Simulationsbasierte Optimierung mittels differenzierbarer Agenten (SODA)

• Antragstellerin: Professorin Dr. Adelinde Uhrmacher, seit 8/2024
• Fachliche Zuordnung: Datenmanagement, datenintensive Systeme, Informatik-Methoden in der Wirtschaftsinformatik
• Förderung: Förderung seit 2022
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 497901036

Agentenbasierte Simulationen finden in vielen Domänen Anwendung, um Systeme zu entwerfen und zu evaluieren. Häufig werden Optimierungsprobleme gelöst, indem die Parameter eines Simulationsmodells iterativ angepasst werden, was mit immensen Rechenzeiten verbunden ist. Gradienteninformation könnten den Optimierungsprozess in Richtung lokaler Optima lenken, können aber auf die meisten agentenbasierten Simulationen mangels expliziter Ausdrücke für den Gradienten nicht angewandt werden. Die im Projekt "Simulationsbasierte Optimierung mittels differenzierbarer Agenten" verfolgte Vision ist der Einsatz von Techniken der automatischen Differenzierung, um ein breites Spektrum agentenbasierter Modelle einer gradientenbasierte Optimierung zugänglich zu machen. Die entscheidende Herausforderung stellen hierbei diskrete Modellelemente wie Verzweigungen im Kontrollfluss dar, welche charakteristisch für agentenbasierte Modelle sind, jedoch zu nicht aussagekräftigen nullwertigen oder unendlichen partiellen Ableitungen führen können. In einer Proof-of-Concept-Veröffentlichung konnten wir zeigen, dass durch ein manuelles Ersetzen diskreter Modellelemente durch glatte Gegenstücke die Konvergenzgeschwindigkeit und Qualität von Lösungen für bestimmte Optimierungsprobleme erheblich verbessert werden kann, ohne das ursprüngliche Agentenverhalten substantiell zu verändern. Während das große Potential des Ansatzes an manuell implementierten Beispielmodellen aufgezeigt wurde, ist weitere Forschung notwendig, um eine breite Anwendbarkeit zu erreichen und den Ansatz systematisch zu untersuchen. Das Projekt zielt daher auf die Beantwortung der folgenden Forschungsfragen ab: Können agentenbasierte Modelle automatisiert und unter Beibehaltung des Agentenverhaltens in eine glatte Repräsentation überführt werden? Da ein naives Glätten selbst für kleine Simulationen zu exzessivem Rechenaufwand führt, muss hierbei Wissen über typische Elemente agentenbasierter Modelle ausgenutzt werden. Für die in einer domänenspezifischen Modellierungssprache formulierten Modellelemente werden zu diesem Zweck spezifische Übersetzungsregeln in einen geglätteten Simulationscode definier. Zu welchem Grad können Modelleigenschaften und die Struktur agentenbasierter Simulationen ausgenutzt werden, um den Rechenaufwand zu reduzieren? Wir identifizieren eine Reihe von Möglichkeiten zur Reduktion des Rechenaufwands durch Ausnutzung von Eigenschaften wie einer begrenzten Interaktionsdistanz zwischen Agenten oder der strukturellen Ähnlichkeiten zu künstlichen neuronalen Netzen. Können mit dem Ansatz innerhalb eines gegebenen Zeit- und Hardwarebudgets bessere Lösungen identifiziert werden als mittels existierender Verfahren? Die Evaluierung erfolgt auf Basis hochdimensionaler Optimierungsprobleme aus der Verkehrsplanung und der Zellbiologie.

• DFG-Verfahren: Sachbeihilfen
• Ehemaliger Antragsteller: Dr. Philipp Andelfinger, bis 7/2024