2Level-calibration: um método de duas fases para calibração de parâmetros em simulações baseadas em agentes.

• Ano de defesa: 2024
• Autor(a) principal: Avegliano, Priscilla Barreira
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Calibração de parâmetros; Complex systems; Multiagent systems; Parameter calibration; Simulação social; Sistemas complexos; Sistemas multi-agentes; Social simulation
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/3/3141/tde-18092024-082243/

Neste trabalho, apresentamos 2LevelCalibration, uma abordagem inovadora baseada em múltiplos estágios para a calibração de parâmetros desconhecidos de modelos baseados em agentes. Como o próprio nome indica, os modelos baseados em agentes oferecem um meio de replicar o comportamento de sistemas complexos, modelando as suas partes constituintes (os agentes) e a sua interação com seus pares e o ambiente. No entanto, calibrar os parâmetros de tais modelos é especialmente desafiador devido a vários aspectos: (i) o vasto espaço de busca resultante dos numerosos parâmetros desconhecidos; (ii) a dificuldade em avaliar o impacto de cada parâmetro, uma vez que o resultado observado decorre de múltiplas relações não lineares; e (iii) a natureza dos parâmetros desconhecidos, que podem apresentar uma variabilidade muito grande, violando a maioria dos pressupostos dos métodos estatísticos tradicionais. Além disso, como esses modelos não possuem uma solução fechada, são necessárias múltiplas rodadas de simulações para avaliar as decisões de modelagem, exigindo, portanto, execuções repetidas da tarefa de calibração de parâmetros. À luz das limitações técnicas e do caráter reiterativo da tarefa de calibração de parâmetros em modelos baseados em agentes, este trabalho se dedica a apresentar um método consistente e leve para esse fim. Conduzimos extensa pesquisa sobre métodos tradicionais aplicados a este mesmo propósito em outros domínios, com foco especialmente nas características das distribuições de probabilidade dos parâmetros envolvidos em sistemas complexos, que inevitavelmente pertencem à família de caudas longas. Em seguida, propomos 2LevelCalibration com base na ideia central de uma calibração em múltiplos estágios. Na fase inicial, aproveitamos a simplicidade dos modelos baseados em equações para rapidamente explorar um grande conjunto de combinações de parâmetros, selecionando os mais promissores. Isto é seguido por uma segunda etapa mais refinada, que analisa cuidadosamente os parâmetros do modelo próximos à região do espaço de busca que potencialmente contém o conjunto ótimo de parâmetros, previamente identificados na etapa anterior do nosso método. Esta estratégia superou as técnicas tradicionais em termos de implementação leve e consistência quando testada para calibrar os parâmetros de um modelo baseado em agentes do mercado imobiliário que replica observações do mundo real.