【摘要】：表17-1 第一种方法：5种R包与JMP的比较本章中第二种多响应值处理方法是将多个指标响应值分别按照期望函数求出期望值，然后编写一个评估函数，在各响应值原对应模型下分别评估期望值，最后合并为一个汇总期望值。利用5种R包进行求解，并与JMP软件进行比较，结果如下表。
本章中第一种多响应值处理方法是将多个指标响应值分别按照期望函数求出期望值，然后将各单一指标的期望值合并为一个汇总期望值；然后利用这个汇总期望值对数据进行建模分析（重新构建模型），最后利用5种R包进行求解，并与商业软件JMP进行比较，结果如表17-1所示。
表17-1 第一种方法：5种R包与JMP的比较
本章中第二种多响应值处理方法是将多个指标响应值分别按照期望函数求出期望值，然后编写一个评估函数，在各响应值原对应模型下分别评估期望值，最后合并为一个汇总期望值。利用5种R包进行求解，并与JMP软件进行比较，结果如下表。
表17-2 第二种方法：5种R包与JMP的比较(www.xing528.com)
两种方法比较：第二种方法能够获得更好的实验效果（更高的期望值），第一种方法获得的期望值较低可能是因为重新拟合线性模型，使得模型误差较高，不能体现响应曲面部分，对一些潜在实验区域失拟。同时从5种R包寻优效果来看，与商业软件JMP优化差异不显著。对于复杂模型（本书为5个混料模型），采用遗传算法的GA包和Deoptim包虽然计算时间较长，但能找到更优解。
根据上述多响应值优化结果杂粮配方为x1=0.496，x2=0.226，x3=0.278，该条件下，其实际响应值为：
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
