ترجمه فارسی مقاله مسیرهای آینده امیدوار کننده و ارزشمند برای پیشبرد روشهای پیشرفته ترین روشهای مدلهای مبتنی بر عامل در علوم محاسباتی اجتماعی و بهداشتی

چکیده

The execution and runtime performance of model-based analysis tools for realistic large-scale ABMs (Agent-Based Models) can be excessively long. This due to the computational demand exponentially proportional to the model size (e.g. Population size) and the number of model parameters. Even the runtime of a single simulation of a realistic ABM may demand huge computational resources when attempting to employ realistic population size. The main aim of this ad-hoc brief report is to highlight some of surrogate models that were adequate and computationally less demanding for nonlinear dynamical models in various modeling application areas.To the author knowledge, these methods have been not, at least extensively, employed for ABMs within the field of (SHCS) Social Health Computational Sciences, yet. Thus, they might be, but not necessarily, useful in progressing state of the art for establishing surrogate models for ABMs in the field of SHCS.

چکیده به فارسی (ترجمه ماشینی)

اجرای و عملکرد زمان اجرا از ابزارهای تجزیه و تحلیل مبتنی بر مدل برای ABM های واقع بینانه (مدل های مبتنی بر عامل) می تواند بیش از حد طولانی باشد.این به دلیل تقاضای محاسباتی متناسب با اندازه مدل (به عنوان مثال اندازه جمعیت) و تعداد پارامترهای مدل است.حتی زمان اجرای یک شبیه سازی واحد از ABM واقع بینانه ممکن است هنگام تلاش برای استفاده از اندازه جمعیت واقع بینانه ، منابع محاسباتی عظیمی را طلب کند.هدف اصلی این گزارش مختصر موقت ، برجسته کردن برخی از مدلهای جانشین است که برای مدلهای دینامیکی غیرخطی کافی و محاسباتی کمتر خواستار هستند. در دانش نویسنده ، این روشها حداقل به طور گسترده استفاده نشده اندبرای ABMS در حوزه (SHCS) علوم محاسباتی سلامت اجتماعی ، هنوز.بنابراین ، آنها ممکن است ، اما لزوماً در پیشرفت وضعیت هنر برای ایجاد مدلهای جانشین برای ABM ها در زمینه SHCS مفید نیستند.