経済における「合理性」とは、多くの場合効用関数を（どういう形であれ）定義し、それを最大化する行動を選択すること、である。
　したがって一般化の１つの方向は、効用関数の中に他のエージェントの行動をとり込むことである。　が、多く見られる研究事例ではこの方向ではなく、各エージェントが他のエージェントの行動の帰結を参照するタイプのモデルを採用している。
　しかしながら、前者の方法は、自分の行動を決定するのに他のエージェントの行動を予測することが要求される。さらにそのためには、他のエージェントが“他のエージェントの行動をどう予測するか”を予測する必要が生まれ、この連鎖から逃れられない。すなわち、これらの推論を一瞬にして行うという無謀な仮定を、さらに強化して用いることになり、当初の目的に反するから、この方向のモデル拡張がなかなか見られないものと考えられる。

この場合は完全にランダムに判定しているので、ほぼ５０％のところに分布することになる。
　各エージェントが各タームにおいて、自分の内部の閾値にしたがって行動すると、このような振る舞いとなる。（ここでいう「閾値」が「効用関数」と呼ばれるだけである。）
　自分の行動だけによる効用関数に基づくモデルでは、単発の行動を説明することはできても、繰り返しのある行動は説明しきれない。

　初期値の選択はほぼ５０％：５０％に近いので、ほぼ閾値の分布によってその後の振る舞いが変化する。たまたまシェアが高いほうに関する閾値が低いエージェントが多い場合には左のようになり、逆になると右のようになる。

　このような仮定になっているのは、全員を「シェアが伸びた方に乗り換え」とすると、シェアが動いたその次タームですべてのエージェントが乗り換えることになるので、一定割合のエージェントは別の行動原理を採用する必要がある。（ここではCase1と同じ行動原理とした。）
　これでも一斉にどちらかに振れるかと想像したが、実はそれほどでもない。

１次元のエージェントマップで計算したので、「周囲」で同じ選択をし始めると、固まり（クラスター）が出来上がってしまい、クラスターの内部ではもはや別のものに乗り換える契機がなくなってしまう。そのためこのように急速に収束する。

当初、試算のためにエージェント数を２０程度で計算したら、それぞれのケースで結構極端に動いたので、エージェント数を２００にした。これをさらに増加させたらどうなるか。おそらく、動きはさらに現実に近くなるのでは？ 　　　　　　　　（→『マルチエージェントと複雑系』でのサーバ使用の例）
　今回も効用関数にあたる閾値を各タームで一定（エージェントによっては異なる）としているが、実はタームを繰り返すごとに変化があるはずである。
　さらにそれらがどのように変化したかも結構、影響があるのでは？
　また、Case3での「周囲」の選び方とその影響の与え方も、その混在のさせかたによってさらに現実に近くなるだろう。