在有限的计算机资源条件下，为建立输出响应与参数间的映射关系，以便高效率解决复杂的分析和设计问题，可采取的一个可行策略是，基于参数空间中的样本点分析来构造原始问题的近似模型。这种模型可称为代理模型（或响应面模型）。

代理模型可由一系列从输入到输出的数据进行构造，而这些数据通常是在对参数空间中按一定准则选取的样本点进行物理试验或数值模拟后得到的。建立代理模型的过程通常包括如下需反复迭代的步骤：①选取参数空间中的样本点。②构造近似模型并采用优化等方法确定模型的参数。③对模型的精度进行评估。构造代理模型面临的主要挑战是，如何利用尽量少的样本点分析来保障模型达到要求的计算精度。代理模型的精度取决于样本点的数量和布局。多种试验设计技术可用于选择合适的样本点。然而，在不同领域的应用中，并无统一的方法来评价代理模型的精度。

常用的代理模型包括多项式响应面模型、克里金模型、支持向量机模型、人工神经网络等。这些代理模型已被应用于求解考虑不确定性的可靠度分析、多学科优化设计等问题。