ScholarGate
Assistent
Process / pipeline

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.

Åbn i MethodMindSnartVideoSnartDownload slides

Læs hele metoden

Kun for medlemmer

Log ind med en gratis konto for at læse dette afsnit.

Log ind

Method map

The neighbourhood of related methods — select a node to explore.

Kilder

  1. Forrester, A., Sobester, A., & Keane, A. (2008). Engineering Design via Surrogate Modelling: A Practical Guide. Wiley. link
  2. 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.

Compare side by side

Refereret af

ScholarGateSurrogate-Based Optimization (Surrogate-Based Optimization (Metamodel-Assisted Optimization)). Hentet 2026-06-15 fra https://scholargate.app/da/optimization/surrogate-optimization · Datasæt: https://doi.org/10.5281/zenodo.20539026