CAS理论的最大贡献在于它提供了一种自底向上建模的研究方法，这种方法赋予组成系统的个体——Agent以简单的规则和关系，通过计算机仿真来重现真实世界的复杂现象。传统的自顶向下建模方法要求明确给出目标系统的所有规则和关系，包括定性的和定量的、内部的和外部的，这种巨大的任务在实际系统研究中往往是十分艰巨的，因此自顶向下建模方法经常运用简化的方式，但是经常被简化到不能充分反映实际情况的程度；而自底向上建模集中于构造具有相对简单行为的个体Agent，这些Agent可以被描述得很细，而系统的复杂行为来自于Agent之间的交互。

3.2 基于Agent的建模与仿真(ABMS)

Agent是CAS理论的核心概念，而CAS理论的方法学基础就是基于Agent的建模方法。复杂系统建模的重点在于如何建立系统的抽象模型，以获得对客观世界的深刻认识。用Agent来刻画复杂系统中的对象，以进行动态的、灵活的仿真。

3.2.1 Agent的概念

关于Agent的定义有多种，其中Wooldridge给出的关于Agent的弱定义得到大多数研究者的认可，即：具有自治性、反应性、社会性和主动性的硬件系统或基于软件的计算机系统称为弱概念意义下的Agent。按照以上定义，最简单的Agent就是一个计算机进程。

在AI领域，许多研究者更强调Agent应更具有一些人的特质，即人的精神状态，于是提出了Agent的强定义：除包括弱定义的四个特性外，Agent还具有：知识和信念；意图与义务；诚实和理性等特性。在复杂系统研究中，把组成复杂系统的具有主动性的个体或单元称为Agent，研究这些Agent的个体行为如何导致整个系统的整体“涌现”行为[11]。

3.2.2 Agent建模方法

ABMS方法被认为是研究复杂系统的有效途径，是研究复杂系统的建模仿真方法学，是最具有活力、有所突破的仿真方法学，它将复杂系统中各个仿真实体用Agent的方式或思想自底向上对整个系统进行建模，试图通过对Agent的行为及其之间的交互关系、社会性进行刻画，来描述复杂系统的行为[10]。这种建模仿真技术，在建模的灵活性、层次性和直观性方面较传统的建模技术都有明显的优势，很适合于对诸如生态系统、经济系统以及人类组织等系统的建模与仿真。通过从个体到整体、从微观到宏观来研究复杂系统的复杂性，从而克服了复杂系统难于自上而下建立传统的数学模型的困难，有利于研究复杂系统具有的涌现性、非线性等特点。

建立Agent模型的方法与建立其它模型或仿真的方法类似。首先，获取仿真的目标、模型所要回答的问题以及潜在的用户。然后，系统地分析所要研究的系统, 区分组成系统的实体、组件以及之间的交互关系、相关的数据源等。然后运用一般的模型建立的步骤来进行基于Agent的建模。除了一般的建模步骤外，ABMS的研究步骤还包括： Agent划分并找到相关的Agent行为理论；Agent间交互关系的划分并找到Agent交互的相关理论；选用相关的ABMS平台和Agent开发策略；获取必须的Agent的相关数据；验证Agent模型的行为；运行模型，分析输出结果，分析Agent的微观行为和系统的宏观行为[11]。

3.3 ABMS在网络舆情建模领域的应用

刘常昱等人[12]研究了网络舆论传播中新闻跟帖与BBS传播，分析了网民、新闻网站以及BBS三种Agent的属性，建立了三者之间的交互规则。在CAS理论及ABMS方法的基础上，将其和人际传播规律结合起来，建立了基于Agent的网络舆论传播仿真模型，分析了在网络舆论传播情境下网民群体的行为规则。

刘小波的文章[13]结合ABMS方法和复杂网络，在BA无标度网络模型的基础上提出了社会网络模型的构建算法，在此算法的基础上建立了舆情演化动力学模型框架，并基于NetLogo平台实现了该模型的原型系统，应用该系统进行了仿真实验，验证了针对不同对象开展舆论宣传所产生的不同效果，并针对宣传策略提出了适当的建议。