يمكن استخدام نماذج Kriging ، المعروفة أيضًا باسم نماذج عملية Gaussian ، في التحسين كأداة تنبؤية للمساعدة في تقدير قيمة الوظيفة ومشتقاتها في نقاط غير ملحوظة. هذا مفيد بشكل خاص عند تقييم الوظائف باهظة الثمن أو عندما يكون هناك عدد محدود فقط من تقييمات الوظائف الممكنة. من خلال الاستفادة من قيم الوظائف المتوقعة والاختلافات من نموذج kriging ، يمكن لخوارزميات التحسين اتخاذ قرارات مستنيرة حول مكان الاستكشاف والاستغلال في مساحة البحث ، مما قد يقلل من عدد تقييمات الوظائف اللازمة للعثور على الحل الأمثل. يمكن أيضًا استخدام نماذج Kriging لإنشاء نماذج بديلة في تحسين متعدد الأهداف ، حيث يتم تقريب الوظائف الموضوعية من خلال نماذج kriging ويتم حل مشكلة التحسين باستخدام الخوارزميات التطورية أو تقنيات التحسين العالمية الأخرى. بشكل عام ، تلعب نماذج kriging دورًا مهمًا في التحسين من خلال تمكين الاستكشاف والاستغلال الفعال لمساحات البحث ، مما يؤدي إلى نتائج تحسين أسرع وأكثر دقة.
تاريخ النشر: