代理优化

代理优化是一种应用于黑盒模型的优化方法，计算成本很高。通过迭代构建替代模型，与黑盒模型相比，可以快速评估，优化器可以在更短的时间内执行更广泛的搜索和更多的评估，增加找到全局最优的机会。这种方法广泛应用于优化设计。的全局优化工具箱在MATLAB^®提供可协助处理这些应用程序的代理优化求解器。

黑盒模型将输入与输出联系起来，而不暴露模型的内部工作原理。工程师使用代理模型来确定黑盒模型的最佳参数，这些模型需要运行模拟，训练机器学习模型，或求解参数同时是连续和离散的FEA/CFD模型。

另一种方法是构建一个代理模型，例如降阶模型(ROM)，然后对代理模型应用优化。

MATLAB提供以下特性代理优化和罗，以及应用例子，例如电路，天线,current-carry电缆设计。

代理优化如何工作

代理优化算法从一组点开始，这些点要么随机生成，要么作为数据提供。优化器在这些点上评估黑盒模型，并通过拟合或插值构建初始代理模型。

该算法在每次迭代中生成许多候选点。优化器通过a来计算点优值函数这通常包括替代模型的目标值和标准，例如可行性的度量、预期的改进，以及解决方案空间的覆盖。优化器可以使用本地搜索或非线性优化改进候选集。使用黑盒模型评估最佳候选对象，并使用其值更新代理模型。

有关代理优化的详细信息，请参见全局优化工具箱和统计和机器学习工具箱™。