[Paper] 복잡한 사회 시뮬레이션을 위한 온라인 보정기로서 Posterior Distribution 기반 Evolutionary Dynamic Optimization

Source: arXiv - 2601.19481v1

Overview

복잡한 사회 시스템 시뮬레이터의 보정은 시뮬레이터 출력이 관측된 목표 데이터와 가장 잘 일치하도록 하는 최적 파라미터를 찾는 것을 목표로 합니다. 많은 사회 시스템이 시간에 따라 내부적으로 변할 수 있기 때문에, 보정은 자연스럽게 온라인 작업이 되며, 시뮬레이터의 충실도를 유지하기 위해 파라미터를 지속적으로 업데이트해야 합니다.

본 연구에서는 온라인 설정을 동적 최적화 문제(DOP)로 처음 정의하고, 실제 시스템 변화에 시뮬레이터를 맞추기 위한 일련의 최적 파라미터를 탐색하도록 요구합니다. 그러나 전통적인 DOP 정의와 달리, 온라인 보정은 관측 데이터를 환경 동역학의 구동력으로 명시적으로 포함합니다. 이러한 근본적인 차이 때문에, 블랙‑박스 DOP에 대해 광범위하게 연구된 기존 진화적 동적 최적화(EDO) 방법들은 이러한 시나리오를 처리하기에 충분히 준비되지 않았습니다. 결과적으로, 온라인 보정 문제는 사회 과학에서 널리 존재하는 새로운 도전적인 DOP 집합을 구성합니다.

우리는 파라미터와 관측 데이터의 사후 분포를 명시적으로 학습함으로써, 변화 감지와 기존 EDO의 환경 적응을 촉진하는 방법을 제안합니다. 구현을 위한 사전 학습된 사후 모델을 제시하고, 최적화 과정에서 이를 미세 조정합니다. 경제 및 금융 시뮬레이터에 대한 광범위한 테스트를 통해, 사후 분포가 이러한 사회 과학 분야 DOP에서 EDO를 크게 향상시킴을 검증했습니다.

Key Contributions

• cs.NE
• cs.LG

Methodology

자세한 방법론은 전체 논문을 참고하십시오.

Practical Implications

이 연구는 cs.NE 분야의 발전에 기여합니다.

Authors

• Peng Yang
• Zhenhua Yang
• Boquan Jiang
• Chenkai Wang
• Ke Tang
• Xin Yao

Paper Information

• arXiv ID: 2601.19481v1
• Categories: cs.NE, cs.LG
• Published: January 27, 2026
• PDF: Download PDF