Análisis de Distribución de la Riqueza en Función del Intervalo de Renovación de los Recursos Naturales Mediante Simulación Basada en Agentes
PDF

Palabras clave

Simulación basada en agentes
Niveles sociales
Recursos renovables

Cómo citar

[1]
E. de la Hoz Granadillo, T. Fontalvo Herrera, y J. C. Vergara Schmalbach, Análisis de Distribución de la Riqueza en Función del Intervalo de Renovación de los Recursos Naturales Mediante Simulación Basada en Agentes, RI, n.º 14, pp. 31 - 42, mar. 2016.

Resumen

El presente artículo de investigación presenta los resultados del análisis del comportamiento en la distribución de las riquezas en tres niveles sociales a partir de la evaluación de economías basadas en recursos renovables y recursos no renovables, contextualizados a la economía colombiana, teniendo en cuenta los altos niveles de pobreza que se registran en el país. En el desarrollo de la investigación se hizo una revisión profunda de aspectos teóricos relacionados con los recursos renovables y no renovables, los niveles de los grupos sociales y la simulación basada en agentes. Así mismo se diseñó un modelo de simulación basado en agentes que permitió analizar la distribución de riquezas en tres niveles sociales a partir de la construcción de escenarios planteados por las variables del modelo en el contexto colombiano. Finalmente, se realizó un análisis comparativo de los resultados mediante la
técnica estadística de análisis de varianza. Los resultados muestran que las economías en recursos renovables generan a la larga mejores niveles de riqueza.

PDF

Citas

[1] DANE. (2012). Declaración –Comité de Expertos– Pobreza, pobreza extrema y desigualdad. Consultado el 31 de agosto en www.dane.gov.co/fi les/investigaciones/condiciones_vida/ pobreza/declaracion_expertos_pobreza_2012.pdf

[2] Departamento Nacional de Planeación. (2010). Plan Nacional de Desarrollo 2010-2014. Capítulo III Crecimiento sostenible y competitividad. Consultado en febrero 15 2012 en http://www.dnp.
gov.co/PND/PND20102014.aspx

[3] R. Axelrod, “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, n°. 456, pp. 21-40, 1997a.

[4] P. E. Johnson, “Simulation modeling in political science”, American Behavioral Scientist, n°. 10, pp. 1509-1530, 1999.

[5] T. Kohler y G. J. Gumerman, Dynamics in human and primate societies: Agent-based modeling of social and spatial processes. New York: Oxford University Press & Santa Fe Institute, 2000.

[6] B. Lebaron, “Agent Based Computational Finance: Suggested Readings and Early Research”,Journal of Economic Dynamics & Control, n°. 5-7, pp. 679-702, 2000.

[7] L. Tesfatsion, “Agent-based computational economics: growing economies from the bottom up”,Artifi cial life, n°. 1, pp. 55-82, 2002.

[8] Y. Mansury, M. Kimura, J. Lobo y T. S. Deisboeck, “Emerging Patterns in Tumor Systems: Simulating the Dynamics of Multicellular Clusters with an Agentbased Spatial Agglomeration Model”,
Journal of Theoretical Biology, n°. 3, pp. 343-370, 2002.

[9 ] Y. Mansury y T. S. Deisboeck, “Simulating the time series of a selected gene expression profi le in an agent-based tumor model”, Physica D: Nonlinear Phenomena, n°. 1-2, pp. 193-204, 2004.
[10] R. Paton, R. Gregory, C. Vlachos, J. Saunders y H. Wu, “Evolvable social agents for bacterial systems modeling”, IEEE Transactions on Nanobioscience, n°. 3, pp. 208-216, 2004.

[11] D. C. Walker, G. Hill, R. H. Smallwood y J. Southgate, “Agent-based computational modelling of wounded epithelial cell monolayers”, IEEE Transactions on Nanobioscience, n°. 3, pp. 153-163, 2004.

[12] D. C. Walker, J. Southgate, G. Hill, M. Holcombe, D. R. Hose, S. Wood, S. Mac Neil, y R. H. Smallwood, “The epitheliome: agent-based modelling of the social behaviour of cells”, Biosystems, n°. 1-3, pp. 89-100, 2004b.

[13] F. Bousquety y C. Le Page, “Multi-agent simulations and ecosystem management: A review”, Ecological Modelling, n°. 3-4, pp. 313-332, 2004.

[14] A. López Paredes y C. Hernández Iglesias, Agent Based Modelling in Natural Resource Management. España: Insiso, 2008.

[15] J. H. Holland, Emergence. From chaos to order. Addison-Wesley: Reading, 1998.

[16] C. Sansores y J. Pavón, “Simulación Social basada en Agentes. Inteligencia Artifi cial”, RevistaIberoamericana de Inteligencia Artificial, n°. 25, pp. 71-78, 2005.

[17] J. Izquierdo, J. Galán, J. Santos, y R. Del Olmo, “Modelado de Sistemas Complejos Mediante Simulación basada en Agentes y Mediante Dinámica de Sistema”, EMPIRIA. Revista de Metodología
de Ciencias Sociales, n°. 16, pp. 85-112, 2008.

[18] N. Jennings, K. Sycara, M. Wooldridge. “A Roadmap of Agent Research and Development Autonomous Agents and Multi-Agent Systems”, n°. 1, pp. 7-38, 1998.

[19] M. Wooldridge y N. Jennings, “Intelligent Agents: Theory and Practice”, Knowledge Engineering Review, n°. 2, pp. 115-152, 1995.

[20] M. Luck, P. McBurney, & C. Preist, “Agent Technology: Enabling Next Generation computing. A Roadmap for Agent-Based Computing”, AgentLink, 2003.

[21] S. Franklin y A. Graesser, Is it an agent, or just program? A Taxonomy for Autonomous Agents. En Müller, J., Wooldridge, M. & Jennings, N. 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, 1997.

[22] D. Romulus, An Agent-Based Computational Study of Wealth Distribution in Function of Resource Growth Interval Using Netlogo, 2008. Consultado en http://www.researchgate.net/publication/222199673_An_agent-based_computational_study_of_wealth_distribution_in_function_of_
resource_growth_interval_using_NetLogo
La revista Ingeniare cuenta con una licencia Creative Commons Atribución-CompartirIgual 4.0 Internacional. Se autoriza la citación, uso y reproducción parcial o total de los contenidos, para lo cual se deberá citar la fuente