在水利、环境、生态、机械以及航天等领域中，数学模型已经成为一种常用的技术手段。同时，为了提高模型的性能，减小模型误用带来的风险；模型的优化技术也被广泛用于模型的使用过程。模型参数的快速优化技术不但涉及到优化本身而且涉及采样设计、不确定性估计等方方面面。
第一章 最速上升法、岭分析以及响应曲面模型
1.最速上升路径
2.信赖域
3.响应面模型
4.二阶响应面
5.岭分析
第二章 Kriging插值与优化方法
1.普通Kriging插值与优化
2.一般Kriging插值与优化
3.协变量Kriging插值与优化
4.时间－空间Kriging插值与优化
5.Kriging方法与贝叶斯优化/高斯过程的关系
第三章 启发式算法
1.粒子群算法
2.遗传算法
3.模拟退火算法
4.启发式算法总结
第四章 采样方法
1.拉丁超立方采样
2.改进的LHS方法
3.最大－最小设计
第五章 高斯过程回归
1.高斯过程的先验
2.高斯过程超参数分析
3.与其它方法（贝叶斯线性回归、隐随机场等）的比较
第六章 基于模型的高斯过程/贝叶斯优化设计
1.最大熵设计
2.预测不确定性的最小化
3.序贯设计
4.快速高斯过程更新
第七章 最优化的快速化
1.代理模型下的最优化
2.期望改进
3.约束下的最优化
4.贝叶斯敏感性分析
第八章 高级高斯过程模型
1.紧支撑核方法
2.划分模型与回归树
3.高斯过程的局部逼近
第九章 异方差性
1.随机克里金方法
2.均值与方差耦合的高斯过程
3.序贯设计
第十章 综合案例
1.基于PSO算法的GR4J模型率定
2.基于PSO算法的SWAT模型率定
3.基于PSO算法的MOLDFLOW2005模型率定
4.基于贝叶斯优化的新安江模型快速率定
5.基于高斯过程代理模型的VIC模型率定
关 注【科研充电吧】公 众 号，获取海量教程和资源
转载本文请联系原作者获取授权，同时请注明本文来自王艳科学网博客。
链接地址：https://wap.sciencenet.cn/blog-3539141-1502005.html?mobile=1
收藏
