针对响应服从非正态分布和模型不确定性的稳健参数设计问题,在Polya树混合建模的框架下,构建了一种半参数分层贝叶斯响应曲面模型,并在此基础上实现了稳健参数设计。首先,建立贝叶斯半参数模型,并获得模型各参数的后验分布;其次,运用马...针对响应服从非正态分布和模型不确定性的稳健参数设计问题,在Polya树混合建模的框架下,构建了一种半参数分层贝叶斯响应曲面模型,并在此基础上实现了稳健参数设计。首先,建立贝叶斯半参数模型,并获得模型各参数的后验分布;其次,运用马尔可夫链蒙特卡罗(Markov chain Monte Carlo,MCMC)算法获得各参数的估计值;然后,基于此构建期望质量损失函数,并利用混合遗传算法全局寻优,获得可控因子的最优设置;最后,通过数值模拟研究和实际案例验证了所提方法的有效性。所提方法能有效解决小样本数据以及模型不确定性对优化结果影响的问题,从而能够获得更稳健可靠的可控因子最优设置。展开更多
文摘针对响应服从非正态分布和模型不确定性的稳健参数设计问题,在Polya树混合建模的框架下,构建了一种半参数分层贝叶斯响应曲面模型,并在此基础上实现了稳健参数设计。首先,建立贝叶斯半参数模型,并获得模型各参数的后验分布;其次,运用马尔可夫链蒙特卡罗(Markov chain Monte Carlo,MCMC)算法获得各参数的估计值;然后,基于此构建期望质量损失函数,并利用混合遗传算法全局寻优,获得可控因子的最优设置;最后,通过数值模拟研究和实际案例验证了所提方法的有效性。所提方法能有效解决小样本数据以及模型不确定性对优化结果影响的问题,从而能够获得更稳健可靠的可控因子最优设置。
