多因素序贯实验设计（最陡坡法）

一、序贯实验

参考教材《实验设计与数据处理》

1.1 多因素序贯实验

多因素序贯实验设计（Sequential Multi-Factor Experiment Design）是一种实验设计方法，它允许研究者逐步考查多个因素对实验结果的影响。这种方法通常在资源有限或当实验的一部分因素比其他部分更为关键时使用。多因素序贯实验设计的关键特点是分阶段地添加或修改因素，每一阶段都基于前一阶段的结果来决定下一步的实验设计。这种方法有几个优点，包括灵活性高、能够优先考虑关键因素、以及可以在实验过程中优化资源分配。
单因素实验时不适合用这个；

1.2 最陡坡法

最陡坡法（method of steepest ascent）,该方法来源于：登山时，坡度越陡，路程越短，放到实验中，我们把指标的变化速度看做一种“坡度”，就是沿指标变化最快的方向寻找最优条件，因此我们的操作步骤大致为下：
1.查找最陡坡：利用二水平多因素正交实验，查找各因素对实验指标的效应。各因素效应的大小代表了该方向上指标的变率即坡度，因此下一步调优时，应该使各因素水平的变动幅度与各自效应的大小成比例，这就是最陡坡。
2.沿最陡坡登山：沿着已确定的最陡方向安排一批试点，逐步调优，直至试验指标不再改进为止；
3.检验顶点位置：以登山时找到的最优试点为中心，重新安排一组正交实验，检验该处是否已达“山顶”，如果不是，就要找出新的最陡方向，继续登山；
到达顶点后，一般可结束实验，如果要求描述实验指标与因素间的对应关系，求解回归模型，则需要安排一组跟细致的实验；因此，该方法也是响应面方法（Response Surface Methodology, RSM）框架下的一种优化技术。它被用来找到实验区域内的一个条件或一组条件，使得对某一响应的优化（通常是最大化或最小化）可以朝着最快的路径进行。最陡坡法通常在因素的初步筛选之后、达到最优解之前的过程中使用，目的是快速接近最优解的区域。

二、实例说明

2.1 问题描述

某褐铁矿试样，粒度3~0.1mm，品位41%Fe，可跳汰法分选，要求精矿品位49%—50%，用最陡坡法寻求最优工艺操作条件。
注意：跳汰法（Jigging）是一种古老的矿物处理技术，利用水流和重力作用来分离矿石中不同密度的颗粒。这项技术在矿业中用于分选煤、矿石和其他矿物，尤其是在处理有较大密度差异的颗粒时。
（1） 查找最陡坡 需考察的因素为：
A——人工床层厚度（mm）;
B——筛下水量[m²/(m²·h)]
C——冲程（mm）
D——试料层厚度（mm）
利用2^4-1部分正交实验寻找最陡坡——用正交表L₈(2⁷),安排四个因素。
我们先设定一个基点（中心点）的实验条件为：
A₀——60(mm);
B₀——7.06[m²/(m²·h)]
C₀——7.5mm;
D₀——15mm;
步长——相邻两试点间各因素取值的间距，由于基点的水平编码为0，故它同高水平点（+1）和低水平点（-1）的间距均为“一步”，设S表示步长，各因素的步长定为：
S_A——15（mm）;
S_B——1.19[m²/(m²·h)]；
S_C——1.5mm;
S_D——15mm;
因此各因素各水平如下：

实验结果如下表，其指标为境况品位β

其中，β^‘_j是第 j 个试点第一次实验指标，j =1,2…N,这里面N=8，
β^’'_j是第 j 个试点第二次实验指标
β_j是第 j 个试点两次实验平均指标
σ^{^}_j是第 j 个试点的标准偏差，依照下列公式：

E_j是第j次测试结果，j=1,2,3…n, ̅E为第n次测试结果的平均值，n是测试次数，
8个试点标准偏差的平均值：

下面的式子太难写了，也比较难理解，有兴趣就看一下