网格扫描
随机采样
贝叶斯优化（背景 = GP 预测均值）
目前找到的最好 QoI vs 已用仿真次数
目标函数为示意（代替一次昂贵的 CFD 仿真）：两个参数归一化到 [0, 1]，全局最优是“宽盆地中的窄峰”，另有一个局部最优；全局峰刻意避开了规则网格节点（真实问题中最优点也不会恰好落在你的网格上）。真实值在“揭示真实函数”后才显示——实际研究中你看不到它。
第 15 讲 · 参数扫描与优化 | 贝叶斯优化：用高斯过程（GP）代理模型 + 期望改进（EI）决定下一个采样点，在“利用”与“探索”之间平衡
目标函数为示意（代替一次昂贵的 CFD 仿真）：两个参数归一化到 [0, 1]，全局最优是“宽盆地中的窄峰”，另有一个局部最优；全局峰刻意避开了规则网格节点（真实问题中最优点也不会恰好落在你的网格上）。真实值在“揭示真实函数”后才显示——实际研究中你看不到它。