透過您的圖書館登入
IP:3.145.186.173
  • 學位論文

用於正合最適實驗設計之新型態粒子群演算法

Variant Particle Swarm Optimizations for Exact Optimal Design

指導教授 : 王偉仲

摘要


此篇論文主要探討在不同的準則下, 如何將粒子群演算法應用於尋找正合最適 實驗設計之中。 最適實驗設計的概念自從被提出後, 便普遍為科學以及工業領域所 採納且廣泛的應用, 而粒子群演算法為一新穎的最佳化方法, 可有效的解決複雜的 最佳化問題。 為尋找正合D-最適實驗設計, 我們提出了許多不同粒子群演算法的 變形, 相較於現今較為廣泛使用的演算法 MFE, 其中所提出的 PSO-mtb 也能在 短時間內提供類似的數值結果, 然而不論是 PSO 或 MFE, 在面臨多個變數的多 項式模型時, 都無法提供快速且良好的數值結果, 因此我們結合了這兩個演算法的 優點, 因而提出 MFE-PSO Hybrid 演算法, 在我們所有的測試中,MFE-PSO Hy- brid 演算法可以在短時間內提供相當優秀的數值結果, 在其他的準則中, 面對單變 數的多項式模型, 我們提出的方法也都能有良好的模擬結果, 然而, 在面對多變數 的多項式模型時, 能沒有有效的方法尋找正合G-最適實驗設計。

並列摘要


參考文獻


[2] Cook, R. D. and Nachtsheim, C. J. (1980) “A Comparison of algorithms for constructing exact D-optimal designs”. Techonmetrics, volume 22, pages 315-324.
[5] Imhof, L. (1997) “Optimum Exact Designs for Polynomial Regression”. Ph.D Thesis, Aachen.
[7] Kiefer, J. (1959). “Optimum Experimental Designs”. Journal of the Royal Statistical Society, Series B 21, pages 272-319.
[8] Mitchell, T. J. (1974) “An Algorithm for the Construction of D-optimal experimental designs” Techonmetrics, volume 16, pages 203-210.
[9] Montepiedra, G., Myers, D. and Yeh, A. B. (1998) “Application of Genetic Algorithms to the Construction of Exact D-optimal Designs”. Journal of Applied Statistics, volume 25, No.6, pages 817-326.

延伸閱讀