JMP 使用哪些合意性函數形式來最大化、最小化和達到響應目標？我同時根據輸入因素優化我的輸出響應變量，並使用合意性方法。 同時，我正在瀏覽 JMP 提供的文檔以了解哪些分段函數形式（類似於 Derringer 和 Suich (1980) 提出的分段函數） JMP 用來優化合意性，但我只得到了整體合意性函數（幾何平均數）。C有人知道 JMP 使用哪個分段函數來最大化和最小化合意性嗎？ 也為目標. 這些是否與 Derringer 和 Suich (1980) 提出的相同？ 因為在 JMP 的文檔中，明確提到“ JMP 不使用 Derringer 和 Suich (1980) 的函數形式。 因為它們不平滑，所以它們並不總是適用於 JMP 的優化算法“
質量與工藝工程回复：JMP 使用哪種函數形式來最大化、最小化和達到響應目標？根據文檔:
優化算法
用於優化整體意願函數或單個意願函數（如果只有一個響應）的方法取決於因子類型。
•對於分類因素，使用坐標交換算法。
•對於連續因子，使用梯度下降算法。
•在存在約束或混合因素的情況下，使用 Wolfe 減少梯度方法。
•為降低找到局部最優值的風險，JMP 使用多個隨機啟動。
回复：JMP 使用哪種函數形式來最大化、最小化和達到響應目標？你得到這個問題的答案了嗎？ 我也有同樣的疑問。
