Quantifying uncertainty with ensembles of surrogates for blackbox optimization

Charles Audet, Sébastien Le Digabel, Renaud Saltet

Article de revue (2022)

Accéder à ce document
Lien externe
Ce document n'est pas archivé dans PolyPublie, mais peut être consulté chez l'éditeur officiel
Voir chez l'éditeur officiel
Département:
Département de mathématiques et de génie industriel
Unité de recherche:
GERAD - Groupe d'études et de recherche en analyse des décisions
Adresse URL de PolyPublie:
https://publications.polymtl.ca/51648/
Titre de la revue :
Computational Optimization and Applications ( vol. 83 , no 1 )
Maison d'édition:
Springer
DOI:
10.1007/s10589-022-00381-z
URL officielle:
https://doi.org/10.1007/s10589-022-00381-z
OAI:
oai:publications.polymtl.ca:51648
ORCID
Date du dépôt:
18 avr. 2023 14:58
Dernière modification:
14 oct. 2026 14:08
Citer en APA 7:
Audet, C., Le Digabel, S., & Saltet, R. (2022). Quantifying uncertainty with ensembles of surrogates for blackbox optimization. Computational Optimization and Applications, 83(1), 29-66. https://doi.org/10.1007/s10589-022-00381-z

Statistiques

Dimensions

Actions réservées au personnel

Afficher document
Afficher document