[自然科学]试验优化设计-绪论.ppt

实验优化设计 概 论 在生产中，多快好省地完成任务，是我们预期的目标 现有设备和原材料条件下，如何合理安排生产工艺，使产量最高、质量最好； 在保证产品的产量和质量的前提下，使消耗最少； 工程设计中，如何选取合适的设计参数，使质量最好或者用料最省； 科学实验中，如何安排实验，使费用最省或者效果最好等等 试验设计 R.费暄自1919年起在农业实验站工作了14年，引起试验结果差异的主要因素有两个：第一，田间试验中土质、光照等客观条件的不同；第二，田间试验中所使用方法的不同。 R.费暄于 1925 年来，他的完整的方差分析方法形成，给试验设计提供了有效的搜集原始数据以及更好地进行推断的方法。 到了 1926年，R.费暄发表了试验设计方法的梗概，这些方法后来在 1935年进一步得到完善。 这样，R.费暄的主要试验设计方法在 20至 40年代完成，并首先在卢桑姆斯坦德农业实验站得到检验与应用，后来又被他的学生推广到其他科学领域。 随机块区法（randomized blocks） 此方法就是把试验区划分为若干块区，每一块区都试验全部项目。 而试验项目的安排完全是随机的，这样就可以确保地理分布的均匀性，使影响试验结果的其他因素的作用相互抵消，达到突出需要反映的那个因素效果的目的。 例如，A、B、C、D、E、F、G、H共8个品种的产量试验，在每区块中，再分 8个小块作为基本单位，每个品种反复试验 4次。 拉丁方格法（latin square） 拉丁方格法是 R.费暄为克服因随机块区法完全随机不易把握而设计的。 他控制各种试验项目在每一行和每一列中都只出现一次，以防止某品种有可能较集中播种在一个位置上。 试验设计的必要性和基本原理 在实际工作中常会遇到这样的问题： 产品质量是否受到配料、设备、人工等差别的影响； 农作物产量是否受肥料、土壤、品种等差异的影响； 商品需求量是否受到不同地区、不同季节的影响等等； 为了比较试验设计应保证 试验次数尽量少，而试验结果包含的信息尽量多，同时在进行数据的统计分析时便于提取这些信息。 数据的统计分析方法是由试验的设计方法相应的数学模型所决定的。 试验设计中的两个基本原理是重复和随机化。 设计 1.确定试验的总观察次数（试验总次数）：对试验方案的要求是总试验次数尽量少，包含的信息尽量多且达到较高的统计精度。这两者之间往往有矛盾，试验方案使两者得到平衡。 2.试验按怎样的次序进行 3.采用什么随机方法 4.写出描述试验的数学模型 分析 1.收集与整理数据 2.计算检验的统计量和参数的估计值 3.解释结果，提出建议对数据分析的结果作出合理的定性解释，并提出符合实际情况的建议。 试验 1.问题的叙述。把问题叙述清楚，看起来似乎很容易，实际上往往不简单。只有对所要研究的现象有相当了解，才能把试验的目的及所要解决的问题叙述清楚，才能有利于问题的解决。 2.响应变量的选取。变量试验的观察结果的量称为响应变量，相当于数学中的因变量，而试验中的因子相当于自变量。 3.因子的选取。试验者感兴趣的对试验结果有影响的因素都称为试验问题中的因子。 4.诸因子水平的选择。因子在试验中所处的状态称为它的水平，也称为处理。 最优化问题 为了使某些目标（如产量、质量或经济指标等）达到最好的结果（如高产、优质、低消耗等），就要找出使此目标达到最优的关键因素（或变量）的某些值（通常称为最优点，最优解或者近似最优解），这类问题在数学上称为最优化问题 最优化理论发展 最优化的理论及其解决方法始于第二次世界大战，随后逐渐发展并不断完善，四十年代初期，西方国家出于军事上的需要，提出一些不能用古典的微分法和变分法解决的最优问题，从而产生了新的方法，此后，解决最优化问题的理论及方法逐渐得到丰富与发展，目前已成为应用数学上不可忽视的一个分支。 解决最优化问题的方法 间接最优化（或称解析最优化）方法 要求把所研究的对象（如物理或化学过程）用数学方程描述出其最优解，要描述这些对象，就必须研究某些物理、化学规律（也称为机理），但是在很多情况下，对象本身机理不很清楚，无法用数学方程描述； 直接最优化（或称试验最优化）方法 所谓间接最优化方法，就是对于无法用数学方程描述的情形，有一种可供采用的办法，是通过大量试验，构造一类函数来逼近这些试验数据，然后再从函数求最优解，并通过试验来验证，然而也有很多实际问题可以不经过中间阶段，而直接通过少量试验，根据试验结果的比较而求得最优解—这就是直接最优化方法。 试验优化 试验优化和其它科学一样，是在实践的基础上产生和发展的； 爬山法、均分法、来回调试法和平分法等这些安排科学实验的基本原则，早已应用，只是没有系统整理、提高为理论而已； 自从1953美国的