Анализ метаэвристических методов идентификации параметров для агентных моделей

При моделировании сложных систем с использованием агентного подхода возникает проблема выбора метода идентификации параметров модели. Данная проблема усугубляется тем, что пространство параметров в сложных агентных системах может иметь большую размерность, а время, необходимое для выполнения одного численного эксперимента, довольно большим. Альтернативой традиционным методам оптимизации являются так называемые метаэвристические алгоритмы, дающие приближенное решение за приемлемое время. Целью данного исследования является сравнение различных метаэвристических методов идентификации параметров и анализ их эффективности на примере сложной агентной модели с большой вычислительной сложностью. В качестве алгоритмов рассматривались: алгоритм Метрополиса-Гастингса, метод Монте-Карло с марковской цепью, метод суррогатного моделирования и алгоритм оптимизации роем частиц. Рассматриваемые алгоритмы тестировались на агентной модели динамики семи респираторных вирусных инфекций в Москве.