均匀设计方法在望目特性参数设计中的应用

1.引言。 参数设计是是日本田口玄一博土(Dr.Genichi Taguchi)创立的优化方法。主要内容为探求参数的最佳搭配,提高产品性能的稳定性。 均匀设计是我国王元教授和方开泰教授共同提出的。其关键是将数论方法应用于试验设计,以均匀分散为标准,使试验点均匀地分布在试验范围内,使每个试验点有充分的代表性。这样,均匀设计的试验点比正交设计的试验点分布得更均匀,又由于不再考虑“整齐可比”性,而大大减少了试验次数,也就大大减少了试验费用。     

二次回归正交组合设计回归计算与统计检验软件设计

本文用ＢＡＳＩＣ语言编制了在ＩＢＭ—ＰＣ及其兼容机上运行的二次回归正交组合设计试验的回归计算及统计检验软件．运行本软件时，只需输入试验因素个数，中心试验点重复试验次数和每个试验点的试验结果，就能迅速得到所有回归系数和统计检验的各种参数值，解决了这一优良的试验设计方法所存在的计算繁冗和容易出错的问题．     

黑箱优化导向的序贯均匀设计

在试验设计中,序贯均匀设计(sequential uniform design)是一种基于区域压缩思想的序贯空间填充设计,又可称为序贯数论优化方法(简记为SNTO),常被实际工作者用来寻求黑箱优化问题的全局最优值。该算法的核心思想是在每阶段的压缩子区域内迭代散布低偏差序列,如数论格子点(number-theoretic net),均匀设计(uniform design)等。原始的SNTO算法存在两个缺点:1)它是一种纯粹的区域压缩搜索算法,搜索过程中未使用任何统计代理模型信息,只关注试验点本身的信息;2)迭代过程中,非最优试验点的信息被完全丢弃,未被充分利用。本文引入序贯自适应试验设计思想,帮助SNTO算法更好的确定区域压缩中心,并称改进后的算法为EI-SNTO方法。该算法通过建立高斯过程代理模型,采用期望提高准则(expected Improvement,EI)和重要性抽样来帮助选择和更新试验点。一些经典的优化检验函数模拟结果验证了EI-SNTO算法的优化性能,同时本文还展示了该算法在机器学习模型(包括支持向量机和人工神经网络)超参数优化中的优良表现。     

链式区组设计与广义正交表

在区组设计理论中,当区组水平(处理)数很大时,经常采用一种链式区组设计.在基于链式区组设计收集数据时,相应的设计表已经不是平衡不完全区组设计(BIBD),因此基于BIBD的数据分析发展成的链式区组设计的数据分析方法将存在不足之处,突出的特点是试验的数据分析结论不再具有再现性.为了保证新的设计表仍然具有试验数据分析结论的再现性,至少需要相应的设计表是广义正交表,即至少需要保持新的设计表具有相遇平衡和正交平衡性质.也就是说:在某种条件下,基于链式区组设计收集数据,也能保证试验数据分析的结论具有再现性,仅需相应的新设计表是广义正交表即可.研究发现:在链式区组设计中,相应的设计表在某些条件下可以是广义正交表.从广义正交表的角度来看,证明了,将对称BIBD作为小组下标,由此构造的链式区组设计对应的设计表,仍然是广义正交表,从而说明了链式区组设计方法可以在试验设计理论中有条件的使用.这也启发可以把链式区组试验设计方法扩充成广义正交表的构造方法.     

正交设计的最新发展和应用(Ⅱ)—均匀正交设计

方开泰等．正交设计的最新发展和应用（Ⅱ）—均匀正交设计．令Ｌ（ｎ;ｑｓ）为一切正交表Ｌｎ（ｑｓ）之集合,Ｍ为试验点分布于试验区域的均匀性测度。给定（ｎ,ｑ,ｓ）,在Ｌ（ｎ;ｑｓ）上具有最好均匀性（在测度ＭＦ）的设计称为无匀正交设计,并表为ＵＬｎ（ｑｓ）。本讲座以ＵＬ９（３４）为例说明均匀正交设计在估计和混杂方面的优良性质。在附录中列出了七个均匀正交表,它们都是最近获得的     

正交设计的最新发展和应用(Ⅱ)-均匀正交设计

方开泰等．正交设计的最新发展和应用（Ⅱ）—均匀正交设计．令Ｌ（ｎ;ｑｓ）为一切正交表Ｌｎ（ｑｓ）之集合,Ｍ为试验点分布于试验区域的均匀性测度。给定（ｎ,ｑ,ｓ）,在Ｌ（ｎ;ｑｓ）上具有最好均匀性（在测度ＭＦ）的设计称为无匀正交设计,并表为ＵＬｎ（ｑｓ）。本讲座以ＵＬ９（３４）为例说明均匀正交设计在估计和混杂方面的优良性质。在附录中列出了七个均匀正交表,它们都是最近获得的     

部分追加试验设计的严格方法及其应用

部分追加试验设计是用来解决不同水平的试验问题 ,是正交设计和非正交设计交叉的一种选优方法 .本文对这种试验设计的数据分析和方差分析给出严格方法 .即对离差平方和及它们的自由度 ,修正系数等用数学关系式作了推导和说明 .同时把部分追加法和拟水平法灵活相结合 ,发挥各自优点 ,既减少试验次数又便于计算分析 .     

非负正交约束优化问题的理论、算法及应用

非负正交约束优化问题是同时带有非负约束和正交约束的优化问题,该类问题在机器学习和数据科学中有着重要的应用。常见的非负正交约束优化问题包括二次指派问题、图匹配问题、非负正交矩阵分解问题、非负主成分分析和K-指示模型等。由于非负约束和正交约束的共同作用,该类问题具有一定的组合结构,一般是NP-难的。本文主要介绍非负正交约束优化问题的基本理论性质、求解算法以及相关的应用模型。     

L_(18)的一个案例及其研究

本文对正交设计Ｌ１８（６×３７）的一个案例及其分析方法重新进行了研究，阐述了正交试验设计中一些值得注意的问题     

广义正交表正交性的等价条件

广义正交表是一种类似于正交表的新设计.正交平衡性是广义正交表必须满足的基本要求之一,它是正交表正交性的推广,它能够使得试验因子在方差分析中保持柯赫伦定理成立,因而可以像正交表一样进行试验设计和方差分析,从而不但保证其数据分析模型符合"不自生"逻辑,而且也可以保证试验因子的各种关系比较的数据分析结论具有客观一致性和可重复再现性,但试验次数大幅减少.利用矩阵象技术,提出并证明了广义正交表的组合正交性不但等价于其矩阵象的正交性,而且也等价于其广义关联矩阵的正交性.借助于SAS软件可以方便快速的验证某些区组设计相应的行列设计是否为广义正交表.     

正交平衡区组设计统计分析模型参数估计的分布特征研究

正交平衡区组设计(或者广义正交表)是一种类似于正交拉丁方(或者正交表)的新设计,但试验次数大幅减少.通过对正交平衡区组设计统计分析模型参数估计的分布特征进行了深入研究.研究发现,在试验数据正态性的情况下,各种参数估计也服从正态分布,并且各种参数的最小二乘估计都是无偏的,得到了各种参数估计的方差和独立性性质.     

基于正交设计原理的新型干法水泥生产过程的优化

通过试验设计优化投料和改善工艺过程是生产管理中经常采用的做法,产生了巨大的社会经济效益。正交试验设计首先是产生数据的计划,然后用统计方法对这些数据进行分析,目的是要从数据的考察中发现人们感兴趣的因素对试验结果的影响程度,以便采取相应的行动方案。本文针对一个研究专案,讨论了正交试验因素及各个因素试验水平的确定过程,并依据实际数据对多个产品质量特性的影响因素进行了分析,在此基础上得出了加强产品质量影响因素控制的相关建议。     

Lee偏差下二三混水平因子设计的最优添加

根据序贯试验通过一个阶段试验接着另一个阶段试验不断扩充的特征,新的试验点将会被添加到已经选好的设计中,因此,如何设计一个好的序贯试验是一个非常有意义的问题.在Lee偏差度量下,本文研究均匀的非对称拓展设计,并用它来做序贯试验.本文建立二三混水平拓展设计的Lee偏差与其初始设计和附加设计的Lee偏差之间的解析关系,为构造(近似)均匀的拓展设计提供了理论支撑.为了给出筛选、评价拓展设计的准则,本文给出拓展设计Lee偏差的下界.此外,还通过一些数值例子来进一步说明、解释本文的理论结果.     

解非线性规划问题的非参数罚函数多目标正交遗传算法

对非线性规划问题的处理通常采用罚函数法,使用罚函数法的困难在于参数的选取.本文提出了一种解非线性规划问题非参数罚函数多目标正交遗传算法,对违反约束的个体进行动态的惩罚以保持群体中不可行解的一定比例,从而不但有效增加种群的多样性,而且避免了传统的过度惩罚缺陷,使群体更好地向最优解逼近.数据实验表明该算法对带约束的非线性规划问题求解是非常有效的.     

回归设计在增产菌、稀土、叶面宝混配试验中的应用

在农业科学实验中,经常会遇到确定最优农艺和最佳配方及制定自动控制中的数学模型等问题,在不完全了解生产过程中物理、化学和生物原理的情况下,用回归设计与分析的方法来解决是比较有效的.其优点是;试验处理组合少,计算方便,获得的信息多,其中一次回归的正交设计常被用来确定最优生产条件和因子筛选,二次回归的正交设计主要用于寻求最优配方和建立生产过程中的数学模型.本文介绍的是这两种设计方案在增产菌、稀土和叶面宝三     

具有整体平衡性质的广义正交表的替换构造及其应用

广义正交表是一种能够保证试验因子的数据分析结论具有再现性的最基本的设计表.试验设计的整体平衡性是关于系统中心、区组因子(可观测的干扰因子)、试验因子(可控因子)、试验误差(未知不可控因子)整体全面思维角度的一种平衡.具有整体平衡性质的广义正交表是在整体全面思维的角度能够保证总体均值、区组因子、试验因子、试验误差标准差的估计具有再现性的设计表.设计表的构造是试验设计的重要问题之一.类比正交表的替换构造方法,提出了一种具有整体平衡性质的广义正交表的一种替换构造方法,并通过算例说明此种构造方法的实用性.     

装备系统的回归试验设计与分析优化算法

针对性能指标与影响因素间响应模型未知的试验设计与分析的优化问题进行理论研究和算例分析。利用装备系统的先验信息扩展回归基函数,构造二次回归模型来刻画系统的内在关系。基于模型驱动的最优设计,提出了相应的点交换迭代法以及梯度上升法选取最优试验点。为解决试验点数小于回归函数的维数时信息矩阵退化的问题,提出了基于成本和距离的"再筛选"方法,从已有的最优确切设计基础上"再筛选"试验点。将稀疏理论引入到回归试验设计中,把具有稀疏性的回归试验设计模型参数估计问题转换为稀疏重构问题。利用MP算法对回归模型进行参数估计,保证较高的参数估计精度。结合算例,对提出的试验设计优化方法和参数估计方法进行验证,表明最优确切设计比经典最大熵设计的精度更高。     

搜索一阶交互效应的序贯设计

§1.引言 在用正交表做完一批试验后,经常需要进一步搜索是否存在交互效应和估计这些效应的问题。目前解决这个问题的办法是在假定某些交互效应为零,另一些不为零而后设计试验,这样不仅不合理,而且试验次数较多。本文提出序贯设计的办法,更为合理地搜索那些不为零的交互效应,达到节省试验的目的。 我们将从如下形式的线性模型出发:     

正交约束优化问题的一阶算法

带有正交约束的矩阵优化问题在材料计算、统计及数据分析等领域中有着广泛的应用.由于正交约束的可行域是Stiefel流形,一直以来流形上的优化方法是求解这一问题的主要方法.近年来,随着实际应用问题所要求的变量规模的扩大,传统的流形优化方法在计算上的劣势显现出来,而一些迭代简单、收敛快的新算法逐渐被提出.通过收缩方法、非收缩可行方法、不可行方法三个类别分别来介绍求解带有正交约束的矩阵优化问题的最新算法.通过分析这些方法的主要特性,以及应用问题的要求,对这类问题算法设计的研究进行了展望.     

强度3的混合正交表的构造

对称正交表和混合正交表不仅在试验设计中有着重要的应用价值,而且它们也是构造其他组合构形的强有力工具.本文首先讨论了强度为3的差阵,得到了一些差阵的新结果,并且利用差阵和Hadamard矩阵给出了强度3的混合正交表的新的构造方法.作为应用,本文得到了一批新的强度3的混合正交表,并且有一部分是紧的.