考虑偏度特征的动态多响应稳健参数设计与优化

研究了具有动态特性的多响应稳健参数设计问题,分析了响应变量往往具有偏度特征的情况,提出了基于多元偏正态分布与响应曲面法相结合的动态多响应稳健优化模型,该模型不仅考虑了动态多响应之间的相关性,而且也考虑了尺度与偏度对动态多响应系统最优性与稳健性的影响。首先,利用非参数检验方法判断在信号因子不同水平下的各响应变量所服从的分布类型;其次,通过构建各响应变量在信号因子不同水平下的联合位置,尺度与偏度的响应曲面模型,进而建立基于多元偏正态分布的期望损失函数;然后,利用混合遗传算法对所构建的综合期望损失函数进行全局优化求解;最后,通过对具体的工业实例进行分析研究,结果表明本文所提出的方法能够有效地解决具有偏度特征的动态多响应稳健参数设计问题。     

考虑主客观权重的多响应稳健优化设计

研究了在新产品设计与开发过程中如何权衡决策者的主观信息与目标集本身的客观信息,考虑了多响应问题的最优性与稳健性,提出了同时考虑主观权重与客观权重的满意度函数法。该方法通过对主观满意度函数与客观满意度函数的权重进行权衡,将多响应优化问题转化为求解综合满意度函数最大值的问题。并结合两个实例进行分析研究,结果表明了本文所提出的方法能够有效地解决多响应稳健设计问题。     

超高维删失数据的联合特征筛选方法研究

针对超高维删失数据,通过降维技术可以进行特征选取，去除大数据中的噪声数据，以便挖掘高维大数据的重要信息，进行大数据的相关分析和应用.本文提出了一种稳健的偏相关系数来进行特征筛选,并引入逆概率加权方法来处理删失,发展出一种新的联合特征筛选方法.本文利用响应变量的条件分布函数来构造偏相关性度量,可以全面地刻画其与协变量间的相关性,且相较于传统的皮尔逊偏相关系数,该度量对于响应存在异常值,厚尾分布以及异方差结构时具有稳健性.其次,基于该度量所提出的联合特征筛选方法通过投影作用来消除由协变量之间的相关关系产生的干扰作用,故能够较好地改善假阴性错误、假阳性错误及协变量的共线性问题.我们推导了该方法的理论性质,给出了快速的迭代算法,并进一步通过模拟和实例分析来考察该算法在有限样本下的数值表现.     

基于协进化方法的多智能体协作系统体系结构及其仿真框架

通过分析多智能协作问题的研究现状，借鉴自然界中物种之间协同进化机制而得到的协进化计算思想，提出了基于协进化机制的多智能体系结构和协作方法，介绍了协作化智能体的分层设计方法，协进化智能体之间以及智能体与环境之间的交互过程，并设计了基于协进化方法的多智能体系协作系统仿真框架，以多武器平台协同的控制对抗仿真系统为背景进行了实验研究。     

改进的多变量质量损失函数及其实证分析

质量损失函数的基本目的就是以定量的方式评价低质量对顾客造成的损失。尽管在理论研究和工程应用中已经提出了多个多变量质量损失函数，但由于多变量质量特征／响应的复杂性，仍有进一步研究的必要。一个好的质量损失函数不仅能够反映制造过程的经济性和多个响应变量之间的相关性，更重要的是在实践中易于理解和应用；按照这一要求，我们首先介绍了Artiles-leon提出的无量纲“标准化”的多变量质量损失函数；然后从两个方面对其进行了改进，一是使它能够适用于所用的质量特性，二是充分考虑了各上响应量之间的相关性，这就是改进后的多变量损失函数更加适合真实情况，在此基础上，通过研究来自于工业实践的实例，并同其他方法进行比较，说明了改进方法的有效性；最后给出了若干评述。     

模型参数不确定的多响应参数和容差并行设计

针对模型参数不确定性问题,提出了一种考虑质量损失和制造成本的多响应参数和容差并行设计策略。首先,根据模型参数不确定与设计变量容差,构建多响应的质量损失函数;其次,通过试验数据建立容差成本模型,进而构建参数和容差并行设计的优化目标函数;然后,根据多目标优化算法得到最优参数和容差的Pareto解集,并采用单因素多元方差分析进行容差配置;最后,通过实际案例分析表明,该方法不仅改善了模型的预测性和稳健性能,而且获得了质量损失与制造成本之间的最佳平衡点,与传统的方法相比,能够在显著降低总成本的同时提高产品质量。     

基于高斯过程模型的多响应稳健参数设计

针对高维试验数据的稳健参数设计问题, 在高斯过程(Gaussian process, GP)的建模框架下, 采用部分平行的GP(parallel partial GP, PPGP)模型来构建试验因子与多质量特性之间的响应曲面, 在此基础上运用多元质量损失函数作为优化指标来获得可控因子的最佳参数设计值。并且以一个经典仿真算例和两个实际案例验证了所提方法的有效性和优劣性。研究结果表明,与独立建模的单变量GP模型或Kriging模型比较而言, 所提方法不仅能够有效地处理高维试验数据的建模与参数优化问题, 而且能够获得更为稳健的优化结果, 运行效率更高。     

基于相空间同步的多变量序列相关性分析及预测

针对多变量混沌序列相关性分析中各分量幅值之间可能没有明显的相关性,但在其相空间邻域内会产生同步特性的问题,提出一种从相空间同步角度研究两个变量间相互依赖关系的非线性相关分析方法。首先按照对应的时间标记将原始变量相空间中的邻域点向另外一个变量中进行投影,分析映射前后邻域半径的变化,在此基础上定义一种度量变量间非线性相关性的评价指标。最后构建多变量局域预测模型,实现对多变量混沌序列的精确预测。仿真实例验证了结果的有效性。     

动态多响应系统的稳健参数设计

针对动态多响应之间的相关性及试验设计的信息不确定性, 提出了一种动态多响应系统的稳健参数设计方法. 首先, 利用满意度函数对动态系统的敏感度和波动分别进行了度量, 在此基础上进行了主成分分析; 其次, 采用灰色关联分析得到主成分序列与其理想序列的灰色关联度, 然后通过TOPSIS方法转换得到综合灰色关联度, 并根据综合灰色关联度确定可控因子的最优水平组合; 最后, 通过两个实例说明了该方法的有效性与优越性.     

考虑因子容差的多响应曲面稳健优化

针对现有的多响应优化方法只注重某种最优性指标(例如满意度)的构建,而忽略了因子容差扰动的影响,提出了一种稳健的满意度函数法,对多响应曲面问题进行稳健优化。该方法在传统的满意度函数法的基础上,根据设计因子的容差区域定义总体满意度的稳健性度量指标,并引入混合遗传/模式搜索算法对该指标进行最大化寻优,得到因子的稳健最优水平。实例表明,随着因子容差区域的逐渐变大,该方法更容易寻找到稳健可行域中的解。与传统方法相比,所获得的稳健最优解对因子容差具有更好的抗干扰性,从而更具应用价值。     

考虑响应共变特性的多响应稳健参数设计

针对响应共变特性的稳健参数设计问题,在多任务高斯过程(multi-task Gaussian processes,MTGP)建模框架下,结合质量损失函数和考虑响应不确定性的优化函数构建了一个考虑输出响应不确定性的MTGP(uncertainty of MTGP,UNMTGP)优化模型。首先,利用MTGP模型拟合实验数据,构建考虑响应间共变特性对优化结果影响的多元高斯模型。其次,提出考虑输出响应不确定性的优化目标函数,构建多响应稳健优化模型。最后,结合全局优化方法,获得最优参数设计。此外,结合真实案例,利用质量损失函数的相关评价指标,论证所提方法的有效性。结果表明,所提方法考虑了响应共变特性和输出响应不确定性对优化结果的影响,有效改善了模型的预测质量,提升了输出响应的稳健性。     

非正态响应稳健参数设计的贝叶斯建模与优化

针对非正态响应的稳健参数设计问题，提出一种考虑噪声因子的贝叶斯建模与参数优化方法。首先，考虑经验贝叶斯先验信息，利用贝叶斯广义线性模型构建设计因子与输出响应之间的函数关系；其次，假设噪声因子服从已知的分布，在此基础上利用贝叶斯抽样技术获得考虑噪声因子波动的输出响应模拟抽样值；然后，在给定产品规格的基础上，利用输出响应的抽样值构建符合性后验概率函数，并利用遗传算法对所构建的符合性后验概率函数进行优化，获得对噪声因子波动具有稳健性的参数设计值；最后，结合实际的案例验证了所提方法的有效性。研究结果表明，所提方法有效地刻画了噪声因子的波动对产品或过程质量的影响，从而获得了更为稳健可靠的参数设计值。     

基于时差相关多变量模型的金融危机前后国际原油价格影响因素分析

为研究各因素与国际原油价格之间相互影响的程度和时差关系,提出了基于时差相关多变量模型的分析 框架.根据该框架, 在确定影响因素和模型变量后,对各因素与油价间的时差相关关系进行了分析,以 此作为确定和调整模型中变量滞后阶数的依据,结合变量系数是否显著和模型调整R²是否提高的判 断准则,对金融危机前后共七组样本构建了多元回归模型.研究结果发现:各因素与油价的相互作用并不都 是在当期完成的;金融危机爆发后,各因素与油价的关系均发生了不同程度的变化,且油价有向基本面回归的趋势.     

Caner & Hansen方法在协整检验中的应用研究

经济理论认为有些经济变量之间长期的均衡关系不是传统的线性协整关系,而是呈现出所谓的阈值协整关系.因此为解决传统EG两步法在检验协整(包括线性协整与阈值协整)中的低势问题,在协整检验中引入Caner & Hansen方法,且采用Monte-Carlo仿真分析该方法的检验Size性质和检验势,并与EG两步法进行了比较研究.仿真发现首先该法存在一定程度的检验Size扭曲,且在检验Two-Regime的阈值协整时具有比检验Three-Regime的阈值协整较小的Size扭曲;其次Sup - R1T统计量在"持久性(Persistence)"很强时,具有比EG法高的检验势.     

相关量测噪声情况下多传感器集中式融合跟踪

在实际的多传感器融合目标跟踪中,各传感器之间的量测噪声往往是相关的。对于量测噪声相关的多传感器量测,利用Cholesky分解和单位下三角阵的求逆方法,将其转化为量测噪声互不相关的等价的多传感器伪量测,然后基于Kalman滤波,提出了一种解决量测噪声相关情况下多传感器融合目标跟踪问题的新算法。与已有的和直接利用原始传感器量测的集中式融合算法相比,三者在计算精度上完全等价,但新算法的计算复杂度却大大降低。数值仿真实验进一步验证了新算法的有效性。     

多响应稳健性优化的贝耶斯分析

针对产品质量改进中的多响应稳健性优化问题,提出了一种基于贝耶斯分析的递阶优化方法。首先基于满意度函数方法求出初始优化解,然后通过贝耶斯分析评价解的稳健性,以初始优化解为起始搜索点进行稳健性寻优;针对现有稳健最优解可靠性较差的情况,给出了两种改进策略下仿真数据的产生方法,利用贝耶斯预后验分析来对未来改进措施的效果进行定量评价。该方法可以实现最优解和稳健解的权衡,降低算法的复杂度并提高寻优效率,且适用于响应曲面模型回归项不一致的情况。算例表明,对多响应优化问题进行贝耶斯分析能有效找到稳健最优解,并可以为后续实验改进提供依据。     

基于高斯过程模型的时空响应稳健参数设计

针对大规模时空数据的稳健参数设计问题,将快速不可分离高斯过程(fast nonseparable Gaussian process, FNSGP)模型与多元质量损失函数相结合,建立一个新的优化方案.首先,在考虑空间与时间相关性的条件下,使用FNSGP模型构建输入因子与质量特性之间的响应曲面,并采用前向滤波和后向平滑的快速、精确算法对模型进行估计和预测;其次,基于信噪比计算时空响应的联合损失权重,构造多元质量损失函数;然后,结合多元质量损失函数建立两阶段参数优化方案;最后,利用非线性优化算法寻找空间与时间因子的联合最优参数设计值.研究结果表明,本文所提方法可以有效地处理大规模时空数据的元建模与稳健参数设计问题,与可分离高斯过程、线性回归、随机森林等替代方法相比能够获得更为稳健的优化结果.     

小样本协整检验的神经网络方法

采用MonteCarlo模拟方法,给出了小样本容量下协整检验临界值的响应面方程。结果表明,小样本协整检验的临界值不仅与样本容量有关,还依赖于协整检验中的滞后阶数。进一步,以样本容量、变量个数、滞后阶数为输入指标,检验临界值为输出指标建立了神经网络模型。神经网络模型比响应面模型具有更高的精度。     

定时删失数据下的双响应曲面建模与优化

针对一类与时间相关的质量特性存在定时删失情形的稳健参数设计问题,提出了一种结合期望最大化算法和改进的随机森林算法的变量选择与过程优化方法.首先,采用期望最大化算法计算不同水平组合下的位置与散度估计;其次,利用改进的随机森林算法选择重要的因子效用;然后,将响应的置信区间引入优化策略中以构建更保守的约束条件,降低模型不确定对优化结果的影响;最后,通过一个实际的工程案例验证所提方法的有效性.实例分析的结果表明,所提方法能有效降低信息损失及模型不确定性对建模和优化结果的影响,能获得更加可靠的可控因子最优设计值.     

机载雷达超低空多径目标稳健STAP方法

超低空目标与环境之间存在耦合多径效应,产生“镜像”虚假目标,严重恶化协方差矩阵估计和运动目标检测性能。针对这一问题,该文提出基于时域优化的多点联合幅相约束的稳健空时自适应处理(space-time adaptive processing,STAP)方法。基于超低空目标及其“镜像”目标多普勒扩展特性的分析,提出了目标及临近空时二维域多点联合幅相约束的STAP方法,并基于保形约束推导了时域响应的解析解,实现了STAP二维响应的主瓣保形,克服了目标多径效应造成的检测性能损失。仿真实验验证了该文方法的有效性。