代理模型辅助的基于智能体模型参数化方法
机器学习
2020-08-28 v1 机器学习
摘要
参数校准是基于智能体的建模与仿真(ABMS)中的一大挑战。随着基于智能体的模型(ABM)复杂度的增加,需要校准的参数数量也随之增长。这导致了ABMS领域中所谓的“维度灾难”。我们提出了一个ABMS框架,能够促进不同采样方法与代理模型(SM)的有效集成,以评估这些策略如何影响参数校准与探索。我们表明,代理模型辅助方法的性能优于标准采样方法。此外,我们表明就我们的分析而言,XGBoost与决策树代理模型在总体上最为最优。
引用
@article{arxiv.2008.11835,
title = {Surrogate Assisted Methods for the Parameterisation of Agent-Based Models},
author = {Rylan Perumal and Terence L van Zyl},
journal= {arXiv preprint arXiv:2008.11835},
year = {2020}
}