什么是混合仿真？
一句话：单一仿真范式各有盲区——把智能体建模（ABM）、离散事件仿真（DES）与系统动力学（SD）融合进同一个模型，让复杂系统的微观行为与宏观动态被统一刻画。这一页讲清楚它的定义、它与单一范式方法的边界、它的工作流程和它的应用。
定义与核心思想
先给严格定义，再给直觉解释。
混合仿真是在同一个模型中有机融合两种及以上建模范式——通常为智能体建模（ABM）、离散事件仿真（DES）与系统动力学（SD）——使各范式在其最擅长的抽象层级上工作，并通过明确的耦合接口交换信息，从而统一刻画复杂系统微观行为与宏观动态的建模与仿真方法。
为什么需要它
仿真建模长期面对一个权衡：DES 精于刻画排队、流程与随机离散事件，却难以表达累积与反馈；SD 擅长存量流量与反馈回路，却把个体异质性抹平；ABM 能呈现个体交互涌现出的宏观模式，但单独使用时宏观结构往往靠不住。现实问题——一支供应链、一家医院、一个应急体系——从来不会只按一种范式运转。混合仿真的答案：让每个部分用它本来的语言说话，再用接口把它们焊成一个模型。
中文名称
文献中常见「混合仿真」「混合建模与仿真」「多方法仿真」（multi-method simulation）等称呼；早期脉络里有「离散-连续混合仿真」（combined discrete-continuous simulation）。本站统一使用「混合仿真」，并注明英文 Hybrid Simulation。
耦合是怎么发生的
以一支供应链为例：上游用 ABM 刻画各主体的策略与学习，中游订单履行用 DES 模拟排队与随机到达，下游市场用 SD 捕捉价格与库存的反馈累积。三者之间传递的是明确的变量——智能体的订单进入 DES 队列，DES 的产出改变 SD 的存量，SD 的价格又反过来影响智能体决策。接口设计是混合仿真真正的技术含量所在。
Hybrid simulation integrates two or more modelling paradigms—typically agent-based modelling (ABM), discrete-event simulation (DES), and system dynamics (SD)—within a single model, letting each paradigm operate at its natural level of abstraction so that micro-level behaviour and macro-level dynamics of a complex system are captured in one coherent whole.
它不是什么，它是什么
理解一个方法最有效的方式，是看清它与相邻概念的边界。
一个装了三种模板的大软件——混合是建模方法论，不是软件功能。
一种「跨范式融合」的建模方法论：范式选择、接口设计与时间尺度对齐都有讲究。
把三种范式各建一个模型再人工对结果。
同一模型内部实时耦合：范式之间在运行中持续交换信息，共同推进同一个实验。
为了「用上最新工具」的技术堆砌——混合本身有成本。
当单一范式的假设明显失真时，用可控的复杂度换取对系统的完整刻画。
一个常被混淆的对照是数字孪生：孪生强调与真实系统持续双向连接的虚拟映射，是「一种系统形态」；混合仿真强调多范式在模型内部的融合，是「一种建模方法」。孪生模型的内核完全可以由混合仿真构建——两者是方法与形态的关系，而非同义词。
另一个边界是多模型对比：分别建一个 DES 模型和一个 SD 模型再比较结果，是范式对比研究；只有当它们在同一个模型里实时耦合、协同推进同一个实验时，才叫混合仿真。
| 方法 | 核心抽象 | 最擅长 | 盲区 |
|---|---|---|---|
| 离散事件仿真 DES | 实体、队列、事件调度 | 流程、排队、资源竞争与随机性 | 累积效应与反馈回路表达力弱 |
| 系统动力学 SD | 存量、流量、反馈回路 | 宏观动态、政策情景与长期演化 | 个体异质性与离散随机被抹平 |
| 智能体建模 ABM | 异质个体、交互规则、涌现 | 个体策略、学习适应与涌现现象 | 宏观结构缺乏约束，校准成本高 |
| 解析 / 优化模型 | 数学结构、目标与约束 | 最优解、灵敏度与可证明的性质 | 复杂动态与随机行为难以内嵌 |
| 混合仿真 | 多范式 + 明确接口 | 微观行为与宏观动态统一刻画 | 接口设计、时间尺度对齐与 V&V 复杂度上升 |
典型工作流程
七步：从问题界定到实验分析。
问题界定与抽象层级选择
先回答「问题的哪些侧面需要微观精度、哪些侧面宏观动态足矣」。抽象层级的选择决定范式组合，是整个建模中最重要的决策。
范式组合与混合架构设计
为每个子系统选择范式（如个体策略→ABM、流程执行→DES、市场反馈→SD），并设计三种典型架构：分层式（不同层级各用一种范式）、并行式（同层级分区耦合）、嵌套式（一种范式内嵌于另一种）。
接口与时间尺度对齐
明确范式之间交换哪些变量、以什么方向和频率交换；DES 的事件时间与 SD 的连续步长需要对齐策略，这是混合仿真区别于单范式建模的核心技术环节。
数据采集与参数标定
不同范式需要不同粒度的数据：ABM 需要个体属性与行为规则依据，DES 需要到达与服务的分布，SD 需要存量初值与结构关系。数据缺口要在建模前显式承认。
模型实现
选择支持多范式的平台或自建耦合框架；把概念模型转为可运行代码，固化接口契约，保证范式模块可独立替换。
校核与验证（V&V）
校核（verification）确认「模型按设计运行」：先单独校核各范式模块，再校核接口；验证（validation）确认「模型与现实足够一致」：对照历史数据、极限测试与极端情景。混合模型的 V&V 必须覆盖范式交互部分——这是它最容易被糊弄过去的地方。
实验设计与结果分析
设计情景与因子（含跨范式耦合变量的因子），运行重复实验，分析输出分布而非单次结果；对结论给出适用边界，而不是越过数据说话。
应用领域
混合仿真的适用场景有一个共同特征：系统同时存在「个体异质行为」与「宏观反馈动态」。
供应链网络与物流系统
企业主体的策略互动用 ABM，仓储运输的排队与订单履行用 DES，市场需求与价格反馈用 SD——一支供应链天然横跨三个抽象层级，是混合仿真最典型的用武之地。库存波动、牛鞭效应、网络韧性等问题都能在统一模型中研究。
医院与公共卫生系统
患者流用 DES，慢病人群与资源存量用 SD，医患行为用 ABM。运筹学界在此积累了大量混合建模实践。
灾害响应与疏散
个体避险行为用 ABM，救援资源调度用 DES，灾情演化用 SD——多层级耦合是应急问题的本性。
生产系统与能源市场
产线执行用 DES，产能投资与价格用 SD，产业链主体博弈用 ABM。
大语言模型 × 混合仿真
LLM 正被用于辅助范式选择、代码生成、参数校准与模型验证，把建模者从重复劳动中解放出来；更前沿的方向是让 LLM 直接扮演模型中的智能体决策者。混合仿真的「理论优化」阶段正在到来——这也是本站作者当前的研究切入点之一。
延伸阅读
本页内容的来源与进阶路径，均为真实可查文献。
- Jia, F. (2026). A Systematic Review and Prospect of Hybrid Simulation Methods and Applications from 1980 to 2024. Archives of Computational Methods in Engineering.——对混合仿真 1980–2024 演进历程的系统综述：三大建模范式、混合架构与核心决策框架的全景梳理。（本站作者所著；DOI 与卷期待刊发信息确认后补入）
- Brailsford, S. C., Eldabi, T., Kunc, M., Mustafee, N., & Osorio, A. F. (2019). Hybrid simulation modelling in operational research: A state-of-the-art review. European Journal of Operational Research, 278(3), 748–765. doi:10.1016/j.ejor.2019.03.025——运筹学领域混合仿真的权威综述，被引 600+。
- Borshchev, A., & Filippov, A. (2004). From System Dynamics and Discrete Event to Practical Agent Based Modeling: Reasons, Techniques, Tools. The 22nd International Conference of the System Dynamics Society.——多方法建模的开山之作，直接回答「为什么要混合、怎么混合」。
注：本页定义与流程表述由本站作者整理，术语与上述文献经逐条核对；发现表述问题欢迎指正。第 1 条的刊发信息以期刊官网为准，本站作者主页亦有收录。