Promising and worth-to-try future directions for advancing state-of-the-art surrogates methods of agent-based models in social and health computational sciences

要約

現実的な大規模 ABM (エージェントベース モデル) 用のモデルベース分析ツールの実行とランタイム パフォーマンスは、過度に長くなる可能性があります。
これは、計算需要がモデル サイズ (母集団サイズなど) とモデル パラメーターの数に指数関数的に比例するためです。
現実的な人口規模を採用しようとすると、現実的な ABM の 1 回のシミュレーションの実行時間でも、膨大な計算リソースが必要になる場合があります。
この臨時の簡単なレポートの主な目的は、さまざまなモデリング アプリケーション領域における非線形動的モデルにとって適切で、計算量の要求が少ない代替モデルのいくつかを強調することです。著者の知る限り、これらの手法は、少なくとも広範囲には使用されていません。
(SHCS) 社会健康計算科学分野内の ABM についてはまだです。
したがって、これらは、SHCS の分野で ABM の代理モデルを確立するための最新技術の進歩に役立つ可能性がありますが、必ずしも役立つわけではありません。

要約(オリジナル)

The execution and runtime performance of model-based analysis tools for realistic large-scale ABMs (Agent-Based Models) can be excessively long. This due to the computational demand exponentially proportional to the model size (e.g. Population size) and the number of model parameters. Even the runtime of a single simulation of a realistic ABM may demand huge computational resources when attempting to employ realistic population size. The main aim of this ad-hoc brief report is to highlight some of surrogate models that were adequate and computationally less demanding for nonlinear dynamical models in various modeling application areas.To the author knowledge, these methods have been not, at least extensively, employed for ABMs within the field of (SHCS) Social Health Computational Sciences, yet. Thus, they might be, but not necessarily, useful in progressing state of the art for establishing surrogate models for ABMs in the field of SHCS.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google