本文關(guān)鍵詞： 似無關(guān)回歸 多響應(yīng)優(yōu)化 損失函數(shù) 響應(yīng)相關(guān)性 穩(wěn)健性　出處：《數(shù)理統(tǒng)計與管理》2017年05期 　論文類型：期刊論文

【摘要】：針對多響應(yīng)參數(shù)優(yōu)化問題,考慮響應(yīng)間相關(guān)性和可控因子波動的影響,提出了一種基于似無關(guān)回歸的多元穩(wěn)健損失函數(shù)方法。首先采用似無關(guān)回歸對模型擬合和過程優(yōu)化中的相關(guān)參數(shù)進(jìn)行估計,更有效地利用響應(yīng)間相關(guān)性信息;然后利用給定點處梯度信息來估計可控因子波動對過程穩(wěn)健性的影響。算例表明,當(dāng)響應(yīng)間存在相關(guān)性時,與最小二乘方法相比,采用似無關(guān)回歸擬合的響應(yīng)曲面模型精度更高;與傳統(tǒng)質(zhì)量損失函數(shù)相比,在采用相同質(zhì)量成本矩陣時,采用穩(wěn)健損失函數(shù)方法得到的最優(yōu)解處期望質(zhì)量損失更小。
[Abstract]:For the problem of multi-response parameter optimization, the effects of response correlation and controllable factor fluctuation are considered. A multivariate robust loss function method based on similar independent regression is proposed. Firstly, the correlation parameters in model fitting and process optimization are estimated by using similar independent regression, which makes more effective use of the correlation information between responses. Then the effects of controllable factor fluctuations on the process robustness are estimated by using the gradient information at the given point. An example shows that when there is correlation between the responses, it is compared with the least square method. The accuracy of the response surface model with similar independent regression fitting is higher. Compared with the traditional mass loss function, when the same mass cost matrix is used, the expected mass loss at the optimal solution obtained by the robust loss function method is smaller.
【作者單位】： 軍事交通學(xué)院裝備保障系;天津大學(xué)管理與經(jīng)濟(jì)學(xué)部;
【基金】：國家自然科學(xué)基金重點項目(71532008)
【分類號】：O212
【正文快照】： among responses,robust0引言復(fù)雜產(chǎn)品質(zhì)量改進(jìn)或過程優(yōu)化中多響應(yīng)問題非常常見,產(chǎn)品或過程的多個響應(yīng)共同受一組因子的影響,而且響應(yīng)之間一般存在著相關(guān)性。穩(wěn)健性優(yōu)化[11是多響應(yīng)優(yōu)化問題的一個重要分支,通過過程參數(shù)設(shè)計,不但使質(zhì)量目標(biāo)得到優(yōu)化,而且過程對波動、誤差等因

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 仲崇新;;加權(quán)凸損失函數(shù)下的貝葉士估計[J];揚(yáng)州師院學(xué)報(自然科學(xué)版);1988年03期

2 肖筱南;一類理想二次損失函數(shù)下多參數(shù)統(tǒng)計模型的風(fēng)險估計[J];西安石油學(xué)院學(xué)報(自然科學(xué)版);2003年03期

3 程巖,吳喜之;基于非對稱損失函數(shù)的參數(shù)設(shè)計[J];應(yīng)用概率統(tǒng)計;2005年04期

4 程巖;白宇欣;吳喜之;;基于非對稱損失函數(shù)指數(shù)分布總體的參數(shù)設(shè)計[J];數(shù)學(xué)的實踐與認(rèn)識;2006年06期

5 張斌;韓之俊;湯陽;;基于質(zhì)量損失函數(shù)的最優(yōu)過程均值和質(zhì)量投資決策[J];統(tǒng)計與決策;2008年18期

6 陳本晶;;非對稱質(zhì)量損失函數(shù)系數(shù)的參數(shù)設(shè)計[J];甘肅聯(lián)合大學(xué)學(xué)報(自然科學(xué)版);2009年03期

7 黃維忠;;平衡損失函數(shù)下風(fēng)險相依回歸信度模型[J];華東師范大學(xué)學(xué)報(自然科學(xué)版);2013年01期

8 李新鵬;吳黎軍;;平衡損失函數(shù)下具有時間變化效應(yīng)的信度保費[J];重慶理工大學(xué)學(xué)報(自然科學(xué));2013年04期

9 王天宇;韓萱;楊永愉;;基于平衡損失函數(shù)下的信度模型[J];北京化工大學(xué)學(xué)報(自然科學(xué)版);2013年03期

10 劉金泉;一類加權(quán)損失函數(shù)下正態(tài)分布均值參數(shù)的同時估計[J];吉林大學(xué)自然科學(xué)學(xué)報;1990年02期

相關(guān)會議論文 前2條

1 李靜茹;錢偉民;;ε-不敏感損失函數(shù)下的Bayes估計方法[A];中國現(xiàn)場統(tǒng)計研究會第12屆學(xué)術(shù)年會論文集[C];2005年

2 周學(xué)君;;Rademacher復(fù)雜性與學(xué)習(xí)機(jī)器推廣性的界[A];第一屆中國智能計算大會論文集[C];2007年

相關(guān)博士學(xué)位論文 前3條

1 歐陽林寒;模型不確定下的穩(wěn)健參數(shù)設(shè)計研究[D];南京理工大學(xué);2016年

2 黃維忠;相依風(fēng)險及平衡損失函數(shù)下的信度理論[D];華東師范大學(xué);2013年

3 艾摩爾;多元重復(fù)測量模型和估計的比較[D];華東師范大學(xué);2004年

相關(guān)碩士學(xué)位論文 前10條

1 薛嬌;Entropy損失函數(shù)下若干分布參數(shù)的Bayes估計及其性質(zhì)[D];蘭州交通大學(xué);2015年

2 揣瑞;平衡損失函數(shù)下Stein估計的優(yōu)良性研究[D];吉林大學(xué);2016年

3 王旭;Mlinex損失函數(shù)下基于截尾數(shù)據(jù)指數(shù)分布參數(shù)的估計[D];吉林大學(xué);2017年

4 孔亮;相依風(fēng)險及非對稱損失下的信度理論[D];吉林大學(xué);2017年

5 徐萬奎;加權(quán)損失函數(shù)下的信度保費[D];新疆大學(xué);2011年

6 李春飛;兩類損失函數(shù)的質(zhì)量水平與參數(shù)設(shè)計[D];東北師范大學(xué);2007年

7 鄧海松;一類穩(wěn)健損失函數(shù)的構(gòu)造與應(yīng)用及多元Laplace分布[D];南京理工大學(xué);2006年

8 徐嫣菊;危險率的估計及預(yù)測[D];吉林大學(xué);2008年

9 李新鵬;平衡損失函數(shù)下對信度理論的進(jìn)一步研究[D];新疆大學(xué);2013年

10 楊濤;廣義加權(quán)Esscher損失函數(shù)下的信度保費[D];新疆大學(xué);2010年

，

本文編號：1470532