随机 python 模拟的校准

Posted 2023-02-16

【中文标题】随机 python 模拟的校准

【英文标题】：Calibration of a stochastic python simulation

【发布时间】：2015-10-18 23:12:55

【问题描述】：

我在 python 中有一个（基于代理的）模拟。结果是随机的。我想校准模拟以最小化平方距离的总和。 有哪些 Python 算法可用于最小化随机模拟？

【参考方案1】：

不知道更多，例如“距离”是如何计算的？我只能给出一般性建议。我建议使用 scipy 的 optimization 模块。根据总和是标量还是向量，您可以使用不同的优化器。

如果你不熟悉不同的优化方法，我建议你看一下this brief overview。

【讨论】：

感谢好消息。你确定优化模块可以处理随机结果吗？

距离是 Sum(w(x - y)^2)，其中 x 是真实生活结果的测量值，y 是 abm 的结果。例如，在模拟/现实中观察到的最高价格涨幅。

太棒了，所以 Nelder-Mead (scipy.optimize.fmin()) 或 Powell (scipy.optimize.fmin_powell()) 可以处理嘈杂的结果。

抱歉回复晚了。我不确定您所说的随机结果是什么意思 - 统计数据使用似然函数，根据定义，它与随机结果相关。但是优化包只会尝试使用你给它的任何函数来最大化一个标量或向量。稍微相关的是，您可能希望将随机元素保留在优化之外。如果你不断为优化器的每次迭代绘制随机值，你会得到嘈杂的结果。

我认为 OP 意味着函数结果本身是随机的——每次调用都会受到轻微干扰——通过快速谷歌搜索我找到了noisyopt.readthedocs.io/en/latest，但我不确定这是最好的。 @DavoudTaghawi-Nejad 是什么让您认为“scipy.optimize.fmin 可以处理嘈杂的结果”？