Methodenbewijsdossier

Surrogate-Based Optimization

Surrogate-based optimization, formalized in the computer-experiments framework of Sacks et al. (1989) and popularized for engineering by Forrester et al. (2008), replaces a prohibitively expensive simulation or physical experiment with a cheap approximate model — called a surrogate or metamodel — and then optimizes that surrogate instead. The surrogate is typically a Kriging (Gaussian Process), Radial Basis Function, or polynomial response surface fitted to a small set of carefully chosen design evaluations and periodically updated as the search progresses.

Sources recorded, not reviewed

Bronrecord

Citaten letterlijk overgenomen uit het bronrecord van de methode. Hieruit wordt geen verificatie op claimniveau afgeleid.

Surrogate-Based Optimization (Metamodel-Assisted Optimization)

Taxonomisch methodendossier · process-pipeline / optimization

Volledige methode openen

Gecureerde claims

Claims opgeslagen in het bewijsregister, elk met zijn eigen beoordeling.

Nog geen gecureerde claims

Deze weergave verzint geen claimbeoordeling als het register er geen heeft.

Gerelateerde methoden

Gegenereerd uit de methodegraaf en getoond als machinaal voorgestelde relaties — er wordt geen bewijsclaim afgeleid.

Same method familyBayesian Optimizationmachine-suggested · Relational suggestion, not evidence.Same method familyDesign of experimentsmachine-suggested · Relational suggestion, not evidence.Same method familyEvolutionary Strategymachine-suggested · Relational suggestion, not evidence.Same method familyLatin Hypercube Samplingmachine-suggested · Relational suggestion, not evidence.See alsoResponse Surface Methodologymachine-suggested · Relational suggestion, not evidence.