แบบจำลอง Kriging หรือที่เรียกว่าแบบจำลองกระบวนการ Gaussian สามารถใช้ในการเพิ่มประสิทธิภาพเป็นเครื่องมือคาดการณ์เพื่อช่วยประมาณค่าของฟังก์ชันและอนุพันธ์ของฟังก์ชัน ณ จุดที่ไม่มีใครสังเกต สิ่งนี้มีประโยชน์อย่างยิ่งเมื่อต้องประเมินฟังก์ชันที่มีราคาแพงหรือเมื่อประเมินฟังก์ชันได้ในจำนวนจำกัดเท่านั้น ด้วยการใช้ค่าฟังก์ชันที่คาดการณ์ไว้และความแปรปรวนจากโมเดล kriging อัลกอริทึมการปรับให้เหมาะสมสามารถตัดสินใจอย่างมีข้อมูลเกี่ยวกับตำแหน่งที่จะสำรวจและใช้ประโยชน์ในพื้นที่การค้นหา ซึ่งอาจลดจำนวนการประเมินฟังก์ชันที่จำเป็นเพื่อค้นหาโซลูชันที่เหมาะสมที่สุด นอกจากนี้ยังสามารถใช้แบบจำลอง Kriging เพื่อสร้างแบบจำลองตัวแทนในการเพิ่มประสิทธิภาพแบบหลายวัตถุประสงค์ โดยที่ฟังก์ชันวัตถุประสงค์ถูกประมาณโดยแบบจำลอง kriging และปัญหาการปรับให้เหมาะสมจะแก้ไขได้โดยใช้อัลกอริธึมเชิงวิวัฒนาการหรือเทคนิคการปรับให้เหมาะสมระดับโลกอื่นๆ โดยรวมแล้ว โมเดล kriging มีบทบาทสำคัญในการปรับให้เหมาะสมโดยเปิดใช้งานการสำรวจและใช้ประโยชน์จากพื้นที่ค้นหาอย่างมีประสิทธิภาพ ซึ่งนำไปสู่ผลลัพธ์การปรับให้เหมาะสมที่รวดเร็วและแม่นยำยิ่งขึ้น
วันที่เผยแพร่: