| DiceOptim-package | 基于Kriging的计算机实验优化方法 | ||
| AEI | 增强预期改善 | ||
| AEI.grad | AEI梯度 | ||
| AKG | 近似知识梯度 | ||
| AKG.grad | AKG梯度 | ||
| checkPredict | 新观测数值不稳定性的预防 | ||
| critcst_optimizer | 约束期望改进准则的最大化 | ||
| crit_AL | 期望增广拉格朗日改进 | ||
| crit_EFI | 预期可行改进 | ||
| crit_SUR_cst | 逐步不确定度折减准则 | ||
| DiceOptim | 基于Kriging的计算机实验优化方法 | ||
| easyEGO.cst | 带约束的EGO算法 | ||
| EGO.cst | 序列约束期望改进最大化与模型重估计，迭代次数由用户预先确定 | ||
| EGO.nsteps | 序列EI最大化和模型重新估计，由用户预先确定迭代次数 | ||
| EI | 期望改进准则的解析表达式 | ||
| EI.grad | 期望改进准则的分析梯度 | ||
| EQI | 预期分位数改善 | ||
| EQI.grad | EQI梯度 | ||
| fastfun | Fastfun功能 | ||
| integration_design_cst | 用于构建集成点的通用函数（用于SUR标准） | ||
| kriging.quantile | 克里格分位数 | ||
| kriging.quantile.grad | β级克里格分位数的解析梯度 | ||
| max_AEI | 增广期望改进准则函数的最大化子 | ||
| max_AKG | 期望分位数改进准则函数的最大化子 | ||
| max_EI | 期望改进准则的最大化 | ||
| max_EQI | 期望分位数改进准则函数的最大化子 | ||
| max_qEI | 多点期望改进准则（qEI）的最大化 | ||
| min_quantile | 克立格分位数的最小化。 | ||
| noisy.optimizer | 基于Kriging的均匀噪声函数优化 | ||
| ParrConstraint | 二维约束函数 | ||
| qEGO.nsteps | 序列多点期望改进（qEI）最大化与模型重估计 | ||
| qEI | 多点期望改进准则的解析表达式 | ||
| qEI.grad | 多点期望改进（qEI）准则的梯度 | ||
| sampleFromEI | 根据预期改进标准的采样点 | ||
| test_feas_vec | 测试约束冲突（矢量化） | ||
| update_km_noisyEGO | 添加新观测值时更新一个或两个克里格模型 |