A Co-evolutionary Approach for Heston Calibration
创建于 更新于
摘要
本文提出一种“共演化”（co-evolutionary）标定框架，将遗传算法（GA）与进化神经逆映射耦合，以加速 Heston 模型参数标定并生成在线即时推断；研究发现 NN 驱动的注入能显著加速 GA 收敛，但当训练集来源于优化器历史时会造成数据集中化并引发过拟合，而采用 Latin Hypercube Sampling 的空间填充数据能在保持相似精度的同时显著提升对未见曲面的泛化稳定性 [page::0][page::16].
