计算机试验越来越广泛地应用于复杂系统的研究。具有良好空间填充性质的试验设计可以有效减少试验次数、保证模型稳健性。因此,具有空间填充性的设计对于获得高质量的计算机拟模型是至关重要的。基于不同的空间填充性准则,许多相应的设计被提出,具有代表性的有拉丁超立方体设计（Mckay et al.,1979）、最大最小距离设计（Johnson et al.,1990）以及均匀设计（Fang and Wang,1994）。作为常见的空间填充设计之一,均匀设计在军事、农业等领域做出了许多贡献,已被实践证明是一种高效的试验设计方法。但是,最优均匀设计的构造问题到现在为止仍然是一个具有挑战性的研究课题。均匀设计的基本思想是将试验点均匀地散布在整个试验区域,使得区域内每个点都有机会被抽中且概率相同。最常用的一类均匀设计的构造方法是基于好格子点法（Korobov,1959）进行构造。最近,Zhou and Xu（2015）指出线性变换不会降低好格子点设计的1-距离;Wang,Xiao and Xu（2018）在线性变换好格子点设计的基础上进行了Williams变换,研究变换后设计在最大最小距离准则下的表现。以上研究都说明好格子点设计具有许多优良的性质,但是基于好格子点法变换后得到的设计很多,如何从中选出最优的设计是一个有意义且急需解决的研究课题。本文使用中心化L₂-偏差来度量设计的均匀性,在所有变换后的设计中选取最优的设计。并基于好格子点设计构造了两类空间填充设计:一类是线性变换的好格子点设计,另一类是基于线性变换好格子点设计的Williams变换设计。这两类设计在构造多因子模型时能够有效缩短试验时间、提升估计效率。此外,我们还分别给出了构造两类最优空间填充设计的一些建议和总结。最后,本文选取了两个含有多个自变量的函数进行模拟,与已有的设计方法相比,本文提出的线性变换以及基于线性变换的Williams变换的好格子点设计具有更小的预测误差。