仿真實驗設計與分析

第1章 引言
　1.1 什么是仿真
　1.2 什么是DASE
　1.3 DASE的符號和術語
　1.4 習題解答
第2章 低階多項式回歸元模型及其設計：基本原理
　2.1 簡介
　2.2 線性回歸分析：基礎理論
　2.3 線性回歸分析：一階多項式
　　2.3.1 單因子一階多項式
　　2.3.2 多因子一階多項式
　2.4 用于一階多項式的分辨率Ⅲ設計
　　2.4.1 分辨率為Ⅲ的2k-p設計
　　2.4.2 分辨率為Ⅲ的PlackettBurman設計
　2.5 回歸分析：因子交互作用
　2.6 兩因子交互效應的設計方法：分辨率Ⅳ設計
　2.7 兩因子交互效應設計方法：分辨率Ⅴ設計
　2.8 回歸分析：二階多項式
　2.9 二階多項式設計：中心復合設計（CCD）
　2.10 最優(yōu)設計和其他設計
　2.11 元模型驗證
　　2.11.1 決定系數(shù)和相關系數(shù)
　　2.11.2 交叉驗證
　2.12 更多仿真應用
　2.13 本章小結
　2.14 附錄：名義因子的編碼
　2.15 習題解答
第3章 經(jīng)典假設回顧
　3.1 簡介
　3.2 多元仿真輸出
　　3.2.1 多元仿真輸出設計
　3.3 非正態(tài)仿真輸出
　　3.3.1 正態(tài)分布假設的真實性
　　3.3.2 檢驗正態(tài)分布假設
　　3.3.3 仿真輸入輸出數(shù)據(jù)的變換， 折疊法和多步法
　3.4 非齊次方差仿真輸出
　　3.4.1 方差一致假設的真實性
　　3.4.2 常數(shù)方差的檢驗
　　3.4.3 方差穩(wěn)定變換
　　3.4.4 非齊次方差條件下的最小二乘估計
　　3.4.5 非齊次方差條件下的設計
　3.5 公共隨機數(shù)
　　3.5.1 公共隨機數(shù)假設的真實性
　　3.5.2 可供使用的分析方法
　　3.5.3 在公共隨機數(shù)情況下的設計
　3.6 無效低階多項式元模型
　　3.6.1 檢驗元模型的有效性
　　3.6.2 回歸自變量和因變量的變換
　　3.6.3 在低階多項式模型中加上高階項
　　3.6.4 非線性元模型
　3.7 本章小結
　3.8 習題解答
第4章 仿真優(yōu)化
　4.1 簡介
　4.2 響應面方法：經(jīng)典變量
　4.3 廣義響應面方法：多輸出和限制條件
　4.4 檢驗估計最優(yōu)：KKT條件
　4.5 風險分析
　　4.5.1 拉丁超立方體采樣
　4.6 穩(wěn)健優(yōu)化：Taguchian方法
　　4.6.1 案例研究：愛立信供應鏈
　4.7 本章小結
　4.8 習題解答
第5章 Kriging元模型
　5.1 簡介
　5.2 Kriging基礎
　5.3 Kriging的最新成果
　5.4 Kriging設計
　　5.4.1 隨機仿真中的預測量方差
　　5.4.2 確定性仿真中的預估量方差
　　5.4.3 相關設計方法
　5.5 本章小結
　　5.6 習題解答
第6章 篩選設計
　6.1 簡介
　6.2 順序分支法
　　6.2.1 最簡單SB方法概述
　　6.2.2 最簡單SB方法的數(shù)學描述
　　6.2.3 案例研究：愛立信供應鏈
　　6.2.4 兩因子交互作用的SB方法
　6.3 本章小結
　6.4 習題解答
第7章 結束語
參考文獻
中英文術語對照