Los modelos Kriging, también conocidos como modelos de procesos gaussianos, se pueden utilizar en la optimización como una herramienta predictiva para ayudar a estimar el valor de una función y sus derivadas en puntos no observados. Esto es particularmente útil cuando se evalúan funciones costosas o cuando solo es posible un número limitado de evaluaciones de funciones. Al hacer uso de los valores de función pronosticados y las varianzas del modelo kriging, los algoritmos de optimización pueden tomar decisiones informadas sobre dónde explorar y explotar en el espacio de búsqueda, lo que podría reducir la cantidad de evaluaciones de funciones necesarias para encontrar una solución óptima. Los modelos kriging también se pueden usar para construir modelos sustitutos en la optimización multiobjetivo, donde las funciones objetivo se aproximan mediante modelos kriging y el problema de optimización se resuelve mediante algoritmos evolutivos u otras técnicas de optimización global. En general, los modelos kriging desempeñan un papel crucial en la optimización al permitir una exploración y explotación eficientes de los espacios de búsqueda, lo que conduce a resultados de optimización más rápidos y precisos.
Fecha de publicación: