Anylogic：如何使用两个数据集的值创建目标函数（用于优化实验）？答案

【问题标题】：Anylogic: How to create an objective function using values of two dataset (for optimization experiment)?Anylogic：如何使用两个数据集的值创建目标函数（用于优化实验）？
【发布时间】：2022-02-10 06:56:54
【问题描述】：

在我的 Anylogic 模型中，我有一组代理（4 个终端），卡车到达、接受服务和离开。码头有两个参数（numberOfGates 和 servicetime）影响每小时离开码头的卡车的departures。现在我想调整这两个参数，使每小时的发车次数最接近现实（我知道每小时的实际发车次数）。我在每个终端代理中已经有两个数据集，一个是我模拟的每小时 departures 的量，另一个是来自数据的 observedDepartures。

我已经在每个终端的图中比较了这两个数据集：

现在我想创建一个优化实验来调整终端的numberOfGates 和servicetime，使departure 数据集最接近observedDepartures 数据集。有谁知道如何为这个优化实验创建一个（n）（目标）函数最简单的方法？

当我添加一个由abs( departures - observedDepartures) 每小时更新的变量diff 并将root.diff 放入优化实验中时，它给了我eq(null) is not allowed. Use isNull() instead 错误，在读取@987654342 的数据库的行中@（见上图），但是我正常运行模拟的时候就可以了，运行优化实验的时候才报这个错误（不知道为什么）。

【问题讨论】：

标签： function optimization parameters dataset anylogic

【解决方案1】：

您可以使用每次复制的差值总和的绝对值。也就是说，创建一个每小时记录| difference | 的变量，将其命名为diff。然后在优化实验中，最小化那个变量之和的值。事实上，这接近于典型回归模型的目标。他们使用更复杂的目标函数，通过最小化差异的平方和。

【讨论】：

感谢您的评论和帮助。我没有成功完成这项工作。如何存储每小时的差异？当我给变量提供每小时变化的变量/数字之间的绝对差值时自动？或者通过添加一个循环事件（但我没有成功地将一些值从一个事件添加到一个变量）？以及如何在目标函数中对这个变量求和？现在它说该变量无法解析为变量...
您实际上需要一个数字来表示整个复制，这将是偏差绝对值的总和。而且您应该能够从事件中更新一个变量。在每个小时结束时，您只需使用 diff+=abs( departures - observedDepartures) 更新 diff 变量。在优化实验中，您不需要求和。您的目标函数将是 `minimize (diff)`。
我不知道你说的第一句话是什么意思。我在终端代理中添加了事件和变量（所以每个终端都有一个），优化实验（有顶级终端）最小化diff，但我收到了这个错误eq(null) is not allowed. Use isNull() instead。也许是因为我有 4 个终端代理？但不知道为什么..
是.. 目标函数中的root.terminals(0).diff + root.terminals(1).diff+... 不起作用？
在较小的模型中运行实验时，只有该部分的必需品，它可以工作:) 谢谢！

【解决方案2】：

校准实验已经完成（以更数学上正确的方式）您正在尝试做的事情，使用内置的 difference 函数来计算“两条曲线之间的面积”（这是优化试图做的）最小化）。你不需要自己计算差异或任何东西。（该函数有两种变体来比较两个数据集（您的情况）或一个数据集和一个表函数（如果您的经验数据与您的合成模拟数据不在同一时间点，则很有用）。）

在您的情况下，它（目标函数）需要是 4 个终端的经验数据集和模拟数据集之间差异的总和（或者如果认为某些终端的拟合比其他终端更重要，则可能是加权总和)。

所以你的目标是这样的

difference(root.terminals(0).departures, root.terminals(0).observedDepartures)
+ difference(root.terminals(1).departures, root.terminals(1).observedDepartures)
+ difference(root.terminals(2).departures, root.terminals(2).observedDepartures)
+ difference(root.terminals(3).departures, root.terminals(2).observedDepartures)

（最好为函数中的任意数量的终端计算这个，但这是代码的“原始形状”。）

校准实验实际上只是一个向导，它创建以特定方式设置的优化实验（使用 UI 和已为您创建的所有设置/代码），因此您可以在现有优化实验中使用该目标（但它不会像校准实验那样内置有用的 UI）。这也意味着您仍然可以在个人学习版中进行设置（没有校准实验）。

【讨论】：