Pri matematičnem modeliranju dinamičnih sistemov srečujemo nalogo ocenjevanja parametrov. Rešitev te naloge so optimalne vrednosti parametrov modela, ki minimizirajo razliko med modelsko simulacijo in izmerjenim obnašanjem opazovanega sistema. Torej je ciljna funkcije za optimizacijo računsko zahtevna, saj zahteva numerično simulacijo modelov. Optimizacija z nadomestki sloni na uporabi nadomestne funkcije, ki računsko učinkovito izračuna približne vrednosti ciljne funkcije. Standardni pristopi k optimizaciji z nadomestki vključuje učenje nadomestka iz prejšnjih izračunov ciljne funkcije in statično strategijo nadomeščanja, ki odloča med uporabo nadomestne in prave ciljne funkcije. Članek predlaga alternativni meta model za nadomestno optimizacijo s strategijo odločanja, ki se dinamično prilagaja prostoru rešitev podanega optimizacijskega problema. Meta model zajema ciljno funkcijo, njen nadomestek, odločitveni model strategije nadomeščanja ter podatke potrebne za učenje nadomestkov in strategije nadomeščanja. Model omogoča uporabo nadomestkov v kombinaciji s poljubnim algoritmom optimizacije brez kakršnih koli sprememb: nadomešča ciljno funkcijo in se samostojno odloči, kako ovrednotiti podano kandidatno rešitev. Empirični preizkus učinkovitosti na treh nalogah ocenjevanja parametrov pokaže, da meta model bistveno izboljša učinkovitost optimizacije in v povprečju zmanjša skupno število vrednotenj ciljne funkcije na 77%.
COBISS.SI-ID: 33102631