代理人
替代模型是一种近似方法,它模仿计算上昂贵的模拟的行为。 用更多的数学术语:假设我们正在尝试优化函数f(p) ,但是f每次计算都非常昂贵。 可能是我们需要为每个点求解PDE或使用高级数值线性代数机制的情况,这通常很昂贵。 我们的想法是再开发一个替代模型g近似于f通过对从评估收集以前的数据训练f 。 代理模型的构建可以看作是一个三步过程:
样品选择
替代模型的构建
代理优化
当前所有可用的采样方法:
网格
制服
索博尔
拉丁超立方体
低差异
克罗内克
金的
随机的
当前所有可用的代理模型:
克里格
使用Stheno进行克里金法
径向基础
温德兰
线性的
二阶多项式
支持向量机(等待LIBSVM分辨率)
神经网络
随机森林
洛巴切斯基
反距离
多项式展开
保真度可变
专家混合(等待GaussianMixtures软件包在v1.5上工作)
地球
梯度增强克里格
当前所有可用的优
1