系统工程与电子技术
繫統工程與電子技術
계통공정여전자기술
Systems Engineering and Electronics
2015年
9期
2073-2079
,共7页
关键质量特性%遗传算法%模拟退火算法%复杂产品%特征选择
關鍵質量特性%遺傳算法%模擬退火算法%複雜產品%特徵選擇
관건질량특성%유전산법%모의퇴화산법%복잡산품%특정선택
critical-to quality characteristics (CTQs)%genetic algorithm (GA)%simulated annealing algorithm (SA)%complex products%feature selection
为了识别复杂产品关键质量特性(critical-to-quality characteristics,CTQs),提出基于遗传模拟退火算法(genetic simulated annealing algorithm,GSA)的特征选择算法.所提算法将遗传算法(genetic algorithm,GA)与模拟退火算法(simulated annealing algorithm,SA)结合,兼有不错局部搜索与全局搜索能力.提出一种综合适应度函数应用于所提算法,以同时优化CTQ集分类性能和所选质量特性数.算例结果表明,所提算法能有效过滤无关、冗余质量特性,识别关键质量特性;与Memetic算法和信息增益(information gain,IG)算法相比,所提算法在识别更少关键质量特性的同时,得到更高预测精度.
為瞭識彆複雜產品關鍵質量特性(critical-to-quality characteristics,CTQs),提齣基于遺傳模擬退火算法(genetic simulated annealing algorithm,GSA)的特徵選擇算法.所提算法將遺傳算法(genetic algorithm,GA)與模擬退火算法(simulated annealing algorithm,SA)結閤,兼有不錯跼部搜索與全跼搜索能力.提齣一種綜閤適應度函數應用于所提算法,以同時優化CTQ集分類性能和所選質量特性數.算例結果錶明,所提算法能有效過濾無關、冗餘質量特性,識彆關鍵質量特性;與Memetic算法和信息增益(information gain,IG)算法相比,所提算法在識彆更少關鍵質量特性的同時,得到更高預測精度.
위료식별복잡산품관건질량특성(critical-to-quality characteristics,CTQs),제출기우유전모의퇴화산법(genetic simulated annealing algorithm,GSA)적특정선택산법.소제산법장유전산법(genetic algorithm,GA)여모의퇴화산법(simulated annealing algorithm,SA)결합,겸유불착국부수색여전국수색능력.제출일충종합괄응도함수응용우소제산법,이동시우화CTQ집분류성능화소선질량특성수.산례결과표명,소제산법능유효과려무관、용여질량특성,식별관건질량특성;여Memetic산법화신식증익(information gain,IG)산법상비,소제산법재식별경소관건질량특성적동시,득도경고예측정도.
