Optimized and regularly repeated lattice-based Latin hypercube designs for large-scale computer experiments
本文针对大规模计算机实验提出优化好格点集的新方法，并设计规则重复的基于格点的拉丁超立方设计，以低计算成本提升空间填充性并支持快速局部建模。
2025-06-05 stat.ME
Sequential Latin Hypercube Design for Two-layer Computer Simulators
针对双层计算机仿真器实验设计问题，提出基于极大极小混合距离准则的序贯最优拉丁超立方设计及生成算法，有效提升了输入的空间填充性并优于基准方法。
2023-05-20 stat.ME
Analysis of uncertain fixed-effects model for Latin square designs
College of Mathematics and System Science, Xinjiang University（新疆大学数学与系统科学学院）
针对无频率稳定性的不确定实验数据，建立拉丁方设计的不确定固定效应模型，提出三种估计方法并构建置信区间，进行不确定齐性检验和常见检验，通过数值模拟和实例验证模型有效性。
2026-06-19 stat.CO stat.ME
Nested Simulation Methods for Sobol' Index Estimation: Bias Correction, Budget Allocation, and Latin Hypercube Sampling
Grado Department of Industrial and Systems Engineering, Virginia Tech（弗吉尼亚理工大学工业与系统工程格拉多系）
本文针对索伯列夫指数估计问题，通过嵌套模拟统一比较经典估计器与嵌套模拟估计器，分析标准嵌套模拟估计器并提出两种扩展，刻画模拟工作量分配，研究拉丁超立方抽样影响，为估计器选择提供实践指导。
2026-07-08 stat.ME
Musings on Constructions of Optimal Latin Hypercube Designs with Flexible Sizes
综述了代数构造和搜索算法在灵活尺寸最优拉丁超立方体设计中的优劣，为不同目标选择设计策略提供指导。
2026-06-26 stat.CO stat.ME
LHS in LHS: A new expansion strategy for Latin hypercube sampling in simulation design
针对传统拉丁超立方采样（LHS）需预先确定样本量的单阶段局限，提出LHS in LHS扩展算法，可在保留原有LHS特性的前提下扩展样本，还提出LHS度量化偏差并发布了Python工具包expandLHS。
2025-08-29 astro-ph.HE cs.DS gr-qc
Risk aggregation with empirical margins: Latin hypercubes, empirical copulas, and convergence of sum distributions
本文研究了由Copula函数赋予经验边际所构造的多元分布的收敛性质。此设置包括具有相关性的拉丁超立方体采样，也称为Iman-Conover方法。这里讨论的主要问题是组成部分总和的收敛，这与保险和金融中的风险汇总有关。本文表明，CLT的聚合风险分布是不可用的，使基本的数学问题超越了经典的功能CLT的经验copula。这个问题是相关的蒙特卡罗为基础的风险聚集在所有的多变量模型插入经验利润率到copula。代替泛函CLT，本文建立了估计的和分布函数的强一致相合性，并给出了概率收敛速度$O(n^{-1/2})$的充分判据。这些收敛结果对所有有界密度的copula都成立。具有无界密度的例子包括二元克莱顿和高斯Copula。收敛结果并不特定于分量和，也适用于任何其他分量非减聚集函数。另一方面，联合分布估计的收敛性更容易证明，包括CLT。除了Iman-Conover估计，本文的结果适用于多元分布，通过将经验利润插入到一个确切的Copula或通过将确切的利润插入到一个经验Copula。
2015-08-11 q-fin.RM stat.CO stat.ME
Doubly Coupled Designs for Computer Experiments with both Qualitative and Quantitative Factors
在许多科学和工程应用中，经常会出现定性和定量输入变量的计算机实验。如何选择输入设置是进行准确的统计分析、不确定度量化和决策的重要问题。切片拉丁超立方体设计是第一个系统的方法来解决这个问题。然而，它伴随着与越来越多的定性因素的水平组合相关的成本增加。为了节省试验规模，提出了边际耦合设计，其中定量因素的设计是关于每个定性因素的切片拉丁超立方体设计。这种设计的缺点是，相应的数据可能无法捕捉任何两个（和更多）定性因素和定量因素之间的影响。为了平衡试验规模和设计效率，我们提出了一种新的设计类型，双耦合设计，其中定量因素的设计点形成一个切片拉丁超立方体设计的任何定性因素的水平和任何两个定性因素的水平组合，分别。与边缘耦合设计相比，所提出的设计在定性和定量因素之间具有更好的分层性。所提出的设计的存在是成立的。介绍了几种构造方法，并对所得设计的性质进行了研究。
2022-03-12 stat.ME
On Fractional Moment Estimation from Polynomial Chaos Expansion
Brno University of Technology（布尔诺理工大学）；TU Dortmund University（多特蒙德工业大学）
针对昂贵模型分数阶矩抽样估计困难，提出直接利用 PCE 系数前四阶矩并借助 Hölder 不等式解析估计任意分数阶矩的方法，数值实验表明其分布估计优于拉丁超立方抽样。
2024-03-04 cs.LG stat.ME
Improvement of random LHD for high dimensions
本文综述了多变量试验设计。给出了构造优良拉丁超立方体设计的快速算法。
2009-07-10 stat.CO stat.ME
Experimental Design of a Prescribed Burn Instrumentation
在实验过程中收集的观测数据，如计划中的火灾和烟雾模型评估实验（FASOWN），是至关重要的进展和过渡耦合火灾-大气模型，如WRF-SFIRE和WRF-SFIRE-CHEM进入业务使用。历史气象数据，代表典型的天气条件的预期烧伤的位置和时间，已被处理，以初始化和运行一组模拟代表计划的实验烧伤。基于这些数值模拟的分析，本文提供了实验设置，包括点火程序，烧伤的大小和持续时间，以及最佳的传感器放置的建议。新技术的开发，以初始化耦合火灾大气模拟典型的计划燃烧的位置和时间的一年中的天气条件。通过重复拉丁超立方抽样对模型参数的变异分析和模拟设计的灵敏度分析来评估传感器的位置。模拟提供了测量的位置，其最大化传感器输出随模型参数的预期变化。
2018-07-26 physics.ao-ph physics.data-an stat.AP
SF-SFD: Stochastic Optimization of Fourier Coefficients to Generate Space-Filling Designs
针对高维下确定性空间填充设计成本高、随机采样存在测度集中问题，现有准随机方法有局限的情况，提出SF-SFD方法，通过更新高维分布函数优化设计，在差异度指标上优于拉丁超立方采样和Sobol序列。
2023-12-19 math.OC stat.AP stat.ME
Construction of Marginally Coupled Designs by Subspace Theory
近年来，计算机实验设计中的定性和定量因素的研究提倡使用边际耦合设计。本文提出了一种构造这样的设计的一般方法，其中定性因素的设计是多水平正交表，定量因素的设计是具有理想空间填充性质的拉丁超立方体。两种情况下，我们可以得到保证低维空间填充属性的定量因素。所提出的结构的理论结果。为便于实际应用，本文还列出了三水平定性因素的一些构造设计。
2022-03-12 stat.ME
Sensitivity Analysis for Computationally Expensive Models using Optimization and Objective-oriented Surrogate Approximations
在本文中，我们专注于开发高效的敏感性分析方法的计算昂贵的目标函数$f(x)$的情况下，它刚刚被执行的最小化。这里的“计算昂贵”意味着它的每个评估都需要大量的时间，因此我们的主要目标是使用$f(x)$的少量函数评估来进一步推断这些不同参数的灵敏度信息。相应地，我们认为优化过程是一个自适应的试验设计，并重新使用其可用的功能评估作为初始设计点，建立代理模型$s(x)$（或称为响应面）。敏感性分析在$s(x)$上进行，$s(x)$是$f(x)$的替代品。此外，我们提出了一个新的局部多变量的敏感性措施，例如，周围的最优解，高维问题。然后提出了相应的“面向目标的试验设计“，以使生成的替代$s(x)$更好地适用于精确计算所提出的特定的局部灵敏度量。此外，我们证明了更好的性能的高斯径向基函数插值的克里格在我们的情况下，这是相对较高的维数和几个试验设计点。数值实验表明，优化过程和“面向目标的试验设计“的行为远远优于经典的拉丁超立方体设计。此外，Kriging的性能不如Gaussian RBF，特别是在高维问题的情况下。
2015-02-21 stat.ML
Design of Experiments for Emulations: A Selective Review from a Modeling Perspective
本文从建模视角选择性综述空间填充设计方法，连接设计准则与高斯过程性能，并通过数值研究探讨权衡，展望自适应采样与机器学习集成方向。
2025-08-04 stat.ME
Design of Experiments for Screening
本文的目的是审查设计筛选实验的方法，从最初开发的物理实验的设计，特别是针对实验的数值模型。各种设计的优点和缺点筛选变量的数值模式进行了讨论。首先，类析因设计的实验，以估计主效应和相互作用，通过一个线性统计模型描述，特别是定期和非定期部分析因设计，过饱和设计和系统部分重复设计。一般问题的混叠，偏见和取消阶乘效应进行了讨论。其次，考虑了组筛选实验，包括析因组筛选和序贯分歧。第三，讨论了随机抽样方案，包括拉丁超立方抽样和估计基本效应的抽样方案。第四，各种常用的建模方法与筛选设计进行了简要说明。最后，一项新的研究表明，六个筛选方法对两个常用的样本，并比较其性能。
2015-10-18 stat.ME
A Novel Constrained Sampling Method for Efficient Exploration in Materials and Chemical Mixture Design
IMDEA Materials Institute（IMDEA材料研究所）
CASTRO是一种用于材料和化学混合设计中高效探索的新型约束采样方法，通过分而治之策略和多维均匀采样提升效率，适用于受约束的小到中等维度空间。
2025-02-19 cond-mat.mtrl-sci physics.data-an stat.AP
A multivariate central limit theorem for randomized orthogonal array sampling designs in computer experiments
设$f:[0,1)^d \to {\mathbb R}$为可积函数。许多计算机实验的目的是通过在[0，1）^d中的有限数量的点处评估f来估计$\int_{[0,1)^d} f(x) dx$。在这些点的选择中存在设计问题，并且流行的选择是通过使用随机正交表。本文证明了一类随机正交表抽样设计[Owen（1992 a）]和一类基于OA的拉丁超立方体[Tang（1993）]的多元中心极限定理。
2007-08-05 math.ST stat.ME stat.TH
A New and Flexible Design Construction for Orthogonal Arrays for Modern Applications
正交表作为一种经典而有效的数据采集工具，在现代计算机实验和工程统计中得到了广泛的应用。随着计算机实验的广泛应用，定性定量因素结合的计算机实验、多重计算机实验、多保真度计算机实验、交叉验证和随机最优化等，引入了具有一定结构的正交表。切片正交表和嵌套正交表是这样的数组的示例。本文介绍了一种灵活、新颖的构造方法，它使用较小的阵列和特殊的结构。该方法揭示了许多现有的固定级别的正交数组给定的运行大小，可能有更多的列的隐藏结构。它还允许构造近似强度为3的固定水平正交表，这是有用的，因为强度为3的固定水平正交表的构造方法不多，并且还有助于生成具有期望的低维投影的拉丁超立方体设计。所提出的方法的理论特性进行了探讨。作为副产品，正交表的几个理论结果得到。
2022-03-12 stat.ME
Distance-distributed design for Gaussian process surrogates
计算机实验和相关领域中的一个常见挑战是使用少量样本有效地探索输入空间，即，试验设计问题。最近的重点在计算机实验文献中，建模往往是通过高斯过程（GP）的代理人，一直在空间填充设计，通过最小距离，拉丁超立方体等，但是，它很容易证明经验，这种设计令人失望时，模型hyperparameterization是未知的，必须估计在所选的设计站点观察到的数据。即使当性能度量是基于预测的，或者当感兴趣的目标本质上是固有的或最终是顺序的，例如在黑盒（贝叶斯）优化中，也是如此。在这里，我们揭露这种低效率，表明在许多情况下，纯粹的随机设计优于更高的功率的替代品。然后，我们提出了一个家庭的新计划，通过逆向工程的随机设计的质量，给GP的lengthscales的最佳估计。具体来说，我们研究设计元素之间的成对距离的分布，并开发一个数值方案，以优化这些距离为一个给定的样本量和尺寸。我们说明了我们的距离为基础的设计，以及他们的混合动力车与更传统的空间填充方案，在静态（一次设计）和顺序设置优于。
2019-06-27 stat.ME
Design and analysis of computer experiments with both numeral and distribution inputs
随机计算机模拟是一种既有数字输入又有分布输入的模拟方法，它被广泛地应用于模拟含有大量不确定性的复杂系统。本文研究了这类计算机实验的设计和分析问题。首先，我们提供了初步的结果，瓦瑟斯坦距离在概率测度空间。为了处理欧几里德空间与概率测度空间的乘积空间，我们证明了欧几里德空间中的一点到该点上的质量概率测度的映射，使得欧几里德空间可以同构于概率测度空间中由所有质量测度组成的子集关于瓦瑟斯坦距离的同构.因此，乘积空间可以被视为乘积概率测度空间。我们导出了乘积概率测度空间中两个分量之间的瓦瑟斯坦距离的计算公式。其次，我们利用上述结果在欧氏空间和概率测度空间的乘积空间中构造了基于瓦瑟斯坦距离的空间填充准则。在此乘积空间中提出了一类最优拉丁超立方型设计。第三，我们提出了一个基于瓦瑟斯坦距离的高斯过程模型来分析数字和分布输入的计算机实验数据。数值例子和地铁模拟的实际应用表明我们的方法的有效性。
2022-04-24 stat.ME
