第1章 引言
1.1 什么是仿真
1.2 什么是DASE
1.3 DASE的符号和术语
1.4 习题解答
第2章 低阶多项式回归元模型及其设计：基本原理
2.1 简介
2.2 线性回归分析：基础理论
2.3 线性回归分析：一阶多项式
2.3.1 单因子一阶多项式
2.3.2 多因子一阶多项式
2.4 用于一阶多项式的分辨率Ⅲ设计
2.4.1 分辨率为Ⅲ的2k-p设计
2.4.2 分辨率为Ⅲ的PlackettBurman设计
2.5 回归分析：因子交互作用
2.6 两因子交互效应的设计方法：分辨率Ⅳ设计
2.7 两因子交互效应设计方法：分辨率Ⅴ设计
2.8 回归分析：二阶多项式
2.9 二阶多项式设计：中心复合设计（CCD）
2.10 最优设计和其他设计
2.11 元模型验证
2.11.1 决定系数和相关系数
2.11.2 交叉验证
2.12 更多仿真应用
2.13 本章小结
2.14 附录：名义因子的编码
2.15 习题解答
第3章 经典假设回顾
3.1 简介
3.2 多元仿真输出
3.2.1 多元仿真输出设计
3.3 非正态仿真输出
3.3.1 正态分布假设的真实性
3.3.2 检验正态分布假设
3.3.3 仿真输入输出数据的变换， 折叠法和多步法
3.4 非齐次方差仿真输出
3.4.1 方差一致假设的真实性
3.4.2 常数方差的检验
3.4.3 方差稳定变换
3.4.4 非齐次方差条件下的最小二乘估计
3.4.5 非齐次方差条件下的设计
3.5 公共随机数
3.5.1 公共随机数假设的真实性
3.5.2 可供使用的分析方法
3.5.3 在公共随机数情况下的设计
3.6 无效低阶多项式元模型
3.6.1 检验元模型的有效性
3.6.2 回归自变量和因变量的变换
3.6.3 在低阶多项式模型中加上高阶项
3.6.4 非线性元模型
3.7 本章小结
3.8 习题解答
第4章 仿真优化
4.1 简介
4.2 响应面方法：经典变量
4.3 广义响应面方法：多输出和限制条件
4.4 检验估计最优：KKT条件
4.5 风险分析
4.5.1 拉丁超立方体采样
4.6 稳健优化：Taguchian方法
4.6.1 案例研究：爱立信供应链
4.7 本章小结
4.8 习题解答
第5章 Kriging元模型
5.1 简介
5.2 Kriging基础
5.3 Kriging的最新成果
5.4 Kriging设计
5.4.1 随机仿真中的预测量方差
5.4.2 确定性仿真中的预估量方差
5.4.3 相关设计方法
5.5 本章小结
5.6 习题解答
第6章 筛选设计
6.1 简介
6.2 顺序分支法
6.2.1 最简单SB方法概述
6.2.2 最简单SB方法的数学描述
6.2.3 案例研究：爱立信供应链
6.2.4 两因子交互作用的SB方法
6.3 本章小结
6.4 习题解答
第7章 结束语
参考文献
中英文术语对照
鄂公网安备 42010302001612号 