统计推断讲座问题求解途径.pptxVIP

“统计推断”课程设计 第3讲: 问题的求解途径 上海交通大学 电子工程系 2013年9月 2 上讲回顾 本课程的研究课题 输入 研究该装置系统的输入输出的受控关系（输出受输入控制，D-U 函数关系） 输出 PWM信号占空比 D 开关电源输出电压 U 物理对象：某实验课程中制作的电子装置（一个可调电源模块），在本课程中视作黑盒 这种装置有51个实用设定点，对应输出电压U= 5.0V 5.1V … 10.0V，也就是说在实用中电压设定值精确到0.1V。 我们实际制作了600多个此种装置（研究样本），并通过实验测量，获得了每个样品的特性数据。 如何找到一种省时省工的工程方法，在批量生产过程中，对该种装置进行定标（或称“校准”，Calibrating）？ 每个样品的实验数据包含53组数值，对应U=4.9V 5.0V 5.1V … 10.0V 10.1V，其中首末两组数据可以提供一些额外信息。 3 利用统计数学方法估测和为系统定标 利用统计数学方法对系统特性进行估测 就该系统而言，在工程实际中，若对每个样品都进行53组数值的完整测定，则既费时又高成本。若能减少需要观测的数值组数量，则可以提高工效。 （1）先测得一组观测值 （2）利用统计数学方法估测 拟合法、插值法 等 （下例示意图为：用有普查数据年份估测无普查数据年份的人口数） 4 课程设计基本问题 要求限测7点，完成对系统的定标。 本课程设计要求 限测7点事前观测值，能否获得定标准确度平均得分不低于94分的估测方法？ 本课程设计的基本问题 方法很多，如何比较和评价不同定标方法的好坏呢？ 本课程规定了统一的系统定标准确度评价函数，指定了开展研究所用的样本集 “ 对第1个样本，选取{1,3,11,17,41,43,51}七点数值来拟合定标； 对第2个样本，选取{2,7,13,29,35,43,52}七点数值来拟合定标； …. ” 务必杜绝下面这种错误理解 以上方案的错误在于： 对每一样本都要用特异的七点，而如果我们不在事前知道该样本全部53点的数值信息，是无法做到这一点的！ 因此它实质上把全部53点都作为事前观测点，选7点定标变得没有实际意义了。 5 课程设计基本问题 定标准确度评价 下标i 代表样本序号 下标j 代表观测点序号 对某一样本i 的定标准确度评分： 对过大偏差的“惩罚性”评分 对所有样本的定标准确度统计平均： 同一定标方法对不同研究样本效果是不同的。 我们试图求取统计平均意义上的最好方法。 6 需搜索的区域范围很大 本课程设计问题本质上是一个“搜索问题” 启发式 heuristic 搜索算法 典型的比如： 遗传算法 ( Genetic Algorithm ) 模拟退火算法 ( Simulated Annealing ) 蚁群算法(Ant Colony Optimization ) 简单的如：爬山法 下面以GA为例，简介这类算法在本课程中的应用 问题的求解途径   种不同组合 穷举搜索很难有可行性，所谓 NP-hard 问题 7 初始种群 GA是一种“仿生算法” 问题的求解途径 个体适应度计算 选择 交叉 变异 终止条件 Y N 一个“生物个体”对应的一个可能解答， 需把解答改写（编码）成一维数组形式（对生物基因染色体的仿生。 适应度函数（每个个体“适者生存”的程度） 模拟自然选择过程，适者生存，不适者淘汰。适应度高的个体有更大概率留下后代。 模拟交配繁殖 模拟基因突变 模拟世代更替 8 初始种群 问题的求解途径 编码方法：把x的值用5位二进制数串表示 适应度函数选择目标函数本身 262 随机 01101 （13） 00101 （5） 01000 （8） 00010 （2） 适应度 169 25 64 4 生存概率 0.645 0.096 0.244 0.015 选择结果 2 1 1 0 随机 配对交叉 随机 01 | 101 00 | 101 010 | 00 011 | 01 新一代种群 00101 （5） 01101 （13） 01100 （12） 01001 （9） 1.000 419 适应度 25 169 144 81 9 初始种群 问题的求解途径 编码方法：把x的值用5位二进制数串表示 适应度函数选择目标函数本身 262 随机 01101 （13） 00101 （5） 01000 （8） 00010 （2） 适应度 169 25 64 4 生存概率 0.64