مدل سازی مبتنی بر عامل (ABM) معمولاً برای شبیه سازی رشد اراضی شهری استفاده می شود. یک چالش اصلی ABM برای شبیه سازی پویایی استفاده از زمین شهری در حمایت از مدیریت پایدار شهری ، درک و الگوبرداری از نحوه تصمیم گیری در مورد موقعیت مکانی افراد و ایجاد الگوهای توسعه کاربری زمین است که در آن بعد الگوهای استفاده از زمین شهری را شکل می دهد. برای بررسی این موضوع ، ما بر مدل سازی فرایند یادگیری عامل در فرایند تصمیم گیری در محل سکونت تمرکز می کنیم تا یادگیری تجربه شخصی و بین فردی افراد را در حین تصمیم گیری نمایان کنیم. ما یک الگوی یادگیری تقویت تقویت کرده ایم تا یادگیری عوامل انسانی را هنگام تصمیم گیری در مورد مکان نمایان کنیم. در نتیجه ، ما یک روش جدید مبتنی بر عامل را برای شبیه سازی رشد اراضی مسکونی پیشنهاد داده ایم و توسعه داده ایم که شامل یک مدل یادگیری عامل ، یک مدل تصمیم گیری عامل ، یک مدل تبدیل کاربری اراضی و تأثیرات منطقه بندی زمین شهری و تمایلات توسعه دهندگان است. . روش پیشنهادی برای اولین بار با استفاده از داده های فرضی مورد آزمایش قرار گرفت. سپس از این مدل برای شبیه سازی رشد زمین های مسکونی شهری در شهر نانجینگ چین استفاده شد. با اعتبار سنجی مدل در برابر داده های تجربی ، نتایج نشان داد که افزودن مدل یادگیری عامل به بازنمایی تصمیم گیری در مورد مکان تطبیقی ​​عامل و بهبود قدرت شبیه سازی مدل تا حدی کمک می کند. روش مبتنی بر عامل با مدل یادگیری عامل تعبیه شده برای مطالعه تدوین سیاست های توسعه شهری و آزمایش پاسخ افراد به این سیاست ها کاربرد دارد.