A survey on multi-fidelity surrogates for simulators with functional outputs: unified framework and benchmark

本文介绍了一种多保真度代理模型的统一框架，该框架结合了降维和在降维空间中的中间代理，可以以较低的成本模拟带有功能输出的模拟器。代理是从有限数量的模拟器评估中学习的输入输出映射。这种计算效率使得代理常用于许多查询任务。文献中提出了各种构建代理的方法，但它们只进行了部分比较。 本文介绍了一个统一的框架，包括不同的代理族，随后进行了方法论比较和实际考虑的阐述。在统一框架下实现了十几种现有的多保真度代理，并在一组基准问题上进行了评估。根据结果，提出了有关带有功能输出的多保真度代理的指导方针和建议。 我们的研究表明，在考虑的情况下，大多数多保真度代理都优于它们测试的单保真度对应物。但是，没有特定的代理在每个测试案例上表现更好。因此，选择代理应考虑被模拟函数的特定属性，特别是低和高保真度模拟器之间的相关性、训练集的大小、残余场中的局部非线性变化以及训练数据集的大小。

本文旨在介绍多保真度代理模型的统一框架，并对其进行方法学比较和实践考虑。研究人员实现了超过十多种现有的多保真度代理模型，并在一组基准问题上进行了评估。通过结果，提出了关于具有功能输出的多保真度代理的指南和建议。

本文提出了一个统一框架，包括不同的代理家族，并对其进行了比较。结果表明，在考虑的设置下，大多数多保真度代理模型优于其测试的单保真度对应物。

本研究显示，在特定的设置下，大多数多保真度代理模型都优于其测试的单保真度对应物。但是，没有特定的代理模型在每个测试案例上都表现更好。因此，选择代理模型应考虑被仿真函数的特定属性，特别是低和高保真度仿真器之间的相关性，训练集的大小，残留场中的局部非线性变化以及训练数据集的大小。

最近在这个领域中，还有一些相关的研究，例如：《基于多目标遗传算法的代理模型构建及其应用》、《基于代理模型优化的机器学习算法在化学反应中的应用》等。