Surrogate modeling of computer experiments with sequential experimental design
Karel Crombecq · Ghent University Academic Bibliography (Ghent University) · 2011
enige informatie die beschikbaar is de resultaten van reeds uitgevoerde simulaties.In deze context kan het zeer moeilijk zijn om op voorhand in te schatten hoeveel datapunten er nodig zijn, waardoor one-shot experimenteel ontwerp zeer risicovol kan zijn.Sequentieel ontwerp is dan een veiligere keuze die kan voorkomen dat er te veel of te weinig datapunten geëvalueerd worden.Eerst worden een aantal zogenaamde space-filling methodes voorgesteld.Deze methodes proberen de datapunten zo goed mogelijk te verspreiden over de ontwerpruimte, om zo een zo uniform mogelijke dekking van de ontwerpruimte te bekomen.Dit wordt bereikt zonder op voorhand een idee te hebben van hoeveel punten er uiteindelijk nodig zullen zijn.Deze methodes worden uitgebreid vergeleken met bestaande methodes van verschillende onderzoeksdomeinen, en er wordt gedemonstreerd dat ze sequentieel een spreiding kunnen genereren die kan concurreren met de beste one-shot methodes.Vervolgens wordt een methode voorgesteld en bestudeerd die datapunten spreidt volgens de lokale nonlineariteit van het systeem.Er worden meer datapunten geplaatst op nonlineaire gebieden, omdat er wordt aangenomen dat deze gebieden moeilijker te modelleren zijn dan lineaire (vlakke) gebieden.Deze methode, genaamd LOLA-Voronoi, maakt hiervoor gebruik van een benadering van de gradiënt van het systeem.Deze methode wordt vergeleken met bestaande methodes, en er wordt aangetoond dat het een robuust algoritme is dat werkt voor verschillende problemen in verschillende situaties.Al de algoritmes voorgesteld in deze thesis zijn geïmplementeerd en beschikbaar in de SUMO (SUrrogate MOdelling) en SED (Sequential Experimental Design) toolboxen.SUMO is een Matlab toolbox voor adaptief surrogaatmodelleren met sequentieel ontwerp, die het hele modelleringsproces beheert, van het kiezen van de eerste punten tot het trainen van het finale model.SED is een gespecialiseerde toolbox voor sequentieel ontwerp die gemakkelijk kan geïntegreerd worden in een bestaand modelleringsproces.Beide toolboxen zijn open source, waardoor alle experimenten in deze thesis gereproduceerd en gecontroleerd kunnen worden.SUMO en SED kunnen gedownload worden op http://sumo.intec.ugent.be. DankwoordWhy did I follow him...? I don't know.Why do things happen as they do in dreams?All I know is that, when he beckoned...I had to follow him.From that moment, we traveled together, East.Always... into the