relevante, pues bajo esta perspectiva, lo que interesa

es modelar cmo las

acciones o estrategias (o expectativas) de los agentes diversos pueden

reaccionar, de manera endgena, a los patrones que ellos crean, y en donde, esas
reacciones son permanentes y pueden tener un carcter evolutivo.
En este sentido, un elemento importante es el proceso de adaptacin que un
agente econmico debe realizar como mecanismo para modificar sus estrategias o
acciones. En la literatura de los MBAS es comn hallar la nocin de un Sistema

Adaptable Complejo12 (CAS por sus siglas en ingls). De esta manera, sugerimos
que independientemente de la filiacin terica (y no slo de aquellas de corte
neoclsico), los investigadores deberan analizar la economa como un CAS,
dadas las potencialidades de resolucin de los problemas que ofrece esta
plataforma modelstica y, en particular para los problemas tratados desde el
enfoque de la Economa Regional y Urbana.
IV.

APLICACIN DE UN MODELO REGIONAL DE INTERACCIN

ESPACIAL

En esta seccin presentamos un ejemplo que simula con cartografa un modelo

sencillo para analizar el crecimiento econmico regional como un proceso
territorial, espacial e interactivo. Se utilizan los principios bsicos del Autmata
Celular (AC) para enfatizar el papel que juegan las relaciones espaciales13, las
cuales quedan definidas por la ubicacin real relativa de cada unidad territorial que
conforma la regin de estudio.
El ejemplo utilizado se refiere a la Zona Metropolitana del Valle de Mxico
(ZMVM) definida por Conapo (2005) con 17 delegaciones del Distrito Federal, 1
municipio de Hidalgo y 58 municipios del estado de Mxico. La regla de transicin
aplicada es una versin continua del Voter Model desarrollada por Liggett (1985)
que modela efectos de contagio a partir de simples interacciones entre partculas o
unidades espaciales. En trminos del ejemplo utilizado, lo anterior se traduce en
que la tasa de crecimiento local (

en el tiempo

de una unidad regional

(llmese municipio o delegacin) est en funcin de la tasa de crecimiento

12

Podemos decir que un Sistema Adaptable Complejo no es una estructura que pueda ser
diseada a priori, y que los resultados (o patrones) agregados que son observables son resultado
de una compleja red de interacciones que se da entre agentes heterogneos que adems se
retroalimentan positivamente al paso del tiempo, es decir, no hay manera de predecir con certeza
lo que ocurra en un tiempo determinado dada la naturaleza desequilibrante y diferenciada de sus
componentes.
13
La concepcin de la localizacin como relaciones espaciales enfatiza que la distancia, el tipo de
vecindario, la configuracin y/o propiedades del sistema en el cual se encuentren inmersos los
objetos de estudio son dependientes del tipo de interaccin generada como consecuencia de la
distribucin espacial y de los atributos de cada ubicacin, lo cual permite explicar la variabilidad
entre diferentes unidades pertenecientes a un mismo sistema (Haining, 2003)

10

promedio de sus vecinos

en el tiempo t; tal como lo expresa la siguiente

ecuacin:

A este modelo se le puede aadir un vector de parmetros (X) relacionados con

variables que tericamente justifican su uso para analizar el crecimiento
econmico regional (vase Capello, 2007), pero por cuestiones de simplificacin
slo analizaremos los resultados emergentes de un proceso interactivo en donde
la tasa de crecimiento inicial y la localizacin relativa, que define la cantidad y los
vecinos de cada unidad territorial, determinan el comportamiento de la tasa de
crecimiento del sistema metropolitano(

como:

Dada la naturaleza del ejemplo, el modelo se construy en un programa

computacional, en este caso se utiliz la versin 4.1 de NetLogo, sin embargo en
la actualidad se pueden encontrar nuevas versiones como la 4.1.3 y la 5.0beta3.
Recomendamos bajar la versin 4.1.3 ya que la 5.0beta3 todava se encuentra a
prueba. Este programa es un software libre de amplio uso para modelar las
interacciones entre agentes y, tiene la gran ventaja de que los agentes pueden ser
modelados con una localizacin o ubicacin especfica sobre un grid o cuadrcula.
Esto permite modelar, entre muchas cosas, autmatas celulares

14

con gran

sencillez. Asimismo, el programa permite integrar Sistemas de Informacin

Geogrfica de tal forma que la cuadrcula o grid donde estn ubicados los
agentes, pueda representar la "estructura geogrfica real" de una ciudad o regin
a travs del uso de la cartografa. Netlogo es compatible con sistemas operativos
como Windows, Mac, OSX y Linux y se puede descargar de internet en la
siguiente pgina http://ccl.northwestern.edu/netlogo/g. A diferencia de otros
programas que permiten modelar interaccin entre agentes (como Mathematica,
14

En su librera se pueden encontrar el modelo del Juego de la Vida y el de segregacin de

Schelling

11

RePast, Phyton, etc.), Netlogo es muy sencillo y didctico porque est hecho, de
tal forma que el usuario no necesita tener un conocimiento previo y slido sobre
programacin.
Para poder replicar el modelo, adems de bajar e instalar el programa, se
necesita informacin vectorial de la ZMVM a nivel municipal en formato shp. La
forma de obtener dicha informacin es a travs de la pgina de internet de INEGI
(www.inegi.gob.mx) en la seccin de Marco Geoestadstico Nacional. Por este
medio se puede obtener informacin vectorial a nivel nacional expresada en
estados, municipios y localidades. Para obtener informacin referente a la ZMVM,
es necesario usar un paquete adicional como ArcView que permita recortar la
regin de estudio y aadir la informacin relacionada con las tasas de crecimiento
econmico de cada municipio y delegacin. Todos los archivos que hagan
referencia a los datos vectoriales debern colocarse en la misma carpeta en la
cual ser guardado el archivo del programa que construiremos.
En la hoja principal, el usuario, al abrir Netlogo, encontrar tres pestaas:
interfaz, informacin y procedimientos (Interface, Information, Procedures). La
pestaa de informacin est diseada para proveer de manera documental lo que
hace la simulacin; la de procedimientos contiene el cdigo del programa; y desde
la pestaa del interfaz podemos controlar y visualizar los procesos y resultados de
la simulacin. El programa reconoce tres tipos de objetos (los cuales estn
asociados a los agentes que deseamos modelar): turtles, patches, y links. Estos
tres objetos pueden contener informacin individual que caracteriza o describe a
los agentes. El ambiente espacial donde los agentes se desenvuelven es una
cuadricula (grid) bidimensional de color negro, donde cada celda representa un
patche; y, a diferencia de los patches, las tortugas (turtles) pueden moverse a
travs de toda la cuadrcula.
El primer paso consiste en escribir las reglas que seguirn los agentes, para
ello hay que ubicarse en la pestaa de procedimientos, inmediatamente aparecer
una hoja en blanco en la que es necesario escribir con la ayuda de primitivas de
NetLogo, las reglas de operacin del programa de simulacin propuesto. En
general, un procedimiento es una combinacin de primitivas (estas son comandos
12

propios de NetLogo y, dentro de la programacin se resaltan en color azul) que

sirven para estructurar un nuevo comando que permita la aplicacin de ciertas
reglas de comportamiento que tendrn que aplicar los agentes modelados, y las
cuales deben estar constituidas al menos de tres partes:
1) Declaracin de variables
2) Ajuste inicial
3) Actualizacin
En la primera parte hay que declarar si vamos a usar 1) alguna extensin (en
nuestro ejemplo utilizaremos las primitivas asociadas a GIS), 2) variables globales
y 3) como modelaremos diferentes clases de agentes es indispensable utilizar la
primitiva breed, con la intencin de que cada clase tenga una serie de atributos
especficos. El cdigo de esta primera parte para el ejemplo es el siguiente:
extensions [gis]
globals [municipios-dataset]
breed [municipios municipio]
munipios-own [cve_mpo nom_mun Gr #_vec, WGr]

La extensin GIS en Netlogo permite reconocer, dibujar y desplegar al mismo

tiempo sobre el grid del interfaz objetos vectoriales como puntos, lneas y
polgonos y datos tipo raster. Con esta extensin se pueden hacer desde
consultas hasta generar el centroide de un polgono. Una variable global es
aquella en la que un agente puede acceder en cualquier momento de la
programacin. En este ejemplo necesitamos que los municipios o agentes
accedan a la informacin de la base de datos adjunta al archivo .shp que
denominaremos como [municipios-datset]. Cuando definimos alguna clase de
objeto es importante escribir el nombre del objeto en plural seguido de su singular.
Asimismo tenemos que definir los atributos de los agentes, y se puede utilizar
cualquier criterio desde palabras completas, claves, etc. En nuestro ejemplo,
utilizamos algunas abreviaciones; la clave (cve_mpo), nombre (nom_mun), tasa de

13

crecimiento del PIB (Gr), el nmero de vecinos de cada municipio (#_vec) y la tasa
de crecimiento promedio de sus vecinos (WGr).
La segunda y tercera parte se escriben en forma de comandos. Un
comando tiene que iniciar con la primitiva to seguido de un nombre para dicho
comando y terminar con la primitiva end. En el caso del ejercicio, el apartado de
ajuste inicial tiene la intencin de declarar los comandos que nos permitan definir
las caractersticas del inicio de cada corrida, para ello construimos dos comandos:
setup y display-ZMVM. El procedimiento de la programacin es el siguiente:
to setup
reset-ticks
ca
set municipios-dataset gis:load-dataset "zmcm_mgm09.shp"
display-ZMVM
end

La funcin de setup, en general, reinicia a cero el conteo de ticks; elimina

cualquier resultado de corridas previas sobre la cuadricula (ca); y define la variable
global [municipios-datset]. Esto se hace a travs de una primitiva denominada
reporter, su funcin es calcular un resultado a partir de un insumo e informar de
ello. En trminos ms sencillos, lo que hace esta instruccin es renombrar la base
de datos adjunta al archivo .shp (zmcm_mgm09.shp) como [municipiosdataset]; y se crea un vnculo entre la base de datos y el lenguaje de NetLogo. La
penltima lnea es el segundo comando enumerado en el prrafo anterior, como
no existe una primitiva que nos permita desplegar la cartografa de la ZMVM
directamente se tiene que construir un comando adicional, el cual ser invocado
en el momento en ejecutemos el comando setup.
El comando display-ZMVM, en trminos de los procedimientos que
estamos modelando, es uno de los mas laboriosos pues incluyen una combinacin
de primitivas de NetLogo y de la extensin GIS. El objetivo es hacer compatible la
informacin vectorial en el mundo de NetLogo. El camino es usar la primitiva
14

gis:draw que desplegar una representacin cartogrfica de la ZMVM: y la

primitiva gis:centroid-of, la cual genera un centro de gravedad o centroide por
cada polgono, los cuales, Netlogo reconocer automticamente como tortugas
con forma de circulo, de color verde y con un tamao 1. En esta parte, adems, se
definen las variables propias de cada municipio. El procedimiento es que cada
municipio retome la informacin de la base de datos de acuerdo a la variable y su
referencia geogrfica, tambin podemos etiquetar a los municipios con alguno de
los atributos que hemos establecido en la programacin como podra ser la clave
del municipio (set label cve_mpo).
La ltima etapa del cdigo de display-ZMVM genera la informacin inicial
relacionada con la identificacin del nmero de vecinos a partir de un radio de
distancia, el origen del radio se establece desde la posicin de cada municipio;
una vez identificado el nmero de vecinos y sus vecinos se procede a calcular la
tasa de crecimiento promedio de estos que servir como insumo en la simulacin.
Es en esta etapa de la programacin en la que se est implementando la ecuacin
(2). El cdigo es el siguiente:
to display-ZMVM
ask municipios [ die ]
gis:set-drawing-color white
gis:draw municipios-dataset 1
foreach gis:feature-list-of municipios-dataset
[let centroid gis:location-of gis:centroid-of ?
if not empty? centroid
[create-municipios 1
[ set xcor item 0 centroid
set ycor item 1 centroid
set shape "circle"
set size 1.5
set color green

15

set cve_mpo gis:property-value ? "CVE_MPO_"

set nom_mun gis:property-value ? "municipio"
set Gr gis:property-value ? "GAVGPIB"
set label cve_mpo ] ] ]
ask municipios [
set #_vec ((count municipios in-radius-nowrap distancia) - 1 )
set WGr (sum [Gr] of municipios in-radius-nowrap distancia - [Gr] of self) /
#_vec
]
End

Estos cdigos nos permitirn visualizar la cartografa en la cuadricula una vez que
hayamos creado en la pestaa de interfaz unos botones que hagan referencia a la
variable global distancia. Esta variable no est definida dentro del procedimiento
pues queremos tener la libertad de utilizar diferentes parmetros. Para ello
ubicamos el icono con la palabra buttom lo oprimimos y seleccionamos la opcin
slider, damos un click en el rea en blanco donde se ubica el grid, aparece un
cuadro de dialogo y damos un nombre a la variable global (distancia), acotamos el
valor mnimo en 0 y el mximo en 20 y finalmente damos un click en ok. Para
crear un botn para el comando setup escogemos la opcin buttom y escribimos
el nombre del comando, damos un click en ok.
Una vez que tenemos los dos botones, damos un click

en setup e

inmediatamente se desplegar una cartografa con centroides. Al dar un click

derecho sobre alguno de ellos inmediatamente se abrir una ventana, si
seleccionamos la opcin inspect municipio podremos verificar que la informacin
de la base de datos, la definicin del nmero de vecinos a si como la tasa de
crecimiento promedio del PIB de los municipios vecinos de cada municipio se
habr generado (vase figura 1).
Figura 1. Desplegando la informacin de cada municipio

16

Antes

de

proseguir

podemos

verificar

que

el

modelo

est

corriendo

adecuadamente con solo mover con el ratn la lnea roja del slider y observar para
alguno de los municipios que el nmero de vecinos y la tasa de crecimiento de sus
vecinos va variando conforme van cambiando los valores de distancia. Para ello,
primero tenemos que escoger un valor, luego dar un click sobre setup y escoger
algn municipio y as sucesivamente.
La actualizacin, tercera y ltima parte del procedimiento consta de tres
comandos, y su objetivo principal es actualizar el estado de los municipios; esta es
la parte en donde la dinmica del modelo queda establecida. El primer comando
go a la vez incluye otros dos, actualizacin y do-plots, y comienza comprobando
si el proceso de interaccin ha generado un efecto de contagio global, en el cual
todos los municipios tienen la misma tasa de crecimiento; si se cumple tal
condicin el programa se detendr automticamente. La rapidez con la que
lleguen los municipios a esta condicin de contagio global, depender en gran
medida de las interdependencias de interaccin que queden establecidas a travs
del umbral de distancia. Por ejemplo, si las vecindades estn definidas por
umbrales pequeos en donde al menos un municipio quede aislado de los dems,
el efecto de contagio nunca se concretar; en contraste, si se definen vecindades
en las que se incluya a la mayora de los municipios, el efecto de contagio se
generar en unos cuantos ticks o pasos de tiempo de la simulacin. Una vez que
se ha verificado si se concret el fenmeno de contagio generalizado, se pide al
17

programa que efectu los dos comandos restantes (i.e. actualizacion y do-plots), y
una vez que se ejecutan ambos, el sistema avanza un tick en el contador virtual
del tiempo de NetLogo.
to go
if ([WGr] of municipios = [Gr] of municipios) [stop]
ask municipios [actualizacion]
do-plots
tick
end

to actualizacion
set #_vec ((count municipios in-radius-nowrap distancia) - 1 )
set WGr (sum [Gr] of municipios in-radius-nowrap distancia - [Gr] of self) / #_vec
if breed = municipios [
set Gr ( WGr)
Ifelse Gr < mean [Gr] of municipios
[set color blue ]
[set color red]]
end

to do-plots
ask municipios [
set-current-plot "Gr"
plot mean [Gr] of municipios ]
end

El procedimiento actualizacin opera en tres fases: la primera define el vecindario

y la tasa de crecimiento promedio de sus vecinos, la segunda actualiza el valor de
la tasa de crecimiento de cada municipio en funcin de la tasa de crecimiento de
18

sus vecinos, y la tercera fase colorea a cada municipio de azul si queda por debajo
del promedio o rojo si est por encima del promedio. El nmero de vecinos queda
definido de acuerdo al umbral establecido dentro del interfaz denominado como
distancia. Respecto a la definicin de las vecindades, es necesario tener algunos
elementos presentes. En un autmata celular clsico las vecindades son de primer
orden y estn definidas de manera rectangular: Moore (8 vecinos) y Von Neuman
(4 vecinos). Los agentes que reconoce nuestro ejemplo son 76 puntos (que
corresponden al nmero de municipios y delegaciones que conforman a la ZMVM)
y que se ubicaran, de acuerdo a la informacin vectorial, en medio de una celda.
De esta forma las relaciones espaciales se establecern a travs de distancias.
Cada agente aplicar la distancia de manera multidireccional por lo que se formar
un rea tipo circular, todos los puntos dentro de esta rea sern los puntos con los
que cada agente conformar un vecindario y con los cuales interactuar. La
definicin de la tasa de crecimiento de cada municipio en t+1 esta ponderada de
manera implcita y el valor del ponderador es uno. Pero al igual que la variable
global distancia podra generarse un slider para visualizar lo que sucedera cuando
el ponderador asume distintos valores. El ultimo comando do-plots define los
parmetros que tendrn que ser graficados, en este caso estamos interesados en
el comportamiento de la tasa de crecimiento de la ZMVM (ecuacin 2), sin
embargo tambin podra graficarse la trayectoria de algn municipio en especifico.
Para finalizar, regresamos nuevamente al interfaz y creamos un botn
denominado go; en este caso activamos la casilla de forever; y una grfica, en
donde el nombre de la grafica tiene que corresponder con el asignado en el
procedimiento, en este caso el nombre es Gr. Se tiene la opcin de establecer
las etiquetas correspondientes al conjunto de las ordenadas al origen y las
abscisas, tambin se pueden establecer valores mnimos y mximos para estos,
etc. Una vez que hemos terminado de disear los nuevos objetos del interfaz
podemos realizar una corrida (ver figura 2), para ello damos un click en [setup] y
luego en [go]; el modelo parar automticamente al momento en el que todos los
municipios hayan alcanzado el mismo valor en la tasa de crecimiento. Mientras
sucede esto se puede observar cmo van oscilando los valores de la tasa de
19

crecimiento de la ZMVM hasta llegar a un punto donde el modelo se estabiliza. Si

se corre la simulacin varias veces obtendremos diferentes resultados, esto se
debe a que hay elementos que no se han controlado como la secuencia de
actualizacin. Aunque el modelo presentado es muy bsico y general, permite
identificar algunas potencialidades que este tipo de modelos de interaccin
espacial llevan implcitos para su desarrollo.
Figura 2. El modelo de tasa de crecimiento econmico regional despus de una
corrida

ACTIVIDADES
1. Genere un slider con el siguiente nombre pWGr, establezca como valor
mnimo -1 y mximo 2. Regrese a la tabla de procedimientos y en el
comando actualizacin sustituya la instruccin set Gr ( WGr) por set Gr
(pWGr * WGr) Qu sucede con el modelo cuando le asignamos un valor
negativo? Es estable? Pruebe con -1, 0, 0.5, 1 1.5
2. Una de las cualidades del modelo de simulacin que construimos es que la
actualizacin se hace de manera secuencial, o sea que una vez que el
municipio A haya actualizado su valor, el resultado de B estar determinado
por

el

cambio

que

se

gener

en

A,

esta

forma

de

modelar

interdependencias es lo que genera los equilibrios mltiples. Sin embargo,

el modelo est muy acotado pues tras cada tick todos los municipios han
20

actualizado sin repeticin Qu pasara si suponemos que tras cada tick

slo un conjunto de municipios se actualiza? Para ello en la tabla de
procedimientos en el comando go sustituiremos ask por ask n-of 13. Vare
el nmero hasta 76 Qu sucede?
3. En NetLogo tambin podemos modelar fenmenos en los cuales no existe
una actualizacin continua, o sea que la informacin inicial sobre los
vecinos de cada municipio permanece invariable mientras se ejecuta todo el
procedimiento, para observar las diferencias genere un monitor en la
interface, y en la parte de reporter escriba lo siguiente: (mean [Gr] of
municpios) * 100. En la tabla de procedimientos sustituya ask n-of 13 por
ask-concurrent, Actualice la pantalla y corra varias veces el modelo con la
misma distancia Qu sucede? Ahora establezca distancia en 31.

21

Base de datos
Municipio

PIB

Municipio

PIB

Venustiano Carranza

-5.39

Chicoloapan

13.82

Miguel Hidalgo

-0.17

Coyotepec

4.50

Cuauhtmoc

2.08

Chiautla

-1.24

Benito Jurez

-3.14

Cocotitln

3.54

Xochimilco

-0.33

Melchor Ocampo

-2.71

Tlalpan

3.68

Nextlalpan

8.59

Tlhuac

1.71

Nopaltepec

9.32

lvaro Obregn

7.29

Nicols Romero

3.78

Milpa Alta

-7.90

Tepetlaoxtoc

-6.47

La Magdalena Contreras

9.53

Tepotzotln

6.37

Iztapalapa

-3.84

Tepetlixpa

0.19

Iztacalco

-0.39

Tequixquiac

8.55

Gustavo A. Madero

-5.76

Texcoco

-0.97

Cuajimalpa de Morelos

7.34

Tezoyuca

12.11

Coyoacn

0.30

Villa del Carbn

8.24

Azcapotzalco

-7.63

Teotihuacn

9.07

Isidro Fabela

19.92

Teoloyucn

6.79

Huehuetoca

7.56

Tenango del Aire

-4.58

Hueypoxtla

13.39

Otumba

3.24

Ecatzingo

8.45

Tlalmanalco

1.07

Ixtapaluca

5.79

Temascalapa

5.32

San Martn de las Pirmides

4.46

Temamatla

-0.68

Tecmac

5.81

Tultitln

0.93

Jilotzingo

15.40

Tultepec

-6.42

Jaltenco

16.13

Cuautitln

-8.38

Ayapango

-3.11

Juchitepec

-2.59

Atlautla

20.18

Chalco

7.16

Coacalco de Berriozbal

8.55

Valle de Chalco Solidaridad

15.26

Axapusco

1.68

La Paz

3.29

Acolman

6.34

Nezahualcyotl

-1.95

Papalotla

6.22

Ecatepec de Morelos

0.13

Ozumba

-0.60

Tlalnepantla de Baz

-2.71

Atizapn de Zaragoza

8.73

Naucalpan de Jurez

-0.78

Amecameca

-0.38

Huixquilucan

14.28

Atenco

9.24

Tonanitla

5.81

Apaxco

1.40

Zumpango

8.49

Chimalhuacn

7.26

Cuautitln Izcalli

1.80

Chiconcuac

1.36

Tizayuca

5.06

22

REFERENCIAS
ALBIN, PETER Y FOLEY, DUNCAN (1998). Barriers and bounds to rationality:
essays on economic complexity and dynamics in interactive
systems. Princeton University Press, Estados Unidos.
ARTHUR, BRIAN (2008). Out-of-equilibrium economics and agent-based
modeling en Tesfatsion, Leigh y Judd Kennet (Eds.). Handbook
of computational economics, Volumen 2, Elsevier.
AXELROD, ROBET (2007). Simulation in the social sciences, en: Rennard, JeanPhilippe (Comp.) Handbook of Research on Nature-Inspired
Computing for Economics and Management, Volumen I, Idea
Group Reference, Estados Unidos.
CAPELLO, ROBERTA (2007). A forecasting territorial model of regional growth:
the MASST model, en The Annals of Regional Science, num.
41 (4), Berlin, pp. 753-787.
CASTAEDA, GONZLO (2010). Introduccin a la sociomtica. El estudio de los
sistemas adaptables complejos en el entorno socioeconmico.
El Colegio de Mxico. Centro de Estudios Econmicos. Mimeo.
DIBBLE, CATHERINE (2006). Computational laboratories for spatial agent-based
models en Tesfatsion, Leigh y Judd Kennet (Eds.). Handbook
of computational economics, Volumen 2, Elsevier.
EPSTEIN, JOSHUA (1999). Agent-Based Computational Models and Generative
Social Science. Complexity, Vol. 4, Num. 5, 41-60.
EPSTEIN, JOSHUA Y AXTELL, ROBERT (1996). Growing Artificial Societies:
Social Science from the Bottom Up, MIT Press, Estados
Unidos.
GILBERT, NIGEL Y TROITZSCH, KLAUS (2006). Simulacin para las ciencias
sociales, Segunda Edicin, McGraw Hill, Barcelona.
GILBERT, NIGEL (2008). Agent based models. SAGE Publications, Londres.
HAINING, ROBERT (2003). Spatial Data Analysis, Cambridge University Press,
Reino Unido.
TESFATSION, LEIGTH (2005). Agent-based computational economics: a
constructive approach to economic theory, Economics
Department, Iowa State University.

23