Uno de los supuestos clave (y a menudo criticado) de la Teoría de Juegos es la racionalidad de los jugadores/agentes y el conocimiento común de los mismos. Es decir, los agentes tomarán la mejor decisión para sí mismos dada la información disponible.
Esta suposición dice básicamente que los costes cognitivos son insignificantes. Por ejemplo, puedo saber fácilmente si es óptimo para mí comprar un seguro de equipaje. En realidad, probablemente tendría que buscar estadísticas y hacer algunos cálculos básicos.
El modelado basado en agentes utiliza con frecuencia reglas heurísticas de comportamiento en lugar de la optimización. En algunas circunstancias, estas reglas no son óptimas, pero se acercan mucho. Un buen ejemplo es el heurística de la mirada :
La heurística de la mirada es utilizada por los seres humanos y los animales para atrapar objetos voladores. Implica la fijación de la mirada en el objeto y el ajuste de la velocidad de carrera para que el ángulo de la mirada se mantenga constante mientras se aproxima al objeto (véanse las tres reglas de decisión en la tabla anterior). Las pruebas empíricas demuestran que los cazadores de pelotas experimentados utilizan la heurística de la mirada y otras similares, al igual que los perros cuando intentan atrapar frisbees.
Del mismo modo, en el modelo de Solow se supone que los consumidores ahorran una parte constante de sus ingresos, sin calcular la utilidad.
Al simular modelos con diferentes reglas de comportamiento se puede encontrar un modelo que sea una buena aproximación a la realidad o se puede encontrar una regla simple que tome decisiones casi óptimas.
Aunque el ABM es más flexible, esa flexibilidad también es un problema: hay una miríada de heurísticas entre las que elegir, y las distintas heurísticas suelen conducir a resultados muy diferentes.