论文部分内容阅读
近年来,计算机仿真实验作为一种快速、高效的实验方法,已经在军事、航天、生物、医药等领域有着广泛的应用前景。在诸多应用中,存在大量的影响因子以及因子间错综复杂的相互关系,对每一种可能的情况进行仿真实验,无论是时间上,还是在人力物力上都是不允许的,这就需要对数据进行抽样和“假设”。本文在均匀设计(Uniform Design,UD)、正交拉丁超立方设计(Orthogonal Latin Hypercube,OLHC)以及近似正交拉丁超立方设计(Nearly Orthogonal Latin Hypercube,NOLH)的基础上,作了进一步的改进,提出更加适用于一般情况的实验设计方法。论文研究的主要内容包括以下几个方面:(1)论文研究了不同的实验设计方法论文研究了完全随机设计、正交设计、UD、OLHC和NOLH。并分析比较了不同实验设计方法的优缺点,为后续算法的设计、改进以及应用实现提供了理论基础。(2)提出了对NOLH算法的改进方法UD算法和OLHC算法已经被证明是高效而快速的实验设计方法,但是由于UD算法只考虑了实验设计时的“空间填充”性,OLHC算法只考虑消除变量之间的相关性而保证不同变量间的正交性,从而导致UD和OLHC并不能满足所有的实验要求。所以在此基础上,Cioppa提出了NOLH实验设计方法,此方法充分考虑了变量的“空间填充”性,也兼顾了变量之间的正交性,所以NOLH方法更加合理、更具有一般性。本文在Cioppa的基础上,提出了存在离散变量时的算法改进方法。并对Kenny.Q Ye的正交拉丁超立方矩阵方法进行了扩展和改进。(3)算法实现论文根据均匀性和正交性的评价准则,在大量实验的基础上,给出均匀性和正交性的约束条件;并通过Java编程实现一般性的NOLH设计矩阵的构造,并提出了在一次实验的基础上,如何运用NOLH算法实施和调整二次仿真实验。(4)NOLH算法验证和应用研究首先,论文利用一个复杂的理论数学模型,使用R语言并基于赤池信息准则(Akaike Information Criterion,AIC)进行向前和向后逐步回归,分别实验并统计分析比较了OLHC算法和NOLH算法;同时验证了构造二次实验的合理性。其次,基于SEAS(System Effectiveness Analysis and Simulation)体系计算平台,构建了一个实验设计想定,并使用NOLH算法生成实验数据,并对结果进行分析以及与实际实验值进行比较,进一步验证NOLH算法的合理性和可行性。