过度的全局响应面法（GRSM）

在最佳设计中，我们任务是查找符合一系列要求的解决方案，例如零件中机械应力的上限。此外，我们的解决方案应该为另一种或多种度量标准的理想状态表明，例如组件的权重或基频。

我们可能会通过尝试不同的设计来试图通过试验和错误来解决这个问题，直到我们找到正确的匹配。今天的工程师更频繁地应用精致的技术，如优化，可以设置约束，并确定目标。但是，可能无法找到满足要求的最佳解决方案。当发生这种情况时，我们很快就会归咎于错误的软件，但更频繁的是，可以避免这种失败，以更谨慎地应用高级优化技术。

局部最小值对优化问题的影响可以有一个戏剧性的效果，特别是在流行的一类基于梯度的优化方法。这些技术虽然有效，但对初始设计有很强的依赖性。一个常见的解决方法是多开始方法，但这是另一种形式的强力试验和错误方法。试图避免局部极小的陷阱的优化方案被称为全球优化方法。

另一个问题是，在提出的问题上没有解决方案。这最常来自不切实际的限制，并且预先识别不切实际的要求成为挑战。多目标优化产生帕累托前部，表示竞争客观指标之间的权衡。帕累托最优性是一个目标不能改善的想法而不恶化另一个目标。在设计过程的早期识别帕累托前部有两个好处。首先，确定了指标的可能值范围，这应该阻止任何徒劳的努力来解决不切实际的期望问题。其次，量化之间的权衡量化，可用于指导下游的决策。

随着我们的计算技术进步，期望对更有效的计算机构成同样的问题是不够的。解决全球或多客观优化问题非常昂贵。优化技术必须继续发展，不仅可以快速解决这些复杂的问题，而且还有效地解决这些复杂问题。随着计算能力变得更强大，更便宜，我们应该期待我们的优化方案来保持速度，使我们能够在不使用试验和错误的情况下解决更具侵略性问题。

走向那个结束，我想邀请你读我的白皮书讨论高效的新全局响应曲面方法（GRSM）算法如何提前优化技术。