Surrogatbaseret optimering — Metamodel-assisteret design
Surrogatbaseret optimering, formaliseret inden for rammerne af computer-eksperimenter af Sacks et al. (1989) og populariseret inden for ingeniørvidenskab af Forrester et al. (2008), erstatter en uoverkommeligt dyr simulering eller et fysisk eksperiment med en billig, approksimativ model — kaldet et surrogat eller metamodel — og optimerer derefter dette surrogat i stedet. Surrogatet er typisk en Kriging (Gaussisk proces), Radial Basis Function eller en polynomisk responsflade, der er tilpasset et lille sæt omhyggeligt udvalgte designevalueringer og periodisk opdateres, efterhånden som søgningen skrider frem.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Forrester, A., Sobester, A., & Keane, A. (2008). Engineering Design via Surrogate Modelling: A Practical Guide. Wiley. link ↗
- Sacks, J., Welch, W. J., Mitchell, T. J., & Wynn, H. P. (1989). Design and Analysis of Computer Experiments. Statistical Science, 4(4), 409-423. DOI: 10.1214/ss/1177012413 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 1). Surrogate-Based Optimization (Metamodel-Assisted Optimization). ScholarGate. https://scholargate.app/da/optimization/surrogate-optimization
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Bayesiansk optimeringOptimering↔ compare
- Design of ExperimentsForsøgsdesign↔ compare
- Evolutionary Strategy (CMA-ES)Optimering↔ compare
- Latin Hypercube SamplingSimulering↔ compare
- Responsflademetodologi (RSM)Forsøgsdesign↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →