用于估计失效概率的计算机试验序贯设计

本文处理在已知的$\mathbb{R}^d$上的概率测度下，估计函数$f:\mathbb{R}^d \to \mathbb{R}$超过给定阈值的游走集体积的问题。在工业界，这对应于估计系统失效概率的问题。当只能使用昂贵的模拟模型时，模拟预算通常严重受限，因此应避免使用经典的蒙特卡洛方法。本文的主要贡献之一是从贝叶斯理论框架出发，推导出用于估计失效概率的SUR（逐步不确定性缩减）策略。这些序贯策略使用$f$的高斯过程模型，旨在尽可能高效地评估$f$，以推断失效概率的值。我们将这些策略与其他同样基于高斯过程模型来估计失效概率的策略进行了比较。