In den Simulationswissenschaften erfordern Outer-Loop-Probleme oft viele Funktionsauswertungen. In dieser Arbeit werden Multi-Fidelity-Methoden entwickelt, um stochastische Outer-Loop-Probleme anzugehen, wobei der Schwerpunkt auf Surrogatmodellierung, Bayes'scher Inferenz, Quantifizierung von Vorwärtsunsicherheit und Optimierung liegt. Durch die Verwendung von Modellen unterschiedlicher Genauigkeit zeigen wir, dass Multi-Fidelity-Methoden den Rechenaufwand erheblich senken, ohne die Genauigkeit zu beeinträchtigen.     «

In den Simulationswissenschaften erfordern Outer-Loop-Probleme oft viele Funktionsauswertungen. In dieser Arbeit werden Multi-Fidelity-Methoden entwickelt, um stochastische Outer-Loop-Probleme anzugehen, wobei der Schwerpunkt auf Surrogatmodellierung, Bayes'scher Inferenz, Quantifizierung von Vorwärtsunsicherheit und Optimierung liegt. Durch die Verwendung von Modellen unterschiedlicher Genauigkeit zeigen wir, dass Multi-Fidelity-Methoden den Rechenaufwand erheblich senken, ohne die Genauigkeit...     »