چکیده: (13447 مشاهده)
در این مقاله، روشی برای بهینه سازی فرآیند با چند سطح پاسخ به وسیله شبکه های عصبی پیشنهاد می شود که در آن از مفهوم مطلوبیت مقدار هر متغیر پاسخ جهت پیش بینی استفاده می کند. در این پژوهش شبکه پس انتشار پیش خور با دو لایه پنهان استفاده می شود. تعداد نرونهای لایه پنهان با استفاده از معیار میانگین مربع خطا برای داده های آموزش و تست تعیین می گردد. تعداد نرون های لایه اول برابر تعداد فاکتورها و تعداد نرونهای لایه آخر برابر تعداد سطوح پاسخ می باشند. پس از آموزش شبکه، مرحله پیش بینی با دادن سطوح مختلف به فاکتورها برای محاسبه مطلوبیت آزمایشهای مختلف به شبکه انجام می شود. در مرحله بعد مقادیر مطلوبیت کل محاسبه می گردد. آنگاه ترکیبی به عنوان بهینه انتخاب می شود که دارای بیشترین مطلوبیت کل باشد. در انتها برای نشان دادن قابلیت شبکه عصبی یک مثال عددی آورده می شود. نتایج این تحقیق نشان می دهد گرچه تعیین نوع شبکه عصبی مناسب زمان بر است ولی از لحاظ دقت نسبت به روش سطح پاسخ مناسب تر می باشد. در ضمن ترکیب بهینه به دست آمده از روش سطح پاسخ یکی از جوابهای بهینه به دست آمده از روش شبکه عصبی می باشد