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...
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,…
我试过一种方法,就是把那些不符合约束域的样本点给去掉,然后重新补充新的样本点。可是这真的是个特别蠢的办法。第一,去掉样本点会破坏拉丁超立方原本的均匀性,这就好比你从一个编织好的篮子里抽出几根藤条,整个篮子的形状就变形了。第二,重新补充样本点也不是那么容易准确做到均匀分布的。 我又想了个办法,我...
目前常用的优化拉丁超立方实验设计方法有: (1)基于智能算法,选择一定的充满空间的性能指标(通常为最大化最小距离,最小化中心偏差,最小化列相关系数等),对m维中的n个值的排列进行优化,得到优化的LHS,这种方法在维度较低,采样点数目较少时,可以得到较好的采样结果(一般要求m<10,n<200),随着维度和采样点个数的...
现代实验方法包括蒙特卡洛设计、拉丁超立方体设计、正交实验设计、均匀设计以及哈默斯利序列采样方法(听都没听过的方法)等[1]。现代实验设计主要采用“空间填充思想”。主要就是用于基于大量数据和计算机算法的实验和模拟。以下介绍拉丁超立方体。 要了解拉丁超立方体,首先要了解拉丁方阵[2]。
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...
一种对称逐次局部枚举拉丁超立方试验设计方法 本发明公开的一种对称逐次局部枚举拉丁超立方试验设计方法,属于工程优化设计技术领域.本发明实现方法如下,将设计空间划分为一个超棋盘格,使用局部枚举方法根据最小距离最大化准则逐次生成样本点,同时使用对称技术,一次枚举生成两个样本点,在保证样本点的空... 周星宇,龙腾,...
根据权利要求1所述的一种高效的拉丁超立方计算试验设计方法,其特征在于:所述的步骤1中在第1个单位超体中的任意一个单位正方体中预设第1个试验设计点的方案,也可以改为从第m个单位超体中的任意一个单位正方体中预设第1个试验设计点,按从第m个单位超体到第1个单位超体的方向进行试验设计点的设计,而其设计方法不...
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...
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...