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 |