近年来,随着复杂性科学(Sciences of Complexity)的发展,基于agent的建模(Agent-based Modeling,ABM)在社会科学研究中逐渐受到重视.这种自下而上的模型策略是复杂适应系统理论、人工生命以及分布式人工智能技术的融合,目前已经成为继面向对象方法之后出现的又一种进行复杂系统分析与模拟的重要手段.城市和区域的发展是经济过程、社会过程以及生态过程在地理空间上的动态影射.与传统的城市与区域经济研究视角和方法不同,我们可以通过模拟异质性的个体决策者的社会、经济以及空间行为来探究城市和区域空间结构的总量特征和演进过程,如人口的密度、规模,企业的空间集聚等等.ABM抛弃了完美的经济人假设,可以使用某种学习算法来模拟agent的有限理性行为,强调个体差异、进化和适应行为,主张非均衡的发展路径,我们必须为个别的决策者(agent)建立微观行为模型,并且通过观察这些数量众多的微观agent的非线性相互作用来研究宏观上整个区域的空间结构和演化过程.本文着重探讨ABM的理论基础和技术问题,诸如空间复杂性问题以及agent的构成、特性、学习机制和适应性等等,并且通过对比新经济地理学等研究方法来体现ABM在复杂空间系统分析方面的优势.在理论研讨的基础上,文章进一步阐述了如何利用ABM技术来分析和建立城市和区域经济的多agent(multi-agent)模型,以及计算平台的开发问题.最后,文章探讨了未来基于Agent的计算空间经济学的研究方向、趋势和挑战.