Optimizācija, balstīta uz aizstājējiem — Metamodelēšanas palīdzēta projektēšana
Optimizācija, balstīta uz aizstājējiem (surrogate-based optimization), kas formalizēta Sacks et al. (1989) datoreksperimentu sistēmā un popularizēta inženierzinātnēs Forrester et al. (2008), aizstāj pārmērīgi dārgu simulāciju vai fizisku eksperimentu ar lētu aptuvenu modeli — ko sauc par aizstājēju (surrogate) vai metamodelēšanas modeli (metamodel) — un pēc tam optimizē šo aizstājēju. Aizstājējs parasti ir Kriging (Gausa process), radiālo bāzes funkcija (Radial Basis Function) vai polinomu atbildes virsma (response surface), kas pielāgota nelielam skaitam rūpīgi izvēlētu dizaina novērtējumu un periodiski tiek atjaunināta, progresējot meklēšanai.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 1). Surrogate-Based Optimization (Metamodel-Assisted Optimization). ScholarGate. https://scholargate.app/lv/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.
- Optimizācija ar Bajesas metodiOptimizācija↔ compare
- Eksperimentu plānošanaEksperimentu plānošana↔ compare
- Evolucionārā stratēģija (CMA-ES)Optimizācija↔ compare
- Latīņu hiperkuba paraugu ņemšanaSimulācija↔ compare
- Metodoloģija virsmas atbildes (RSM)Eksperimentu plānošana↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →