ScholarGate
Asistents
Process / pipeline

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.

Atvērt MethodMindDrīzumāVideoDrīzumāDownload slides

Lasīt pilno metodes aprakstu

Tikai dalībniekiem

Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.

Pieteikties

Method map

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

Avoti

  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

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.

Compare side by side

Uz to atsaucas

ScholarGateSurrogate-Based Optimization (Surrogate-Based Optimization (Metamodel-Assisted Optimization)). Izgūts 2026-06-15 no https://scholargate.app/lv/optimization/surrogate-optimization · Datu kopa: https://doi.org/10.5281/zenodo.20539026