复现了论文“Efficient Global Optimization of Expensive Black-Box Functions”中的EGO算法。
如想阅读原论文，请点击这里
模型采用了Kriging模型，采样方法采用了LHS方法。初始采样点数设置为20，在Branin函数上的结果：最佳函数值与全局最小值的误差小于1%。得到的最佳函数值为0.398481，与全局最小值的实际误差为0.15%。
效果如下：
复现了论文“Efficient Global Optimization of Expensive Black-Box Functions”中的EGO算法。
如想阅读原论文，请点击这里
模型采用了Kriging模型，采样方法采用了LHS方法。初始采样点数设置为20，在Branin函数上的结果：最佳函数值与全局最小值的误差小于1%。得到的最佳函数值为0.398481，与全局最小值的实际误差为0.15%。
效果如下：