國立高雄大學圖資館 |

Language: English

Back

利用粒子群演算法建構21成分之分層混合實驗 = Construction...

國立高雄大學統計學研究所

利用粒子群演算法建構21成分之分層混合實驗 = Construction of a 21-Component Layered Mixture Experiment Design Using the Particle Swarm Optimization

Record Type:	Language materials, printed : monographic
Paralel Title:	Construction of a 21-Component Layered Mixture Experiment Design Using the Particle Swarm Optimization
Author:	辛秋慧,
Secondary Intellectual Responsibility:	國立高雄大學
Place of Publication:	[高雄市]
Published:	撰者;
Year of Publication:	2014[民103]
Description:	81面圖，表 : 30公分;
Subject:	D-最適設計
Subject:	D-optimal design
Online resource:	http://handle.ncl.edu.tw/11296/ndltd/24105195906254004602
Notes:	105年10月25日公開
Notes:	參考書目：面35-36
Summary:	粒子群演算法(PSO)是透過觀察鳥類覓食行為所發展出來的一種基於群體合作的隨機搜索演算法。我們使用C語言執行PSO演算法並建構一個21成分之分層混合實驗。建構一個混合實驗設計是高維度的受限最適化問題，其中有三個執行上的挑戰: (1) 設計分為19和21成分之兩個不同部分、(2) 存在非常多的單一限制和多重限制，以及(3) 必須擴增現有的資料。研究問題包含設定核廢料之成分百分比時，如何控制其晶體的液化溫度(Piepel, Cooley, and Jones, 2005)。 Particle swarm optimization (PSO) is population based stochastic search algorithm based on the simulation of the social behavior of birds. We apply PSO using C++ program language to construction of a 21-component layered mixture experiment design. Constructing a mixture experiment design is a high-dimensional constrained optimization problem involving (1) 19 and 21 components for two different parts of the design, (2) many single-component and multicomponent constraints, and (3) augmentation of existing data. The problem involves studying the liquidus temperature of spinel crystals as a function of nuclear waste glass composition (Piepel, Cooley, and Jones, 2005).

利用粒子群演算法建構21成分之分層混合實驗 = Construction of a 21-Component Layered Mixture Experiment Design Using the Particle Swarm Optimization
辛, 秋慧

利用粒子群演算法建構21成分之分層混合實驗 = Construction of a 21-Component Layered Mixture Experiment Design Using the Particle Swarm Optimization / 辛秋慧撰 - [高雄市] : 撰者, 2014[民103]. - 81面 ; 圖，表 ; 30公分.
105年10月25日公開參考書目：面35-36.
D-最適設計D-optimal design

利用粒子群演算法建構21成分之分層混合實驗 = Construction of a 21-Component Layered Mixture Experiment Design Using the Particle Swarm Optimization
LDR:02464nam0 2200277 450 001 430088
005 20161117141407.0
010 0 $b 精裝
010 0 $b 平裝
100 $a 20141027d2014 k y0chiy50 e
101 1 $a eng $d chi $d eng
102 $a tw
105 $a ak am 000yy
200 1 $a 利用粒子群演算法建構21成分之分層混合實驗 $d Construction of a 21-Component Layered Mixture Experiment Design Using the Particle Swarm Optimization $z eng $f 辛秋慧撰
210 $a [高雄市] $c 撰者 $d 2014[民103]
215 0 $a 81面 $c 圖，表 $d 30公分
300 $a 105年10月25日公開
300 $a 參考書目：面35-36
314 $a 指導教授：黃錦輝教授
328 $a 碩士論文--國立高雄大學統計學研究所
330 $a 粒子群演算法(PSO)是透過觀察鳥類覓食行為所發展出來的一種基於群體合作的隨機搜索演算法。我們使用C語言執行PSO演算法並建構一個21成分之分層混合實驗。建構一個混合實驗設計是高維度的受限最適化問題，其中有三個執行上的挑戰: (1) 設計分為19和21成分之兩個不同部分、(2) 存在非常多的單一限制和多重限制，以及(3) 必須擴增現有的資料。研究問題包含設定核廢料之成分百分比時，如何控制其晶體的液化溫度(Piepel, Cooley, and Jones, 2005)。 Particle swarm optimization (PSO) is population based stochastic search algorithm based on the simulation of the social behavior of birds. We apply PSO using C++ program language to construction of a 21-component layered mixture experiment design. Constructing a mixture experiment design is a high-dimensional constrained optimization problem involving (1) 19 and 21 components for two different parts of the design, (2) many single-component and multicomponent constraints, and (3) augmentation of existing data. The problem involves studying the liquidus temperature of spinel crystals as a function of nuclear waste glass composition (Piepel, Cooley, and Jones, 2005).
510 1 $a Construction of a 21-Component Layered Mixture Experiment Design Using the Particle Swarm Optimization $z eng
610 # 0 $a D-最適設計 $a 混合實驗 $a 核廢料 $a 粒子群演算法
610 # 1 $a D-optimal design $a Mixture experiment $a Nuclear waste $a Particle swarm optimization
681 $a 008M/0019 $b 343201 0025 $v 2007年版
700 1 $a 辛 $b 秋慧 $4 撰 $3 673317
712 0 2 $a 國立高雄大學 $b 統計學研究所 $3 166081
801 0 $a tw $b NUK $c 20161014 $g CCR
856 7 # $u http://handle.ncl.edu.tw/11296/ndltd/24105195906254004602 $2 http $z PDF全文