多主体的模型里有很多不同的主体，一个主体可以简单地定义为一个自主决策的实体 。主体一般具有学习、调整、复制/繁殖等特征。根据所研究的问题不同，主体可以是人、组织、国家、昆虫、免疫系统中的抗体、生物细胞中的信号蛋白等。多主体的模型是一种计算机模拟模型。从计算机科学的角度看：一个主体是一段计算机程序，代表现实世界中的人或物，具有感知、行动、规则。多主体的模型很容易体现有限理性，不需要假设主体是完全理性的，但主体需要有明确的行动规则。

多主体的模型被认为是分析复杂适应系统（complex adaptive system，CAS）的有力工具。复杂适应性系统是这么一种系统，它里面有很多主体，这些主体各不相同，主体之间会相互作用，每个主体还在不断地调整自己的决策 。在主体间的交互、学习、调整行为下，复杂适应系统在宏观（或系统）层面会出现一些新的属性或规律，这些属性或规律很难从微观上用主体的行为来解释。人们把这种现象称为“涌现”。复杂适应系统的涌现很难用数学公式来描述。这时我们可以构建多主体的模型，在计算机里模拟和分析复杂适应系统的“涌现”。

多主体建模的思想可以追溯到20世纪40年代，当时J.冯·诺伊曼提出了一种可以自我复制的机器的思想。S.乌尔姆提出了元胞自动机的概念。元胞自动机由很多格子组成，每个格子都有有限的状态。格子在时间的状态是它邻近格子在状态的函数。70年代，J.康韦利用元胞自动机构建了生命游戏模型。元胞自动机可以看作是多主体建模的初期形态。80年代末90年代初，复杂适应系统理论兴起于美国的圣菲研究所，作为研究复杂适应系统有力工具的多主体建模也被各领域的广大学者们关注。很多机构开发了用于多主体建模的软件平台，如SWARM、Netlogo、RePast 、Ascape、Starlogo、AgentSheets等。

多主体建模已经被应用于很多领域的模拟和分析，比如股票市场、疾病/文化/技术的扩散和传播、电力交易、发生灾害时的撤离、军事训练等等。利用多主体模型来做模拟和分析被认为是除演绎和归纳外的第三种科学方式，它的主要作用是帮助直觉和拓展人们的想象力 。多主体建模的优点是可以很自然地体现以下在其他建模方法中很难体现的东西：①系统的结构从主体的交互中涌现。②主体有目标、信仰和行动，可以是不完全理性的。③主体会变化、发展、进化、移动、学习。

多主体建模的缺点/难点主要有：①需要定义主体的行为规则，通常需要基于大量的数据分析和实证才有说服力。②需要较高的编程专业知识和较长的计算机运行时间。③因为模型中的一些随机变量，通常需要运行很多次模拟来评估某一特定情况。