.png){kind=icon}
返回
Surrogate-based multi-objective optimisation via tree regression
.png){kind=icon}
PRE
AI
DOI：10.1016/j.compchemeng.2025.109538.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
现代工业依赖先进的建模技术以提高工艺效率，但这些模型的计算复杂性往往限制其直接用于优化。为解决此问题，可采用基于代理模型的方法来优化制造流程图。本研究引入一种多目标树回归方法用于代理模型优化，整合多目标树回归模型以近似复杂工艺动态。所提出的方法可扩展并表述为战略决策问题，以揭示制药制造中如收率、工艺质量强度和纯度等冲突目标之间的最优权衡。通过结合Pareto前沿与博弈论和/或折中解，该方法提供了一种系统化的方式来界定可行空间的界限，并在缺乏决策偏好时识别最优操作策略。所提出的方法增强了可解释性、计算效率和实用性，为制药制造及更广泛领域的决策提供了有力工具。
Keyword:
Multi-objective process optimisation
Tree Regression
Surrogate-based optimisation
Decision making
Pharmaceutical industry
期刊
C
IF:
3.9
论文数:
205
被引数:
0
机构
引用论文
.png){kind=icon}
分享收藏
查看更多内容