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.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
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.
- Bayesiansk optimeringOptimering↔ compare
- Design av eksperimenter (DOE)Forsøksdesign↔ compare
- Evolusjonsstrategi (CMA-ES)Optimering↔ compare
- Latin Hypercube SamplingSimulering↔ compare
- Responsflateanalyse (RSM)Forsøksdesign↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →