کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6962577 1452271 2016 15 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Scenario generation using adaptive sampling: The case of resource scarcity
ترجمه فارسی عنوان
تولید سناریو با استفاده از نمونه گیری انطباقی: مورد کمبود منابع
کلمات کلیدی
ترجمه چکیده
روش های نمونه گیری استاتیک ورودی-گرا اغلب برای تولید سناریوهای مبتنی بر مدل استفاده می شود. با این حال، برای مدل های مسائل عمیق نامشخص و پویا پیچیده، هیچ تضمینی وجود ندارد که چنین رویکردهای طیف رفتاری را که می تواند با شبیه سازی آنها تولید شود، نشان می دهد. در این مقاله، یک روش نمونه گیری سازگار با خروجی گرا برای کشف طیف رفتاری کامل ارائه می کنیم که می تواند با استفاده از مدل های محاسباتی با توجه به ایجاد سناریو های جالب، حتی قبلا کشف نشده باشد. در این مقاله، ما از مدل کمبود منابع برای نشان دادن رویکرد استفاده می کنیم، تفاوت بین نمونه گیری استاتیک و نمونه گیری سازگار را نشان می دهد، و نشان دهنده سودمندی برای کشف سناریوی دوم با روش های دیگر است. ما نشان می دهیم که این روش می تواند برای نشان دادن طیف رفتاری مدل ها، شناسایی مناطق فضای ورودی که رفتار خاصی را ایجاد می کنند و انتخاب (مجموعه ای از) سناریوها که از لحاظ فواصل خروجی و ورودی نماینده هستند، استفاده شود.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نرم افزار
چکیده انگلیسی
Static input-oriented sampling approaches are often used for generating model-based scenarios. However, for models of deeply uncertain and dynamically complex issues, there is no guarantee that such approaches reveal the total behavioral spectrum that could be generated by simulating them. In this paper, we present an adaptive output-oriented sampling approach for exploring the full behavioral spectrum that could be generated by computational models in view of generating interesting, even previously undiscovered, scenarios. In this paper, we use a resource scarcity model to illustrate the approach, show the difference between static sampling and adaptive sampling, and demonstrate the usefulness for scenario discovery of the latter combined with other methods. We show that this approach can be used for revealing the behavioral spectrum of models, identifying regions of the input space that generate particular behaviors, and selecting (sets of) scenarios that are representative in terms of output and input spaces.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Environmental Modelling & Software - Volume 79, May 2016, Pages 285-299
نویسندگان
, ,