更大规模集成
能自适应数据维度敏感性的代理模型，在有限样本下获得更好的泛化性能。
Yang, Jiawei · 武泽平 · Wang, Zhi Xiang · 张德权 · 王文杰 · Wen, Q. · 张为华
Structural and Multidisciplinary Optimization 2023
模型通过各向异性缩放因子显式考虑每个输入维度对输出的影响，从而在有限样本下提高预测精度。
递归进化拉丁超立方设计将大样本设计拆分为多个小样本设计，减少了构建元模型的计算量。
将RBF模型中的超参数优化转化为各向异性缩放因子的优化，并采用进化算法和快速K折交叉验证进行求解，提高了优化效率。
在数值测试和工程案例中，所提方法相比现有主流元模型和最新的多变宽RBF建模方法具有竞争力。