Optimizācijas palīdzības eksperimentu plānošana
Optimizācijas palīdzības eksperimentu plānošana (OA-DoE) apvieno strukturētu eksperimentu plānu ar matemātisku optimizācijas dzinēju, lai atrastu faktoru iestatījumus, kas vienlaicīgi apmierina vairākus atbildes mērķus. Tā vietā, lai apstātos pie atbildes virsmas modeļa pielāgošanas, analītiķis pielieto vēlamības funkcijas, ģenētiskos algoritmus vai citus optimizatorus pielāgotajam modelim, lai identificētu globālo vai gandrīz globālo optimu visām interesējošajām atbildēm.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Metožu karte
Saistīto metožu apkaime — atlasiet mezglu, lai izpētītu.
Avoti
- Derringer, G., & Suich, R. (1980). Simultaneous optimization of several response variables. Journal of Quality Technology, 12(4), 214–219. DOI: 10.1080/00224065.1980.11980968 ↗
- Myers, R. H., Montgomery, D. C., & Anderson-Cook, C. M. (2016). Response Surface Methodology: Process and Product Optimization Using Designed Experiments (4th ed.). Wiley. ISBN: 978-1118916018
Kā citēt šo lapu
ScholarGate. (2026, June 3). Optimization-Assisted Design of Experiments. ScholarGate. https://scholargate.app/lv/experimental-design/optimization-assisted-design-of-experiments
Kura metode?
Novietojiet šo metodi blakus tās tuvākajām radniecīgajām metodēm un lasiet tās līdzās — bibliotēka noliek grāmatas uz galda; izvēle ir jūsu.
- Box-Behnkena dizainsEksperimentu plānošana↔ salīdzināt
- Centrālais kompozītais plānsEksperimentu plānošana↔ salīdzināt
- Eksperimentu plānošanaEksperimentu plānošana↔ salīdzināt
- Metodoloģija virsmas atbildes (RSM)Eksperimentu plānošana↔ salīdzināt
Similar methods
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →