论文部分内容阅读
本文研究具有多个质量特性的产品或过程稳健参数优化问题，目的在于获得对某些不确定性扰动不敏感的稳健最优解。以此为目标，本文使用响应曲面法建立各个响应变量与设计因子之间的经验模型，然后借助满意度函数法对多响应问题进行处理。本文重点考虑两种误差扰动：因子的制造容差和响应曲面模型的预测误差，并使用稳健对等方法定义满意度函数的稳健性指标。具体研究内容包括：
首先，分别引入遗传算法和模拟退火这两种智能算法对总体满意度函数进行极大化寻优，并使用模式搜索算法对返回的解进行进一步细探。算例表明，与模式搜索算法相比，智能算法更适合处理复杂函数优化问题；与单一智能优化算法相比，混合算法则能够提高解的收敛精度。
其次，针对因子的容差扰动定义满意度函数的稳健对等式，并使用遗传+模式搜索混合算法对稳健最优解进行搜索。算例表明，该方法能够成功获得稳健可行域中的解，这样的解对因子的制造误差不敏感。
再次，分析预测响应的波动特性对满意度函数的影响，并借助蒙特卡罗方法模拟出满意度函数的分布形状并研究其统计规律。算例表明，传统满意度函数法所获得的全局最优解可能具有太高的概率风险，而局部最优解所处的可行域往往对预测响应的波动更加稳健，这有助于对稳健最优解的进一步探索。
最后，将响应曲面模型的预测误差考虑到满意度函数法的优化模型中，使用稳健对等方法定义满意度函数的稳健性指标，并借助遗传+模式搜索混合算法对该稳健性指标进行极大化寻优。算例表明，该方法能够成功返回稳健可行域中的解，并且大大减小满意度的波动范围，使其对模型的预测误差抗干扰。
尽管本文所使用的算例来自化工和半导体行业，但本文所给出的多响应稳健优化方法不局限于这些行业，而是对不同领域中的稳健设计与优化问题均具有一定的普适性。