烹飪優化：你應該烹飪熱和快，或溫暖和慢？- JMP博客中寫道：
[...]我之前的帖子，我介紹了隨機優化。在這篇文章中，我展示了一個真實的例子。這個例子是[...]
實驗實驗，模型模型 - JMP博客中寫道：
[...]過去兩週，我介紹了強大的工藝工程和隨機優化 - 在面對[...]之間的變化時實現優質產品的努力
（注意：這是關於隨機優化的三部分系列之一。）
要爬到山頂，就一直往上走。 但是，山丘可能有次高峰，因此有時您必須四處搜尋以保持上升。 但是，上升仍然是基本思想。 這就是優化-找到山頂。 運籌學的目的是更一般地解決優化問題，因為高尺寸的山丘可能有禁止使用的圍欄區域。
現在想像一下，您不是乘坐爬山，而是乘坐直升飛機；您只需告訴直升機要去的地方，然後從該位置上方5,000英尺處降落傘即可。 聽起來很簡單。 但是由於有云，所以您看不到山丘本身，並且有隨機的陣風可以向任何方向吹數百米。 另外，您必須降落到一定高度以上，否則會生病。 您確實在不同的GPS位置上得到了一些試驗下落，但是您必須住在該目標位置附近，並且一天跳一次。 歡迎來到隨機優化的世界。 現在到達高海拔地區是一件非常麻煩的事情。
為什麼要研究一些行為如此奇怪並且令人沮喪地難以理解的東西？
好吧，事實證明，世界產品和工藝的未來質量僅取決於這種情況。 我們試圖優化我們的產品和流程，但是事實證明，輸入因素有所不同，並且產品和流程不再是最佳的。 輸入因素可能會由於環境因素而發生變化：您知道如何種植產量最高的玉米作物，但是不幸的是，您似乎無法控制天氣來獲得最佳產量。 輸入因子可能會由於自然變化而發生變化：您的成分是其他某個過程的輸出，並且您無法從該過程中獲得所有的可變性-您通常可以控制每個因子的分佈中心在哪裡，但是您無法減少差異。
關於這種優化的文獻並不特別豐富。 此應用程序的研究領域稱為強大的工藝工程-努力使產品和流程在變化中表現良好。
解決此類問題的第一個良好嘗試來自一位日本工程師，田口健一。 他說您要在兩個方向上進行實驗。 您認為有些控制因素是固定的，不會隨機變化。 然後是在生產中您無法完全控制的噪聲因素-它們具有隨機變化。 在實驗中，您可能可以控制它們，例如，可以通過在內部種植玉米並控制光照和水來控制玉米的天氣。 （在農業中，這種實驗場所的名稱是：phytotron。）然後，您可以跨控制因子和噪聲因子進行實驗。 接下來，您將得出每個“控制”設置的“噪聲”設計中的噪聲變化。 然後，您可以針對均值和方差或某種組合度量（即所謂的信噪比）進行優化。
這行得通。 田口俱樂部在世界範圍內興起，工程師們學習了田口的方法。
一些西方統計學家研究了這種方法，並說：“我們可以做得更好。”出現了各種各樣的方案，並認識到您應該尋找的東西，這是：
小山上可能有很多海拔高度好的地方，但是在這些好地方中，請嘗試找到周圍最寬，最平坦的地方。 然後，當您隨機落在該目標周圍時，您可能會降落在狹窄的高度範圍內。
例如，在下面您可以看到周圍的輪廓落基山國家公園的朗斯峰。 如果您想跳傘至13400英尺以上，那麼-而不是瞄準14200英尺以上的山峰，可能會偏離路線並降落在距西北面12400英尺的地方-您可以瞄準“閣樓”，這是一個廣泛的目標在13,400英尺以上。
在我的下一篇博客文章中，我們將看到一個涉及高科技烹飪的真實示例，一個化學反應示例，以及考慮到變化時如何將具有眾所周知最佳值的經典示例顛倒其教訓。
更新：第二和第三現在可以使用該系列的博客文章。
致謝：沃倫·薩爾（Warren Sarle）多年前就寫了兩篇神經網絡論文，內容涉及如何進行優化就像爬上山頂一樣，這就是我的類比靈感。 該地圖來自Google地圖。
