| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-24页 |
| 1.1 研究背景与研究意义 | 第10-12页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 相关研究综述 | 第12-19页 |
| 1.2.1 六西格玛研究进展 | 第12-15页 |
| 1.2.2 多响应优化方法综述 | 第15-17页 |
| 1.2.3 多元稳健性优化研究进展 | 第17-19页 |
| 1.3 研究思路与研究内容 | 第19-22页 |
| 1.3.1 研究思路 | 第19-21页 |
| 1.3.2 技术路线 | 第21页 |
| 1.3.3 主要内容 | 第21-22页 |
| 1.4 论文的主要创新点 | 第22-24页 |
| 第二章 多响应稳健性优化基本理论和方法 | 第24-50页 |
| 2.1 响应曲面方法及其应用 | 第25-35页 |
| 2.1.1 响应曲面方法原理 | 第25-28页 |
| 2.1.2 响应曲面法应用实例 | 第28-35页 |
| 2.2 多响应优化经典方法 | 第35-39页 |
| 2.2.1 满意度函数方法 | 第35-37页 |
| 2.2.2 多元损失函数方法 | 第37-39页 |
| 2.3 稳健性参数设计建模策略 | 第39-43页 |
| 2.3.1 信噪比方法 | 第39-41页 |
| 2.3.2 双响应方法 | 第41-42页 |
| 2.3.3 响应建模法 | 第42-43页 |
| 2.4 贝叶斯统计推断简介 | 第43-50页 |
| 2.4.1 贝叶斯定理 | 第43-44页 |
| 2.4.2 先验分布选择 | 第44-45页 |
| 2.4.3 后验分布与Gibbs抽样 | 第45-50页 |
| 第三章 多响应优化中预测响应估计方法的比较研究 | 第50-62页 |
| 3.1 最小二乘估计 | 第50-51页 |
| 3.2 似不相关回归估计 | 第51-53页 |
| 3.3 贝叶斯预测估计 | 第53-57页 |
| 3.3.1 单个响应的后验预测分布 | 第53-55页 |
| 3.3.2 多个响应的后验预测分布 | 第55-57页 |
| 3.4 仿真算例分析 | 第57-61页 |
| 3.5 本章小结 | 第61-62页 |
| 第四章 响应独立时满意度函数的贝叶斯分析 | 第62-73页 |
| 4.1 预测响应的贝叶斯估计 | 第62-64页 |
| 4.2 基于贝叶斯后验概率的满意度函数稳健性度量 | 第64-66页 |
| 4.3 利用贝叶斯预后验分析改善解的稳健性 | 第66-67页 |
| 4.4 多响应问题的递阶优化策略 | 第67-68页 |
| 4.5 算例分析 | 第68-71页 |
| 4.6 本章小结 | 第71-73页 |
| 第五章 考虑响应相关性和可控因子波动的多元稳健损失函数 | 第73-92页 |
| 5.1 基于SUR模型的改进多元损失函数 | 第73-76页 |
| 5.2 可控因子波动时稳健性的度量 | 第76-77页 |
| 5.3 考虑可控因子波动的稳健损失函数 | 第77-78页 |
| 5.4 质量成本矩阵选择的权变策略 | 第78-81页 |
| 5.5 算例分析 | 第81-90页 |
| 5.5.1 算例 1 | 第81-84页 |
| 5.5.2 算例 2 | 第84-90页 |
| 5.6 本章小结 | 第90-92页 |
| 第六章 考虑模型误差和噪声因子时的蒙特卡罗方法 | 第92-102页 |
| 6.1 基于Gibbs抽样的多响应SUR模型参数估计 | 第92-94页 |
| 6.2 考虑各种不确定性时预测响应估计的蒙特卡罗方法 | 第94-95页 |
| 6.3 基于蒙特卡罗方法的质量损失函数 | 第95-96页 |
| 6.4 综合考虑各种因素时的一般步骤与简化策略 | 第96-97页 |
| 6.5 算例分析 | 第97-101页 |
| 6.5.1 算例 1 | 第98-99页 |
| 6.5.2 算例 2 | 第99-101页 |
| 6.6 本章小结 | 第101-102页 |
| 第七章 总结与展望 | 第102-106页 |
| 7.1 论文总结 | 第102-104页 |
| 7.2 研究展望 | 第104-106页 |
| 参考文献 | 第106-115页 |
| 发表论文和参加科研情况说明 | 第115-117页 |
| 致谢 | 第117-118页 |
