Các bộ tối ưu bên trong phân tích độ tin cậy Kriging học chủ động: So sánh được định trước và các ước lượng không bảo thủ do các chế độ hỏng chưa được học

Kriging học chủ động thường thay thế các tập ứng viên bằng tìm kiếm metaheuristic liên tục. Một phép so sánh được định trước với surrogate, quần thể và quy tắc dừng giống nhau đã cô lập vai trò của bộ tối ưu bên trong, sử dụng năm bộ tối ưu liên tục có ngân sách tương đương, trong đó có hybrid swarm optimization kết hợp đánh bóng bằng L-BFGS-B.