RBNN和KRG都被用作优化的代理模型。

RBNN（Radial Basis Neural Network）和KRG（Kernelized Regression）都是被用作优化的代理模型的方法。

RBNN是一种基于径向基函数的神经网络模型，它使用径向基函数作为激活函数，通过调整径向基函数的参数（例如中心点和宽度）来逼近目标函数。RBNN在优化问题中常用于逼近复杂的非线性函数关系，例如在函数逼近、回归和分类问题中。

KRG是一种基于核回归的优化模型。它使用核函数来建模输入特征与输出之间的关系，并通过寻找最优的核函数参数来最小化预测误差。KRG在优化问题中常用于建立代理模型，通过对原始目标函数进行建模和近似，快速求解复杂的优化问题。

这两种方法都可以作为优化的代理模型，用于加速求解复杂的优化问题。它们通过逼近目标函数，提供了一种更高效的方式来进行优化，减少了计算成本和时间。然而，具体选择哪种方法要根据具体问题和数据特点来决定，以找到最适合的优化策略。