English(EN) Machine learning-assisted calibration of Agent-based Models: surrogate-based optimization with Genetic Algorithm and Particle Swarm Optimization

机器学习辅助代理模型校准，缩短时间和减少错误

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-15 04:00

研究人员开发了一种机器学习辅助方法来校准代理模型（ABM），由于复杂的模拟环境，这些模型通常难以调整。这种新方法将机器学习代理模型嵌入遗传算法（GA）和粒子群优化（PSO）中，以筛选候选参数，从而显著减少了昂贵的黑盒模拟的需要。对两个不同的ABM进行的评估表明，与传统的优化方法相比，最佳的机器学习辅助配置在均方根误差（RMSE）和计算时间方面取得了显著的降低。研究还强调，代理模型和优化技术的最佳组合取决于所校准的ABM的复杂性。 AI

影响这项研究为调整复杂模拟提供了一种更有效的方法，有可能加速依赖于代理建模的领域的科学发现。

排序理由这是一篇研究论文，详细介绍了使用机器学习校准代理模型的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 11 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 这是一篇研究论文，详细介绍了使用机器学习校准代理模型的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, other; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Same-day; Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Duguma Yeshitla Habtemariam, Jihwan Lee · 2026-09-15 04:00

基于机器学习的Agent-based模型校准：结合遗传算法和粒子群优化的代理模型优化

arXiv:2609.13247v1 Announce Type: cross Abstract: Calibrating an agent-based model (ABM) is difficult because its objective landscape is stochastic and rugged, and can be evaluated only through costly black-box simulations. This study adapts inner-loop surrogate-assisted evolutio…

本文如何被排名

报道来源 [1]

基于机器学习的Agent-based模型校准：结合遗传算法和粒子群优化的代理模型优化

相关实体

相关话题