代理模型利用已有仿真结果近似设计空间，将评估预算集中于有潜力或信息不足的区域。预测用于选择候选点，最终性能仍由仿真验证。
序贯采样
交互式原理演示
预测、评估与更新
逐步增加评估点，观察预测均值与不确定性如何变化。可勾选目标函数进行对照。
示例采用高斯过程，以“预测成本减去不确定性项”的下置信界选择下一点。它用于解释序贯采样，不能替代 E-GASPAD 的 BNN 或 DC-SADEA 的 XGBoost 模型。
不确定性与决策
不确定性取决于模型假设与数据覆盖。预测区间较窄不等于设计可行；多指标约束、模型失配和分布变化仍需独立检查。
相关研究
功率放大器设计采用局部 BNN 与混合搜索；数字编码天线采用集成学习与二维遗传算子。两者均通过新增仿真结果更新设计数据库。