代理模型的个人理解

个人理解

• 从解决时间和资源成本的角度进行的“插值”或“拟合”研究，最后进行优化得到全局最优解
• 实际上就是各种机器学习算法的应用
• 两种实现思路：1，实验量的堆积。在变量范围内进行拉丁方抽样（拉丁超立方抽样），然后利用试验或数值模拟进行对应的响应计算。然后利用代理模型构建映射关系，然后基于遗传算法或多目标优化算法添加相应的约束进行优化，得到最优解。若需要高精度结果，则严重依赖实验量。2，加点准则。先抽样，再根据某种加点规则（infill criterion)，再添加采样点，再计算响应，再构建代理模型。直到得到全局最优解附近的解。最后通过全局优化算法进行优化。（关键点：最好用参数化建模，这样可以自动更新采样点的计算）。