Недавние исследования в сфере компьютерного моделирования эволюции экономики позволяют рассматривать сложность систем в динамике изменения макроэкономических переменных, между которыми существует   нелинейная зависимость и вариации институционального поведения (нелинейная динамика), что в результате влияет на принятие решений экономического воздействия на систему. К примеру, некоторые западные правительства регламентируют использование моделей общего вычислимого равновесия (CGE: Computational General Equilibrium) [75].
Часть разработок указанного направления сосредоточена вокруг «агент-ориентированной вычислительной экономики» (АСЕ: Agent-Based Compu-tational Economics), определяемой как вычислительное исследование экономических процессов, смоделированных динамических систем [183]. Определяя термин «агент», L.Tesfatsion относит его к связанным данным и поведенческим методам, представляющим объект, составляющий в вычислительном отношении часть созданного мира [189]. Агенты могут общаться непосредственно друг с другом через их собственные публичные и защищенные методы. Примеры возможных агентов включают людей, социальные группы, учреждения, биологические и физические объекты, а также агенты могут быть составлены из других агентов, образуя иерархические конструкции (гетерогенные агенты, сложные адаптивные системы). По мнению L.Tesfatsion, агент-ориентированное моделирование имеет следующие преимущества:
 события управляются исключительно взаимодействиями агентов, со-вместно составляющих информацию без участия разработчика модели, как только начальные условия были определены. При этом идея сосредотачивается на процессе, а не на равновесии, следовательно, моделирование может продолжиться, даже если равновесие является в вычислительном отношении сложным или невозможным (сочетание процесса и структуры [186]);
 агенты могут общаться с другими агентами, управляя событиями моделирования, общаясь между собой на протяжении какого-либо отрезка времени (коэволюция), и составляют адаптивный сценарий, используя инструментальные средства (агентное программирование, коинтеграция); 
 инструментальные средства моделирования облегчают проекты агентов с относительно большей автономией, которая подразумевает способность людей к самоуправлению (автономные агенты, самоорганизация).
Для построения более сложных многомерных моделей рынка и вычис-ляемых моделей общего равновесия в качестве основы используется анализ системы полного спроса. Данная модель частичного равновесия рассматривает уровень спроса индивидуума, домохозяйства или производителя на товары при существующей структуре относительных цен, реального дохода и заданном наборе индивидуальных характеристик.
Наиболее употребительные системы полного спроса следующие: система линейных расходов (LES: Linear Expenditure System), система практически идеального спроса (AIDS: Almost Ideal Demand System) и обобщенная система практически идеального спроса (GAIDS: Generalized Almost Ideal Demand System) [178]. Модели могут использоваться для анализа широкого диапазона реформ, для которых важно знание моделей поведения потребителей, например, как изменения дохода или цены на определенный товар воздействуют на спрос конкретной группы потребителей или производителей. Для работы с сокращенными моделями может быть достаточно базовых эконометрических навыков. Для работы со структурными моделями требуются существенные навыки в области эконометрики, а также опыт программирования [118]. Следует отметить, что, несмотря на разноаспектность указанных моделей и очевидные перспективные сдвиги в практике их применения, все они в большей степени являются сложными для индивидуального восприятия и предполагаются внешними по отношению к проектируемой системе, а отмеченные параметры моделей практически не образуют мощных аттракторов, хотя и подразумевают самоорганизованные структуры агентов.