基于滿意函數的多響應曲面穩(wěn)健優(yōu)化.pdf

1、本文研究具有多個質量特性的產品或過程穩(wěn)健參數優(yōu)化問題，目的在于獲得對某些不確定性擾動不敏感的穩(wěn)健最優(yōu)解。以此為目標，本文使用響應曲面法建立各個響應變量與設計因子之間的經驗模型，然后借助滿意度函數法對多響應問題進行處理。本文重點考慮兩種誤差擾動：因子的制造容差和響應曲面模型的預測誤差，并使用穩(wěn)健對等方法定義滿意度函數的穩(wěn)健性指標。具體研究內容包括：
　　 首先，分別引入遺傳算法和模擬退火這兩種智能算法對總體滿意度函數進行極大化尋優(yōu)

2、，并使用模式搜索算法對返回的解進行進一步細探。算例表明，與模式搜索算法相比，智能算法更適合處理復雜函數優(yōu)化問題；與單一智能優(yōu)化算法相比，混合算法則能夠提高解的收斂精度。
　　 其次，針對因子的容差擾動定義滿意度函數的穩(wěn)健對等式，并使用遺傳+模式搜索混合算法對穩(wěn)健最優(yōu)解進行搜索。算例表明，該方法能夠成功獲得穩(wěn)健可行域中的解，這樣的解對因子的制造誤差不敏感。
　　 再次，分析預測響應的波動特性對滿意度函數的影響，并借助蒙特卡

3、羅方法模擬出滿意度函數的分布形狀并研究其統(tǒng)計規(guī)律。算例表明，傳統(tǒng)滿意度函數法所獲得的全局最優(yōu)解可能具有太高的概率風險，而局部最優(yōu)解所處的可行域往往對預測響應的波動更加穩(wěn)健，這有助于對穩(wěn)健最優(yōu)解的進一步探索。
　　 最后，將響應曲面模型的預測誤差考慮到滿意度函數法的優(yōu)化模型中，使用穩(wěn)健對等方法定義滿意度函數的穩(wěn)健性指標，并借助遺傳+模式搜索混合算法對該穩(wěn)健性指標進行極大化尋優(yōu)。算例表明，該方法能夠成功返回穩(wěn)健可行域中的解，并且大大