Abstract
本研究改進林正鄰(1994)提出來的 SA+ANN 實驗設計法，用統計上 F-test 的方法來決定遞回式類神經網路結構中隱藏層神經元的數目，找到一個適當的神經元數目，可避免 ANN學習時擬合不足或是有過度擬合的現象，改進以往使用過多神經元的缺點，故加快了學習的速度。改進後的SA+ANN 實驗設計法，重做變形 Himmelblau 函數尋值問題，使用一層 8個神經元的 BPN 結構，同樣成功的找到了函數的最小值；另外在發電廠燃料油分配問題，也成功的找到了最低燃料油使用量的解，更增加了 SA+ANN實驗設計法解決多變數問題的信心。除了改進 ANN部份外，我們亦將SA+ANN 實驗設計法應用於發酵系統 Bacillus thuringiensis 培養基配方最適化的實驗上，成功的改進配方，使得培養液單位體積所含的菌數增加近兩倍，並且可以從 ANN學習出來的數學模式看出黃豆粉濃度與硫酸銨濃度之間有替代的現象，我們可以根據原料的成本，選擇一個較便宜的培養基濃度配方，在不影響其菌數的生長的情況之下節省成本。 SA具有廣泛搜尋的能力，作為搜尋實驗點的方法，可以避免傳統用最陡梯度搜尋法被陷在局部極值的缺點；使用 ANN代替傳統實驗設計法用多項式作曲面擬合，可用較少的待定係數對實驗數據作非線性擬合，不會因為實驗點過少而無法作非線性擬合。所以 SA+ANN 設計法可以代替傳統的實驗設計法，若能廣泛將其應用在各種實驗的實驗點規劃，必能證明 SA+ANN 實驗設計法的潛力。