基于合成数据的高维仿真模型优化
应用统计
2020-09-08 v1 计算机与社会
摘要
仿真模型是资源使用估计与容量规划的有价值工具。在许多情况下，可靠数据并不可用。我们引入了BuB仿真器，其仅需要对仿真参数给定合理的区间。通过执行基于代理模型的优化，可以确定改进的仿真模型参数。此外，可以进行详细的统计分析，从而深入洞察最重要的模型参数及其交互作用。该信息可用于筛选应进一步研究的参数。为示例我们的方法，我们模拟并优化了一项医院容量与资源规划任务。该研究明确涵盖了由COVID-19大流行所引起的困难。可以表明，即使仅有有限的真实世界数据可用，BuB仿真器仍可被有益地用于考虑最坏与最好情形。BuB仿真器可通过多种方式进行扩展，例如添加更多资源（个人防护装备、人员、药物）或指定若干队列（基于年龄、健康状况等）。关键词：合成数据，离散事件仿真，基于代理模型的优化，COVID-19，机器学习，人工智能，医院资源规划，预测工具，容量规划。
引用
@article{arxiv.2009.02781,
title = {Optimization of High-dimensional Simulation Models Using Synthetic Data},
author = {Thomas Bartz-Beielstein and Eva Bartz and Frederik Rehbach and Olaf Mersmann},
journal= {arXiv preprint arXiv:2009.02781},
year = {2020}
}