感度试验是一种专门设计的用于估计某些潜在的连续变量的试验方法，通常用于推断军事工业、生物医药、材料工程等领域的各种临界值。目前国内外应用最广的方法是升降法、兰利法和Neyer_D最优化法。兰利法优点在于可以稳定快速获得混合结果区，但是其选择新试验点具有盲目性，这从某种意义上造成样本量的浪费，进而在给定的样本量下，会造成参数估计的精度较差。Neyer_D最优化法包含两部分：初始试验和D最优选点过程。初始试验用于产生混合结果区；D最优选点过程利用历史信息通过最大化Fisher信息量来选取新试验点。其优点在于具有较强的目的性，但是需要事先猜测感度分布的标准差，其猜测好坏直接影响参数估计的精度。　　 本文基于兰利法和Neyer_D最优化法，提出一种新的感度试验方法-Langlie_D优化法。该方法首先通过兰利法寻找混合结果区，然后运用D最优思想寻找新试验点。它继承了兰利法能快速稳定获得混合结果区和Neyer_D最优化法选点具有较强目的性等优点。通过模拟比较该方法和兰利法、Neyer_D最优化法，发现从参数估计精度的角度上看，新方法在相同样本量下和最优情况下的Neyer_D法不相上下，同时显著地优于兰利法。最后，我们给出了新方法的详细试验步骤。