第1章 引言 1
1.1什么是仿真 1
1.2什么是DASE 6
1.3 DASE的符号和术语 8
1.4习题解答 11
第2章 低阶多项式回归元模型及其设计：基本原理 12
2.1简介 12
2.2线性回归分析：基础理论 15
2.3线性回归分析：一阶多项式 21
2.3.1单因子一阶多项式 21
2.3.2多因子一阶多项式 22
2.4用于一阶多项式的分辨率Ⅲ设计 29
2.4.1分辨率为Ⅲ的2k-p设计 29
2.4.2分辨率为Ⅲ的Plackett-Burman设计 31
2.5回归分析：因子交互作用 32
2.6两因子交互效应的设计方法：分辨率Ⅳ设计 34
2.7两因子交互效应设计方法：分辨率V设计 37
2.8回归分析：二阶多项式 40
2.9二阶多项式设计：中心复合设计（CCD） 40
2.10最优设计和其他设计 42
2.11元模型验证 43
2.11.1决定系数和相关系数 44
2.11.2交叉验证 46
2.12更多仿真应用 51
2.13本章小结 53
2.14附录：名义因子的编码 54
2.15 习题解答 56
第3章 经典假设回顾 59
3.1简介 59
3.2多元仿真输出 60
3.2.1多元仿真输出设计 62
3.3非正态仿真输出 62
3.3.1正态分布假设的真实性 63
3.3.2检验正态分布假设 64
3.3.3仿真输入输出数据的变换，折叠法和多步法 64
3.4非齐次方差仿真输出 69
3.4.1方差一致假设的真实性 70
3.4.2常数方差的检验 70
3.4.3方差稳定变换 71
3.4.4非齐次方差条件下的最小二乘估计 71
3.4.5非齐次方差条件下的设计 73
3.5公共随机数 74
3.5.1公共随机数假设的真实性 75
3.5.2可供使用的分析方法 75
3.5.3在公共随机数情况下的设计 77
3.6无效低阶多项式元模型 77
3.6.1检验元模型的有效性 78
3.6.2回归自变量和因变量的变换 78
3.6.3在低阶多项式模型中加上高阶项 79
3.6.4非线性元模型 79
3.7本章小结 79
3.8习题解答 80
第4章 仿真优化 81
4.1简介 81
4.2响应面方法：经典变量 84
4.3广义响应面方法：多输出和限制条件 88
4.4检验估计最优：KKT条件 92
4.5风险分析 97
4.5.1拉丁超立方体采样 100
4.6稳健优化：Taguchian方法 103
4.6.1案例研究：爱立信供应链 106
4.7本章小结 108
4.8习题解答 108
第5章 Kriging元模型 109
5.1简介 109
5.2 Kriging基础 110
5.3 Kriging的最新成果 115
5.4 Kriging设计 116
5.4.1随机仿真中的预测量方差 118
5.4.2确定性仿真中的预估量方差 119
5.4.3相关设计方法 120
5.5本章小结 121
5.6习题解答 122
第6章 筛选设计 123
6.1简介 123
6.2顺序分支法 125
6.2.1最简单SB方法概述 125
6.2.2最简单SB方法的数学描述 129
6.2.3案例研究：爱立信供应链 130
6.2.4两因子交互作用的SB方法 132
6.3本章小结 134
6.4习题解答 134
第7章 结束语 135
参考文献 137
中英文术语对照 171