[Paper] 后验分布辅助的进化动态优化作为复杂社会模拟的在线校准器

Source: arXiv - 2601.19481v1

概览

复杂社会系统模拟器的校准旨在识别能够使模拟器输出最佳匹配从系统观测到的目标数据的最优参数。由于许多社会系统可能随时间内部发生变化，校准自然成为一个在线任务，需要持续更新参数以保持模拟器的保真度。

在本工作中，首先将在线设置形式化为一个动态优化问题（DOP），需要搜索一系列最优参数，使模拟器适应真实系统的变化。然而，与传统的 DOP 表述不同，在线校准明确将观测数据作为环境动态的驱动因素。由于这一根本性差异，现有的演化动态优化（EDO）方法——尽管已在黑箱 DOP 中得到广泛研究——并不适用于此类情形。因此，在线校准问题构成了一组全新的、在社会科学中广泛存在的具有挑战性的 DOP。

我们提出显式学习参数和观测数据的后验分布，从而促进现有 EDO 在该情形下的变更检测和环境适应。我们提供了一个预训练的后验模型用于实现，并在优化过程中对其进行微调。对经济和金融模拟器的广泛测试验证了后验分布能够显著提升在此类 DOP 中的 EDO 表现。

关键贡献

• cs.NE
• cs.LG

方法论

请参阅完整论文获取详细的方法论。

实际意义

本研究有助于推动 cs.NE 的发展。

作者

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

论文信息

• arXiv ID: 2601.19481v1
• 分类: cs.NE, cs.LG
• 出版时间: 2026 年 1 月 27 日
• PDF: Download PDF