公告


赛特达开博了,非常高兴这样的季节能够和大家一起分享这样的喜悦。赛特达在获得大家新老朋友的支持的同时也希望能够一起分享最前沿的技术信息。希望各位能够常来坐坐,也常来聊聊!crack

关于我

<2020年5月>
262728293012
3456789
10111213141516
17181920212223
24252627282930
31123456

最近来访

留言簿(12)

文章分类

文章档案

相册


最新评论

请问,如果想让DOE中的试验方案在一台机器中实现分布计算,也就是四个核心,每个核心处理一个方案,该怎么做?--【匿名用户】:E-works热心网友 spred
不错!!--卢玉琴
那么请问isight&nbsp;fd能不能进行类似的mdol语言开发呢?有没有相关资料?--【匿名用户】:E-works热心网友
能否较详细介绍一下开发的一个简单实例啊。--【匿名用户】:E-works热心网友
为什么语言介绍并不更新啊?--【匿名用户】:E-works热心网友
博主您好,我初次接触这种抽样法,感觉一头雾水。很幸运看到您的博文,请您能详细介绍一下拉丁超立方抽样好吗?最好举例说明。谢谢!--【匿名用户】:E-works热心网友
我用的是isight8.0可以实现并行计算吗--【匿名用户】:E-works热心网友
太经典了!对于我这样刚刚迈出校园的学生来说,真是醍醐灌顶啊!多谢楼主的教导之言!--【匿名用户】:E-works热心网友
很好的资料
请问你有包含图片的完整文档吗?
可否发一份networm_2005@163.com
谢谢--【匿名用户】:E-works热心网友
logs中写的错误类型是stderr:&nbsp;Estimated&nbsp;disk=1.2MB
stderr:&nbsp;Estimated&nbsp;DOF=80
stderr:&nbsp;Estimated&nbsp;memory=32MB
之类的错误,不知道是什么原因

--【匿名用户】:E-works热心网友
请问一下,做过isight集成nastran的案例吗,我用的是isight-fd版本,集成nastran2007,结果总是出错,不知道什么原因,烦请高手指点一下--【匿名用户】:E-works热心网友
好的&nbsp;谢谢--【匿名用户】:E-works热心网友
说得是没错,但那些政府管员,当管的都拿老百姓的呀,大家一起努力吧,改变中国现在的样子吧,--【匿名用户】:E-works热心网友
好!--【匿名用户】:E-works热心网友
清华大学有N多个大学校长,俺想知道这五句话是哪个校长说的?&nbsp;
--【匿名用户】:E-works热心网友
谢谢答疑解惑
--【匿名用户】:E-works热心网友
--【匿名用户】:E-works热心网友
请问Isight&nbsp;for&nbsp;Abaqus——by&nbsp;hannah在abaqus的哪个版本中有啊?--【匿名用户】:E-works热心网友
Re&nbsp;2楼:
如果想让DOE中的各个实验方案分到不同的机器上并行计算的话,单机版的Isight-FD是不行的,必须在FIPER并行分布环境中才能实现。在这个FIPER环境中,Isight-FD只是它的一个客户端,另外还有一个客户端叫Station,这样一旦Isight-FD把各个方案提交到FIPER环境中后,FIPER环境的服务器端ASCS就会自动的把任务分到各个机器的Station上来并行或分布执行。--赛特达
Isight&nbsp;for&nbsp;Abaqus是我们的另外一个产品,优化方面功能和Isight-FD基本是一样的,只不过这个产品只能集成Abaqus,不能集成其它的软件。

--赛特达

阅读排行榜

评论排行榜

均匀试验设计与拉丁超立方体抽样方法介绍

廿世纪七十年代,在系统工程、高科技发展的推动下,计算机仿真 (仿真) 试验 (computer experiments) 的需求十分强烈,迫切要求高质量的试验设计。于是计算机仿真试验设计 (Design of computer experiments) 在那时成为一个最有挑战的课题。在北美洲,三位学者 (McKay, M.D., Beckman, R.J. and Conover, W.J. (1979)) “Technometrics” 提出了拉丁超立方体抽样” (Latin Hypercube Sampling) (简称LHS) 的方法,并立即得到广泛的应用,一批学者对其理论和方法作了系统地研究和发展,形成了一个独立的分枝。差不多在同一时间,在中国,方开泰院士和王元院士提出了均匀设计” (Uniform Design) (简称UD) 。文章最初在1978年发表在中国科学院数学研究所的内部通讯,后来中、英文稿分别发表在《应用数学学报》和《科学通报》。有趣的是,LHSUD有异曲同工之处。表现于:

(A) 两种方法均将试验点均匀地散布于输入参数空间,故在文献中广泛使用术语充满空间的设计” (space filling design) LHS给出的试验点带有随机性,故称为抽样;而UD是通过均匀设计表来安排试验,不带有随机性。

(B) 两种方法的最初理论均来自总均值模型” (Overall Mean Model) LHS希望试验点对输出变量的总均值提供一个无偏估值,且方差较小,而UD是希望试验点能给出输出变量总均值离实际总均值的偏差最小。

(C) 两种设计均基于U-型设计。

(D) 两种设计能应用于多种多样的模型,且对模型的变化有稳健性。

LHS在西方十分流行,有关的文章很多,综合评述的文章不少,如Sack, Welch, Mitchell and Wynn (1989), Betes, Buck, Riccomango and Wynn (1966), Koehler and Owen (1996)。熟悉随机抽样的人都知道,随机抽样的表现不稳定,故LHS提供的设计,有的很好,也有的很差。其改进的思路列举如下:

            (1) 中心化的LHS (Centered LHS or Midpoint LHS) :免去在小立方体上抽样,而将试验点放小立方体的中心。以后讲到的LHS均为中心化LHS

              (2) 对称LHS (Symmetric Latin Hypercube) :人们发现,比较好的LHS有某种对称性,因此提出了对称的LHS方法

            (3) 列正交的LHS:如果将设计表的水平安排成零对称,两个列的内积如为零,则这两个称为正交。若一个LHS的任两列都列正交,则有一系列好的性质。

              (4) 将正交设计或均均设计随机化:这一想法是大大缩小LHS抽样的范围,即只在好的设计中抽样。所谓的OA-based LHS是将正交设计随机化,而 (t,m,s) 一网的随机化 (randomly permuted (t,m,s) -net) 是将均匀设计随机化。

            (5) 最优LHS (Optimal LHS):改进LHS的另一办法是外加一个准则,用此准则来筛选LHS,求得在此准则下最优的设计。在文献中,流行的准则有IMSE (总均方差)、熵 (Entropy)、极小极大 (Minimax)、极大极小 (Maximin) 距离,以及在此基础上定义的φp准则等。这一类的方法,是选定一个准则 (如上述中的一个),然后在所有U-型设计中找一个使该准则达到最优者,这就是我们追求的Optimal Latin Hypercube Design。详细讨论可参见Koehler and Owen (1969)。显然,如果选均匀性作准则,则相应的最优设计就是均匀设计。这时,LHSUD两种不同的思路达到异途同归。而且,如果均匀性准则取中心化偏差,在上述诸准则中,以均匀设计最好计算,这也是他们近几年来使用均匀设计的原因之一。

发表于: 2008-07-30 18:07 赛特达 阅读(9931) 评论(1) 收藏 好文推荐
评论列表
# re: 均匀试验设计与拉丁超立方体抽样方法介绍-Robert
2011-06-26 14:49 | 【匿名用户】:E-works热心网友 | 1楼
博主您好,我初次接触这种抽样法,感觉一头雾水。很幸运看到您的博文,请您能详细介绍一下拉丁超立方抽样好吗?最好举例说明。谢谢!

发表评论(网友发言只代表个人观点,不代表本网站观点或立场。)

您尚未登录,请先【登录或注册