专栏内定期发布相关思路和代码，开赛后恢复原价158.摘要多智能体系统与复杂适应系统建模是近年来数学建模领域的重要发展方向。本文系统探讨了基于智能体的建模（ABM）的数学理论基础、核心算法及其在2026年全国大学生数学建模竞赛E题中的应用。文章首先建立了ABM的严格数学框架，定义了智能体的状态空间、行为规则、环境耦合与学习机制；其次，针对国赛E题中"城市共享单车潮汐现象治理"的具体问题，构建了融合强化学习与计划行为理论（TPB）的多智能体仿真模型；进而提出"分层耦合"的模型结构，将宏观层面的偏微分方程与微观层面的马尔可夫决策过程有机结合。数值实验表明，该模型在拟合精度与政策仿真能力上均优于传统宏观统计模型，为复杂社会经济系统的微观仿真提供了方法论支撑。本文还讨论了ABM在数学建模竞赛中的定位与策略，为参赛者提供了从"统计描述"到"机制涌现"的方法论转型指南。关键词：多智能体系统；复杂适应系统；基于智能体的建模；强化学习；计划行为理论；数学建模目录摘要一、引言1.1 问题背景与建模范式的转型1.2 ABM的历史脉络与跨学科根基1.3 文章的结构安排与研究贡献二、多智能体系统的数学框架2.1 智能体的形式化定义2.1.1 状态空间与行为空间2.1.2 异质性的数学表达2.2 环境的数学描述2.2.1 空间环境2.2.2 社会环境2.3 智能体交互的数学建模2.3.1 局部交互与全局耦合2.3.2 涌现性的数学刻画2.4 智能体的学习与适应2.4.1 强化学习的数学框架2.4.2 计划行为理论（TPB）的数学化表达三、国赛E题的问题分析与模型转化3.1 共享单车潮汐现象的核心机制3.2 为什么宏观统计模型不够？3.3 ABM建模的层级结构四、融合强化学习与TPB的微观决策模型4.1 智能体结构设计4.2 融合决策机制4.3 分层耦合的多尺度架构五、数值实验与政策仿真5.1 模型校准与参数设定5.2 基准情景模拟结果5.3 政策情景仿真5.4 与传统宏观模型的对比分析六、ABM在数学建模竞赛中的定位与策略6.1 传统统计模型与ABM的适用边界6.2 ABM建模的常见误区6.3 从"统计描述"到"机制涌现"的方法论转型七、结论与展望7.1 研究结论7.2 研究局限与未来方向一、引