ScholarGate
Assistent
Process / pipeline

Surrogate-basert optimering — Metamodell-assistert design

Surrogate-basert optimering, formalisert i rammeverket for dataeksperimenter av Sacks et al. (1989) og popularisert for ingeniørfag av Forrester et al. (2008), erstatter en uoverkommelig dyr simulering eller et fysisk eksperiment med en billig tilnærmet modell — kalt en surrugat eller metamodell — og optimerer deretter denne surrugaten. Surrogaten er typisk en Kriging (Gaussisk prosess), Radialbasis-funksjon eller polynomisk responsoverflate tilpasset et lite sett av nøye utvalgte designevalueringer og periodisk oppdatert etter hvert som søket skrider frem.

Åpne i MethodMindSnartVideoSnartDownload slides

Les hele metoden

Kun for medlemmer

Logg inn med en gratis konto for å lese denne delen.

Logg inn

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

Slik siterer du denne siden

ScholarGate. (2026, June 1). Surrogate-Based Optimization (Metamodel-Assisted Optimization). ScholarGate. https://scholargate.app/no/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

Referert av

ScholarGateSurrogate-Based Optimization (Surrogate-Based Optimization (Metamodel-Assisted Optimization)). Hentet 2026-06-15 fra https://scholargate.app/no/optimization/surrogate-optimization · Datasett: https://doi.org/10.5281/zenodo.20539026