首先通过网格划分将已有的样本点映射到划分好 的正交超棋盘格,之后在序列样本点生成时,根据最小距离最大化(maximin distance)准贝1J,通过逐次局部枚举完成序列样本点的生成。[0010] 本发明的目的是通过下述技术方案实现的。[0011] 本发明提出的一种高效序列拉丁超立方试验设计方法,其特征在于,其具体实施 步骤为:[...
本发明公开了一种均匀拉丁超立方试验设计方法,包括:S1:确定输入的试验设计参数;S2:生成一个初始的均匀试验设计样本;S3:对初始设计样本点进行旋转,使每个点在同一坐标轴上的投影后的距离相等,旋转后因素数数量不变为n,而每个因素的水平数变为ln且等于样本总数;S4:归一化处理,对旋转生成的矩阵进行缩放,使每个因素的...
其实拉丁超立方体设计并不繁复,是一种简单而有效的方法。相对于绝对随机的蒙特卡洛方法,拉丁超立方体对于输入概率分布中包含低概率结果情况的分析很有帮助。通过强制模拟中的抽样包含的“偏远”事件,拉丁超立方体抽样确保偏远事件在模拟的输出中被准确地代表。甚至当低概率结果非常重要的时候,可以只模拟低概率事件对输出...
本发明提供一种约束域优化拉丁超立方设计方法,包括以下步骤:步骤S100:输入采样点个数n和各约束变量的基准范围,根据所设定的约束条件,重构各变量的取值范围,得到采样空间;步骤S200:根据可行域采样点个数n,确定基准采样点个数N=n,设置迭代次数i=1;步骤S300:采用ESE算法对按式(4)所示的Ψ进行优化,得到ni个可行点;...
在很多基于代理模型的CFD优化问题中,需要预先生成一个样本库,以便于构造代理模型。很多文献均提到了一种抽样方法——拉丁超立方采样方法(Latin hypercube sampling,简称为LHS)。 LHS是一种随机分层抽样方法,即将0-1范围内的值分为多个层数进行随机抽样。相比于一枪一枪打鸟的蒙特卡罗方法,可以在较少的样本条件下更好...
摘要 本发明涉及一种序列拉丁超立方试验设计方法,属于工程优化设计技术领域。本发明为实现用户在已有m1个样本点的n维设计空间中均匀地新增m2个样本点的目的。本发明所述方法首先使用网格划分和网格映射方法将m1个已有样本点映射到mn的正交超棋盘格中;然后采用局部枚举方法根据Maximin准则逐次生成序列样本点,保证新增样本点...
针对传统优化试验设计方法计算耗时长、效率低的问题,提出一种快速优化拉丁超立方试验设计方法:在拉丁超立方抽样框架下,采用基于最大最小距离准则连续局部枚举方法设计生成高性能小尺寸基础样本,然后利用平移传播算法通过"平移"基础样本快速获得大尺寸试验样本。结合提出的样本...
一种基于数独分组的扩展平移拉丁超立方试验设计方法专利信息由爱企查专利频道提供,一种基于数独分组的扩展平移拉丁超立方试验设计方法说明:本发明提出一种基于数独分组的扩展平移拉丁超立方试验设计方法,属于计算机仿真试验设计领域。本发明...专利查询请上爱企查
针对传统优化试验设计方法计算耗时长、效率低的问题,提出一种快速优化拉丁超立方试验设计方法:在拉丁超立方抽样框架下,采用基于最大最小距离准则连续局部枚举方法设计生成高性能小尺寸基础样本,然后利用平移传播算法通过“平移”基础样本快速获得大尺寸试验样本。结合提出的样本尺寸调整策略,使该方法可以快速得到空间填充性能...
本发明公开了一种基于聚类算法的约束域优化拉丁超立方设计方法,包括以下步骤:1,依据变量个数、约束个数以及指定样本点的个数(ns),确定初始样本点的个数,记作NS;2,在设计域内按照初始采样点个数(NS)进行最优拉丁方采样,并将得到的初始样本点记为集合A;3,对集合A中的样本点进行筛选,找到满足所有约束条件的样本...