第2章_决策支持.ppt

1.多元线性回归模型 在产品数据库中，每个产品的数据是不同的三种原 料配方值以及对产品测得的９项性能值。 见表2.3 产品 1 2 3 4 5 6 7 8 9 10 11 12 13 原料1，x1 50 90 50 90 50 90 50 90 36.3 103.6 70 70 70 原料2，x2 10 10 25 25 10 10 25 25 17.5 17.5 17.5 17.5 17.5 原料3，x3 0.55 0.55 0.55 0.55 1.95 1.95 1.95 1.95 1.25 1.25 0.07 2.42 1.25 性能1，y1 124 150 123 160 170 192 162 186 140 160.4 106.5 225 206.2 性能2，y2 543 500 563 526 351 300 372 336 760 200 662 306 375 性能3，y3 18 16 21 17 4 4 5 4 7.6 6 32 2 8 性能4，y7 49 72 50 70 54 80 50 7 49 88 52 72 68 性能5，y5 1.02 0.9 1.05 1.01 0.91 0.91 0.9 0.89 0.80 0.807 1.16 0.67 0.86 性能6，y6 62 84 80 78 63 82 84 78 43 114 76 77 78 性能7，y7 32.2 31.1 33.4 32.2 18.1 17.2 19 17.3 28.4 19.2 52 15.25 23.15 性能8，y8 -1.4 -1.5 -1.3 -1.1 -3.9 -4 -3.6 -3.8 -1 -4.2 -4.2 -6 -3.6 性能9，y9 40 41 46 45 41 40 45 44 45 40 42 40 41 表2.3 产品数据库 产品数据库 多元线性 回归模型 多元回归方程式 利用产品数据库，进行多元回归模型的计算，即通过 最小二乘原理能得到性能和原料间的回归方程式。 多元回归方程式(性能和原料间的关系)为： Y1=0.525X1-0.434X2+36.881X3+86.571 Y2=-4.06X1+2.234X2-143.65X3+870.8670 Y3 =-0.0035X1+0.106X2+11.047X3+25.576 Y4 =0.587X1-0.179X2+5.510X3+18.906 Y5 =0.002X2-0.124X3+1.0722 Y6 =0.557X1+0.460X2+0.49X3+29.246 Y7 =-0.074X1+0.077X2+12.471X3+45.482 Y8 =-0.02X1+0.025X2-2.843X3+2.1397 Y9 =-0.038X1+0.302X2-0.559X3+40.470 其中 Xi(i=1，2，3)表示三种原料 Yi(i=1，2，...9)表示九项性能 回归方程 系数、常数 约束方程 目标方程 多目标 规划数据 2.多目标规划模型 该模型有三个目标即三个原料值。约束方程是用９ 项性能的回归方程构成的（三个原料是变量）。 约束方程中的约束值由如下方法确定： 每个性能值按新产品要求，设定一个指标值要求。 如对y1性能的指标值是： Y1=0.525X1-0.434X2+36.881X3+86.571＞170 在多目标规划模型中的约束方程为： 0.525X1-0.434X2+36.881X3＞83.428 约束方程中的约束值（83.428）是由给定对该性能 的约束值(170)减去回归方程中的常数值（86.571）而求 出的值。约束方程的优先级由人给定。 通过多目标规划模型的运算将得到９个性能和三个原 料的具体目标值。 表2.4 多目标规划数据库 多目标 规划数据 多目标 规划模型 原料配方 结果 经过两个模型的联合运行后，得到的新产品原料配 方数据： x1＝50.7275 x2＝25.0000 x3＝1.8968 它很接近实际要求。 若新产品还有不足，就将该次试验产品数据加入到以 前的产品数据库中去。重新进行二个模型的组合方案的 计算。 经过几次该方案的反复计算，将会很快逼近符合要 求的解（满足性能要求的橡胶配方产品）。 3.两个模型间的数据关系 （1）多目标规划数据库中的约束方程系数来