代理模型在應對高昂模擬成本中的應用

在超臨界翼型等複雜工程設計中，高保真模擬（CFD、有限元素分析）的單次評估往往需要數十分鐘到數小時。若把這種模擬直接嵌入演化循環，每一代族群都要逐個評估，計算預算會在數十代之內被迅速耗盡，可探索的搜尋空間也隨之被壓縮。

代理模型（surrogate model，也稱近似模型、元模型）用低成本近似計算替代或部分替代高保真模擬：它從已有模擬樣本中學習輸入—輸出映射，在多目標演化最佳化中快速預測候選方案的效能，從而突破高精度模擬成本高昂的瓶頸。

為什麼不能把高保真模擬直接塞進演化循環

• 瓶頸來源：超臨界翼型、結構強度等問題的單次 CFD / 有限元素模擬耗時長，而演化演算法每一代都要評估整個族群，評估次數與計算預算近似線性消耗。
• 直接後果：預算被少數幾代吃光，族群規模與迭代代數只能被迫壓縮，多目標前沿難以被充分探索，真正的設計空間被「評估不起」所封鎖。

代理模型的基本原理

用基礎翼型、擾動樣本等已有資料訓練一個映射關係「候選方案 → 目標值與約束表現」，它就成為一個廉價近似評估器。演化循環中候選解先由代理批量評分，只有評分靠前、或不確定性偏大的少數候選才交給高保真模擬校核。

加速路徑的四個環節

1. 離線訓練：用初始取樣樣本訓練代理模型，建立初步的輸入—輸出映射。
2. 線上批量預測：每一代對全部候選同時預測多個目標值，替代逐點高保真模擬。
3. 代理輔助選點：結合預測值與不確定性，挑選高潛力或高資訊量的候選。
4. 回填校正：把少量高保真結果寫回樣本庫並增量更新代理，使後續預測持續貼近真實響應面。

精度與成本的權衡

代理模型越複雜（從簡單迴歸到高斯過程、深度網路），通常越準，但訓練與推斷開銷也隨之上升。關鍵約束是代理必須顯著快於高保真模擬，否則它會變成新的瓶頸；同時精度要足以支撐選擇壓力，否則演化會被錯誤的方向帶偏。

邊界與風險

代理只在訓練分布附近可靠。當搜尋把候選推向分布外區域時，預測可能給出看似合理卻嚴重偏離的數值，誤導搜尋方向。可行做法是：輸出不確定性估計、設定置信閾值篩選、對越界候選強制高保真驗證，並用實際誤差統計定期檢查代理品質。