CN117113732B - 适用于非超立方体约束空间的拉丁超立方设计方法 - Google Patents
适用于非超立方体约束空间的拉丁超立方设计方法 Download PDFInfo
- Publication number
- CN117113732B CN117113732B CN202311378703.3A CN202311378703A CN117113732B CN 117113732 B CN117113732 B CN 117113732B CN 202311378703 A CN202311378703 A CN 202311378703A CN 117113732 B CN117113732 B CN 117113732B
- Authority
- CN
- China
- Prior art keywords
- test design
- points
- design point
- preset
- constraint
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000013461 design Methods 0.000 title claims abstract description 684
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000012360 testing method Methods 0.000 claims abstract description 494
- 238000013101 initial test Methods 0.000 claims abstract description 72
- 238000012216 screening Methods 0.000 claims abstract description 24
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 21
- 239000013598 vector Substances 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 21
- 238000013401 experimental design Methods 0.000 claims description 20
- 238000010586 diagram Methods 0.000 description 19
- 239000011159 matrix material Substances 0.000 description 15
- 230000008569 process Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000013400 design of experiment Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000009191 jumping Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 201000004569 Blindness Diseases 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 238000003050 experimental design method Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003094 perturbing effect Effects 0.000 description 1
- 238000012353 t test Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Design And Manufacture Of Integrated Circuits (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种适用于非超立方体约束空间的拉丁超立方设计方法。所述方法包括：按照预设的约束条件，从初始试验设计点集合中筛选出约束试验设计点；根据预设数量个维度，生成排列数组合；确定针对排列数组合的新增试验设计点；在排列数组合符合排列数组合要求的情况下，按照聚类算法，对新增试验设计点进行聚类，得到聚类中心点；确定聚类中心点与约束试验设计点之间的距离，根据距离和聚类中心点，生成目标试验设计点集合。采用本方法能够在考虑各维度上变量之间复杂约束关系的情况下，在非超立方体空间内选择可充分表征设计空间内数据特征的设计点，保证非超立方体约束空间内设计点的空间均匀性和正交性，进而提高设计点的获取效率。
Description
技术领域
本申请涉及试验设计技术领域，特别是涉及一种适用于非超立方体约束空间的拉丁超立方设计方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
试验设计技术通过在设计空间内选择更为“典型”的设计点，来充分表征全局设计空间内的数据分布特征。相比于常规的网格化分析，试验设计技术的优势在于：其一，通过合理的设计，避免设计空间内选择设计点的盲目性，提高抽样过程的效率；其二，通过试验设计方法，能够实现以少量的设计点准确表征整个设计空间内的数据特征。
传统的试验设计方法包括全/部分因子设计、Box-Behnken设计与中心复合设计等。
然而，传统技术将绝大多数的试验设计点布置在设计空间的边界区域，设计空间中部区域的数据信息获取困难，且缺少对各维度变量间复杂的约束关系的考虑，进而导致满足约束条件的试验设计点相比于采样过程给定的试验设计点数变少，无法充分表征设计空间内的数据特征，不利于提高试验设计点的获取效率。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高试验设计点的获取效率的适用于非超立方体约束空间的拉丁超立方设计方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面，本申请提供了一种适用于非超立方体约束空间的拉丁超立方设计方法，所述方法包括：
按照预设的约束条件，从初始试验设计点集合中筛选出约束试验设计点；所述初始试验设计点集合包括分布在预设数量个维度上的初始试验设计点；所述约束试验设计点为满足所述预设的约束条件的所述初始试验设计点；
根据所述预设数量个维度，生成排列数组合；
确定针对所述排列数组合的新增试验设计点；
在所述排列数组合符合预设的排列数组合要求的情况下，按照预设的聚类算法，对所述新增试验设计点进行聚类，得到聚类中心点；
确定所述聚类中心点与所述约束试验设计点之间的距离数据，根据所述距离数据和所述聚类中心点，生成目标试验设计点集合。
在其中一个实施例中，所述按照预设的约束条件，从初始试验设计点集合中筛选出约束试验设计点之前，所述方法还包括：
根据所述初始试验设计点和所述预设数量个维度，生成随机试验设计点集合；
获取所述随机试验设计点集合对应的行向量，按照预设的局部搜索方式，对所述行向量进行局部搜索，得到第一中间试验设计点集合；
按照预设的扰动策略，对所述第一中间试验设计点集合进行扰动，得到第二中间试验设计点集合；
按照所述预设的局部搜索方式，对所述第二中间试验设计点集合进行局部搜索，得到第三中间试验设计点集合；
在所述第三中间试验设计点集合满足预设的终止条件的情况下，将所述第三中间试验设计点集合作为所述初始试验设计点集合。
在其中一个实施例中，所述根据所述预设数量个维度，生成排列数组合，包括：
按照预设的组合方式，对所述预设数量个维度进行组合，得到维度组合；所述维度组合包括至少两个维度；
根据所述维度组合，生成所述排列数组合。
在其中一个实施例中，所述确定针对所述排列数集合的新增试验设计点，包括：
获取所述约束试验设计点在第一目标维度上的距离差数据；所述第一目标维度为所述排列数集合中的目标维度组合对应的第一个维度；所述距离差数据表征任意两个所述约束试验设计点之间的距离；
从所述距离差数据中筛选出距离差最大值，获取所述距离差最大值对应的目标约束试验设计点；
获取所述目标约束试验设计点在所述第一目标维度上的位置数据，根据所述位置数据，确定针对所述第一目标维度的新增试验设计点对应的位置数据。
在其中一个实施例中，所述确定针对所述第一目标维度的新增试验设计点对应的位置数据之后，所述方法还包括：
获取针对第二目标维度的搜索步长和搜索范围；所述第二目标维度为所述目标维度组合中第一目标维度之后的维度；
按照预设的搜索方式，在所述搜索范围中，确定针对所述第二目标维度的新增试验设计点的候选位置数据；
将满足预设的新增试验设计点要求的候选位置数据作为针对所述第二目标维度的新增试验设计点的位置数据。
在其中一个实施例中，所述根据所述距离数据和所述聚类中心点，生成目标试验设计点集合，包括：
在所述距离数据大于或等于预设的距离阈值的情况下，根据所述聚类中心点和所述约束试验设计点，生成所述目标试验设计点集合；
在所述距离数据小于所述预设的距离阈值的情况下，从所述聚类中心点对应的新增试验设计点中筛选出替换试验设计点，根据所述替换试验设计点和所述约束试验设计点，生成所述目标试验设计点集合。
在其中一个实施例中，所述按照预设的聚类算法，对所述新增试验设计点进行聚类，得到聚类中心点，包括：
从所述新增试验设计点中筛选出中心点；
根据所述新增试验设计点与所述中心点之间的距离数据，对所述新增试验设计点进行分类，得到试验设计点分组；
确定所述试验设计点分组对应的分组中心点，在所述分组中心点的位置信息满足预设的聚类要求的情况下，将所述分组中心点作为所述分组中心点对应的试验设计点分组的聚类中心点。
第二方面，本申请还提供了一种适用于非超立方体约束空间的拉丁超立方设计装置，所述装置包括：
试验设计点筛选模块，用于按照预设的约束条件，从初始试验设计点集合中筛选出约束试验设计点；所述初始试验设计点集合包括分布在预设数量个维度上的初始试验设计点；所述约束试验设计点为满足所述预设的约束条件的所述初始试验设计点；
组合生成模块，用于根据所述预设数量个维度，生成排列数组合；
试验设计点新增模块，用于确定针对所述排列数组合的新增试验设计点；
试验设计点聚类模块，用于在所述排列数组合符合预设的排列数组合要求的情况下，按照预设的聚类算法，对所述新增试验设计点进行聚类，得到聚类中心点；
集合确定模块，用于确定所述聚类中心点与所述约束试验设计点之间的距离数据，根据所述距离数据和所述聚类中心点，生成目标试验设计点集合。
第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被处理器执行时实现上述的方法的步骤。
第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的方法的步骤。
第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现上述的方法的步骤。
上述适用于非超立方体约束空间的拉丁超立方设计方法、装置、计算机设备、存储介质和计算机程序产品，通过按照预设的约束条件，从初始试验设计点集合中筛选出约束试验设计点，从而从包含有分布在预设数量个维度上的初始试验设计点的初始试验设计点集合中筛选出满足预设的约束条件的初始试验设计点作为约束试验设计点，实现对试验设计点的初步确定；根据预设数量个维度，生成排列数组合，从而按照预设的维度组合要求，确定排列数集合和排列数组合；确定针对排列数组合的新增试验设计点，从而按照预设的排列方式，确定针对排列数组合中各维度上新增的试验设计点的位置；在排列数组合符合预设的排列数组合要求的情况下，按照预设的聚类算法，对新增试验设计点进行聚类，得到聚类中心点，从而聚类新增试验设计点，确定新增试验设计点对应的聚类中心；确定聚类中心点与约束试验设计点之间的距离数据，根据距离数据和聚类中心点，生成目标试验设计点集合，从而基于聚类中心与原有试验设计点的距离，选择聚类中心或其他试验设计点加入约束试验设计点，进而确定目标试验设计点集合，实现从初始试验设计点中筛选出符合要求的约束试验设计点后，结合预设数量个维度，确定若干维度组合构成的排列数组合，按照预设的试验设计点新增方式，确定针对排列数组合中各维度上的新增试验设计点的对应位置，在排列数组合满足预设要求的情况下，基于新增试验设计点聚类得到的聚类中心与约束试验设计点之间的距离，选择聚类中心或者其他试验设计点加入约束试验设计点，以确定目标试验设计点集合，能够在考虑各维度上变量之间复杂约束关系的情况下，在非超立方体空间内选择可充分表征设计空间内数据特征的试验设计点，保证非超立方体约束空间内试验设计点的空间均匀性和正交性，进而提高试验设计点的获取效率。
附图说明
图1为一个实施例中一种适用于非超立方体约束空间的拉丁超立方设计方法的应用环境图；
图2为一个实施例中一种适用于非超立方体约束空间的拉丁超立方设计方法的流程示意图；
图3为一个实施例中另一种适用于非超立方体约束空间的拉丁超立方设计方法的流程示意图；
图4为一个实施例中一种试验设计点分布及约束空间边界的示意图；
图5为一个实施例中一种新增试验设计点的分布示意图；
图6为一个实施例中另一种新增试验设计点的分布示意图；
图7为一个实施例中一种聚类中心的分布示意图；
图8为一个实施例中一种二维试验设计点的分布示意图；
图9为一个实施例中另一种二维试验设计点的分布示意图；
图10为一个实施例中一种适用于非超立方体约束空间的拉丁超立方设计装置的结构框图；
图11为一个实施例中一种计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请实施例提供的适用于非超立方体约束空间的拉丁超立方设计方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。数据存储***可以存储服务器104需要处理的数据。数据存储***可以集成在服务器104上，也可以放在云上或其他网络服务器上。服务器104按照预设的约束条件，从初始试验设计点集合中筛选出约束试验设计点；初始试验设计点集合包括分布在预设数量个维度上的初始试验设计点；约束试验设计点为满足预设的约束条件的初始试验设计点；服务器104根据预设数量个维度和约束试验设计点，生成排列数集合；服务器104确定针对排列数集合的新增试验设计点，根据新增试验设计点和约束试验设计点，生成排列数组合；在排列数组合符合预设的排列数组合要求的情况下，服务器104按照预设的聚类算法，对新增试验设计点进行聚类，得到聚类中心点；服务器104确定聚类中心点与约束试验设计点之间的距离数据，根据距离数据和聚类中心点，生成目标试验设计点集合。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一些实施例中，如图2所示，提供了一种适用于非超立方体约束空间的拉丁超立方设计方法，本实施例以该方法应用于终端进行举例说明，可以理解的是，该方法也可以应用于服务器，还可以应用于包括终端和服务器的***，并通过终端和服务器的交互实现。本实施例中，该方法包括以下步骤：
步骤S202，按照预设的约束条件，从初始试验设计点集合中筛选出约束试验设计点。
其中，预设的约束条件可以是指用于判断初始试验设计点集合中的初始试验设计点是否满足预设的试验设计点要求的数据。
其中，初始试验设计点集合可以是指若干初始试验设计点构成的集合，实际应用中，初始试验设计点集合可以包含分布在预设数量个维度上的若干初始试验设计点，初始试验设计点可以是指试验设计过程中用于表征全局设计空间内的数据分布特征的数据对应的点。
其中，约束试验设计点可以是指满足预设的约束条件的初始试验设计点。
作为一种示例，针对某非超立方体约束空间的试验设计点选择问题，终端获取预先构建的初始试验设计点集合，终端按照预设的约束条件，对初始试验设计点集合中的每个初始试验设计点进行逐个校验，终端将满足预设的约束条件的初始试验设计点作为约束试验设计点。
步骤S204，根据预设数量个维度，生成排列数组合。
其中，预设数量个维度可以是指初始试验设计点集合中试验设计点对应的维度，实际应用中，初始试验设计点集合中试验设计点共有两个维度，则初始试验设计点包含两个维度。
作为一种示例，初始试验设计点集合包含k个维度，针对第一个预设维度组合A中的第一维度p，为满足拉丁超立方设计（Latin Hypercube Design，LHD）的投影特性，终端按照维度p对约束试验设计点（在维度p下的维度位置数据或维度值）进行从小到大的排列，得到维度p下的试验设计点排列，以此类推，终端针对每个预设维度组合中的各维度进行试验设计点排列，得到各维度组合中各维度上的试验设计点排列，终端将各维度组合中各维度上的试验设计点排列构成的集合作为排列数集合。
步骤S206，确定针对排列数组合的新增试验设计点。
其中，新增试验设计点可以是指在约束试验设计点的基础上，针对排列数组合，需要另外设置的试验设计点。
其中，排列数组合可以是指将预设数量个维度按照特定的组合方式进行组合后得到的组合。
作为一种示例，终端根据约束试验设计点之间的距离，确定针对排列数集合的新增试验设计点对应的位置，针对第一个预设维度组合A中的第一维度p，终端获取维度p上各约束试验设计点之间的距离、维度p上维度值最小的试验设计点与边界0之间的距离和维度p上维度值最大的试验设计点与边界1之间的距离，得到距离集合D，终端筛选出距离集合D中的距离最大值对应的两个约束试验设计点，终端将上述两个约束试验设计点之间的中间位置作为第一个新增试验设计点在维度p下的位置，更新距离集合D，重复上述操作，进而确定所有新增试验设计点在维度p下的位置，针对第一个预设维度组合A中的第二维度q，终端根据第一个新增试验设计点在维度p下的位置，沿维度q方向进行最优位置搜索，进而确定第一个新增试验设计点在维度q上的位置，重复上述操作，确定所有新增试验设计点在维度q下的位置，以此类推，终端可确定新增试验设计点在各维度组合中各维度上的位置。
步骤S208，在排列数组合符合预设的排列数组合要求的情况下，按照预设的聚类算法，对新增试验设计点进行聚类，得到聚类中心点。
其中，预设的排列数组合要求可以是指判断排列数组合是否满足预设的要求的数据，实际应用中，预设的排列数组合要求可以包括用于判断排列数组合是否计算完毕的数据。
其中，预设的聚类算法可以是指对数据进行类别划分的算法，实际应用中，预设的聚类算法可以包括K-Means算法。
其中，聚类中心点可以是指按照聚类算法对新增试验设计点进行聚类后得到的试验设计点中心点。
作为一种示例，终端按照预设的排列数组合要求，检验排列数组合是否计算完毕，若终端判断排列数组合计算完毕，则终端按照预设的聚类算法，对新增试验设计点进行聚类，得到新增试验设计点聚类中心点，终端将新增试验设计点聚类中心点位置数据作为聚类中心点位置数据；若终端判断排列数组合没有计算完毕，终端在排列数集合中删除目前的排列数，重新确定针对排列数集合的新增试验设计点，根据新增试验设计点和约束试验设计点，生成排列数组合，直至排列数组合满足预设的排列数组合要求。
步骤S210，确定聚类中心点与约束试验设计点之间的距离数据，根据距离数据和聚类中心点，生成目标试验设计点集合。
其中，距离数据可以是指表征对新增试验设计点进行聚类后得到的新增试验设计点聚类中心点与约束试验设计点之间的距离的数据。
其中，目标试验设计点集合可以是指能够体现非超立方体空间内各维度上变量之间复杂约束关系的试验设计点构成的集合。
作为一种示例，终端获取对新增试验设计点进行聚类后得到的新增试验设计点聚类中心点与约束试验设计点之间的距离，若上述距离表征新增试验设计点聚类中心点与约束试验设计点过于接近，终端将新增试验设计点聚类中心点和约束试验设计点构成的集合作为目标试验设计点集合；若上述距离表征新增试验设计点聚类中心点与约束试验设计点不是过于接近，终端结束试验设计点构造流程。
上述适用于非超立方体约束空间的拉丁超立方设计方法中，通过按照预设的约束条件，从初始试验设计点集合中筛选出约束试验设计点，从而从包含有分布在预设数量个维度上的初始试验设计点的初始试验设计点集合中筛选出满足预设的约束条件的初始试验设计点作为约束试验设计点，实现对试验设计点的初步确定；根据预设数量个维度，生成排列数组合，从而按照预设的维度组合要求，确定排列数集合和排列数组合；确定针对排列数组合的新增试验设计点，从而按照预设的排列方式，确定针对排列数组合中各维度上新增的试验设计点的位置；在排列数组合符合预设的排列数组合要求的情况下，按照预设的聚类算法，对新增试验设计点进行聚类，得到聚类中心点，从而聚类新增试验设计点，确定新增试验设计点对应的聚类中心；确定聚类中心点与约束试验设计点之间的距离数据，根据距离数据和聚类中心点，生成目标试验设计点集合，从而基于聚类中心与原有试验设计点的距离，选择聚类中心或其他试验设计点加入约束试验设计点，进而确定目标试验设计点集合，实现从初始试验设计点中筛选出符合要求的约束试验设计点后，结合预设数量个维度，确定若干维度组合构成的排列数组合，按照预设的试验设计点新增方式，确定针对排列数组合中各维度上的新增试验设计点的对应位置，在排列数组合满足预设要求的情况下，基于新增试验设计点聚类得到的聚类中心与约束试验设计点之间的距离，选择聚类中心或者其他试验设计点加入约束试验设计点，以确定目标试验设计点集合，能够在考虑各维度上变量之间复杂约束关系的情况下，在非超立方体空间内选择可充分表征设计空间内数据特征的试验设计点，保证非超立方体约束空间内试验设计点的空间均匀性和正交性，进而提高试验设计点的获取效率。
在一些实施例中，按照预设的约束条件，从初始试验设计点集合中筛选出约束试验设计点之前，上述方法还包括：根据初始试验设计点和预设数量个维度，生成随机试验设计点集合；获取随机试验设计点集合对应的行向量，按照预设的局部搜索方式，对行向量进行局部搜索，得到第一中间试验设计点集合；按照预设的扰动策略，对第一中间试验设计点集合进行扰动，得到第二中间试验设计点集合；按照预设的局部搜索方式，对第二中间试验设计点集合进行局部搜索，得到第三中间试验设计点集合；在第三中间试验设计点集合满足预设的终止条件的情况下，将第三中间试验设计点集合作为初始试验设计点集合。
其中，随机试验设计点集合可以是指由若干随机试验设计点构成的集合。
其中，行向量可以是指对随机试验设计点集合中的随机试验设计点进行局部搜索操作的对象。
其中，预设的局部搜索方式可以是指对随机试验设计点集合中的随机试验设计点进行最优选择或筛选的方式。
其中，第一中间试验设计点集合可以是指对随机试验设计点集合对应的行向量进行局部搜索后得到的试验设计点集合。
其中，预设的扰动策略可以是指对第一中间试验设计点集合进行扰动时采用的策略，实际应用中，预设的扰动策略可以包括循环顺序交换扰动策略。
其中，第二中间试验设计点集合可以是指对第一中间试验设计点集合进行扰动后得到的试验设计点集合。
其中，第三中间试验设计点集合可以是指对第二中间试验设计点集合对应的行向量进行局部搜索后得到的试验设计点集合。
其中，预设的终止条件可以是指用于判断针对中间试验设计点集合的局部搜索操作是否可以结束的数据。
作为一种示例，终端对设计空间进行标准化，使各变量维度均为[0，1]，终端基于多判据最优拉丁超立方设计（Latin Hypercube Design，LHD）产生初始的试验设计OLHD（n，k），具体地，以n表示试验设计点数，k表示设计变量维度数为例，多判据最优LHD可以描述如下：终端产生由n个初始试验设计点或随机试验设计点以及k个维度构成的随机拉丁超立方设计LHD(n，k)，记为随机试验设计点集合Y0，终端选择出进行局部搜索操作的对象，也即试验设计点对应的行向量，具体地，选择局部搜索操作的行向量的方法为：首先根据欧几里得距离计算公式，两两计算设计空间内各试验设计点的距离，构成n*n的距离矩阵，n*n的距离矩阵可表示为：
。
终端根据各试验设计点距离的计算结果，对除0以外的距离值从小到大排序为{D1，D2，…，Ds}，并获得对应于每个距离的试验设计点对(xi，xj)的集合，此外，计算得到与其它试验设计点距离最小的试验设计点xm，该试验设计点xm可表示为：
。
当xm属于距离为D1的试验设计点对的集合v(X)中某一个试验设计点对时，此试验设计点对被选择；当xm不属于距离为D1的试验设计点对的集合中某一个试验设计点对时，判断组成距离D1的试验设计点对中离xm最近的那个试验设计点，此试验设计点构成的一个试验设计点对被选择，最终，选择出的试验设计点对的两个试验设计点对应的行向量即为矩阵局部搜索的对象，终端在行向量上进行局部搜索操作，确定新的拉丁超立方设计，记为第一中间试验设计点集合Y1，采用扰动策略对Y1进行扰动，以获取扰动后的新矩阵，即第二中间试验设计点集合Y2，用于局部搜索过程，终端对Y2再进行局部搜索操作获取Y3，并根据设定的判断指标判断Y3是否优于Y2，如果判断结果为“是”，则令Y2等于Y3；如果判断结果为否，终端判断是否满足设定的终止条件，如果判断结果为“是”，则停止循环，否则，返回至采用扰动策略对Y1进行扰动的步骤，进一步地，局部搜索过程可表示为：在1<i<n，1<j<n的情况下，如果i不等于j，且{i，j}与v(X)的交集不为空集，则对任意1<l<k，xi与xj的第l位元素进行替换，得到新的矩阵Y，如果依据接受准则Y优于初始矩阵X，则X=Y；扰动策略所采用的扰动列通过列向量间的正交性指标来确定。根据皮尔逊相关系数计算公式两两计算其相关系数，形成k*k的相关系数矩阵，k*k的相关系数矩阵可表示为：
。
在相关系数矩阵中，当i≠j时，ρij=ρji，ρ的范围为[-1，1]。同时，考虑到ρ=-x与ρ=x表征的相关性是相同的，相关系数矩阵中的元素可以其绝对值来表示；通过对相关系数矩阵的分析，首先可以找到相关性最大的两个设计变量，{(ci，cj)|maxρ=ρij，i≠j}；另外，根据每一列变量与其它列变量的相关系数之和找到与其它设计变量总相关性最大的设计变量ct，ct可表示为：
。
当ct是ci与cj中的一列时，则ct={c1t，c2t，…，cnt}是被选定进行扰动的列；若非以上情况，则ci与cj中，与ct相关性较大的那一列被选择。经此过程后，在选择对象列时，能够兼顾矩阵中两两相关性最大的列与总相关性最大的列。
本实施例中，通过根据初始试验设计点和预设数量的维度，生成随机试验设计点集合；获取随机试验设计点集合对应的行向量，按照预设的局部搜索方式，对行向量进行局部搜索，得到第一中间试验设计点集合；按照预设的扰动策略，对第一中间试验设计点集合进行扰动，得到第二中间试验设计点集合；按照预设的局部搜索方式，对第二中间试验设计点集合进行局部搜索，得到第三中间试验设计点集合；在第三中间试验设计点集合满足预设的终止条件的情况下，将第三中间试验设计点集合作为初始试验设计点集合，能够基于初始试验设计点和预设数量的维度，通过局部搜索、扰动等方式，生成初始试验设计点集合，为后续试验设计点的组合和新增提供数据基础；判断Y3是否优于Y2所采用的判断准则是对LHD矩阵空间正交性与均匀性的综合判断，其中，均匀性利用φp准则进行判定，而正交性利用列向量之间总的线性相关系数进行判定，总相关系数可表示为：
。
φp准则表示为对于一个试验设计D，计算D内试验设计点的两两距离dij，通过对距离值dm进行排序，获取一个表征对数的序列(J1，…，Jm，…，Js)，其中dm表示不同的距离值，且满足d1<…<dm<…<ds，Jm表示距离值为dm的试验设计点的对数。φp的表达式可表示为：
，
其中，t可为1或2。
。
正交性判据与均匀性判据的关联通过权重聚合的方式来进行，考虑到ρ2的范围为[0，1]，为方便设置权重，还需要对φp指标进行归一化处理。φp指标均满足指标约束条件，该指标约束条件可表示为：
。
其中，p表示φp指标中的超参数p，ceil(x)表示向上取整函数，floor(x)表示向下取整函数。
其中，floor(x)中的变量x可表示为：
。
最终，形成的判断指标可表示为：
。
其中，ω为表示权重的超参数，取值在[0，1]的范围内，ω=0.5时表征两者同样重要。
在一些实施例中，根据预设数量个维度，生成排列数组合，包括：按照预设的组合方式，对预设数量个维度进行组合，得到维度组合；根据维度组合，生成排列数组合。
其中，预设的组合方式可以是指将若干维度组合为一个维度组合的方式。
其中，维度组合可以是指若干维度之间的组合关系，实际应用中，维度组合可以包括至少两个维度。
作为一种示例，终端按照预设的组合方式，将预设数量的维度进行若干种组合，得到若干个维度组合，每个维度组合中可包含若干维度，终端按照特定的排列方式，对上述若干个维度组合进行排列，得到排列数组合，进一步地，终端还可以获取约束试验设计点在各维度组合中的各维度上的维度值（位置数据），终端按照维度值的数据，对约束试验设计点进行从小到大的排列。
本实施例中，通过按照预设的组合方式，对预设数量的维度进行组合，得到维度组合；根据维度组合，生成排列数组合，能够充分考虑各维度组合中维度之间的约束关系，得到能够体现非超立方体空间内数据在不同维度上的数据特征，进而提高试验设计点的获取效率。
在一些实施例中，确定针对排列数集合的新增试验设计点，包括：获取约束试验设计点在第一目标维度上的距离差数据；从距离差数据中筛选出距离差最大值，获取距离差最大值对应的目标约束试验设计点；获取目标约束试验设计点在第一目标维度上的位置数据，根据位置数据，确定针对第一目标维度的新增试验设计点对应的位置数据。
其中，第一目标维度可以是指排列数集合中的目标维度组合对应的第一个维度，实际应用中，目标维度组合A包含2个维度p和q，则目标维度组合A表征的维度组合关系中第1个维度为p维度，第2个维度为q维度。
其中，距离差数据可以是指表征约束试验设计点在第一目标维度上的位置数据之间的差值的数据，实际应用中，距离差数据可以包括表征任意两个约束试验设计点之间的距离，例如，第一目标维度上第一约束试验设计点M1对应的位置数据为p1，第二约束试验设计点M2对应的位置数据为p2，则距离差数据可表示为p12=p1-p2，实际应用中，可取p12的绝对值作为距离差数据。
其中，距离差最大值可以是指若干个距离差数据中，数值最大的距离差数据。
其中，距离差最大值对应的目标约束试验设计点可以是指距离差最大值对应的距离差数据所关联的约束试验设计点，例如，第一目标维度上第一约束试验设计点M1对应的位置数据为p1，第二约束试验设计点M2对应的位置数据为p2，第三约束试验设计点M3对应的位置数据为p3，则第一约束试验设计点与第二约束试验设计点之间的距离差数据可表示为p12=p1-p2，第一约束试验设计点与第三约束试验设计点之间的距离差数据可表示为p13=p1-p3，第二约束试验设计点与第三约束试验设计点之间的距离差数据可表示为p23=p2-p3，若p12、p13和p23中p23最大，则p23为距离差最大值对应的距离差数据，p23对应的第三约束试验设计点和第二约束试验设计点可为距离差最大值对应的目标约束试验设计点。
其中，目标约束试验设计点在第一目标维度上的位置数据可以是指目标约束试验设计点在第一目标维度上的维度值。
其中，针对第一目标维度的新增试验设计点对应的位置数据可以是指新增试验设计点在第一目标维度上的维度值。
作为一种示例，第一目标维度上第一约束试验设计点M1对应的位置数据为p1，第二约束试验设计点M2对应的位置数据为p2，第三约束试验设计点M3对应的位置数据为p3，终端根据约束试验设计点在第一目标维度上的位置数据，确定约束试验设计点在第一目标维度上的距离差数据，则第一约束试验设计点与第二约束试验设计点之间的距离差数据可表示为p12=p1-p2，第一约束试验设计点与第三约束试验设计点之间的距离差数据可表示为p13=p1-p3，第二约束试验设计点与第三约束试验设计点之间的距离差数据可表示为p23=p2-p3，终端从距离差数据p12、p13和p23中筛选出距离差最大值p23，p23对应的第三约束试验设计点和第二约束试验设计点可为距离差最大值对应的目标约束试验设计点，终端获取目标约束试验设计点在第一目标维度上的位置数据p2和p3，根据位置数据，确定针对第一目标维度的新增试验设计点对应的位置数据Px1，Px1=（p2+p3）/2。
本实施例中，通过获取约束试验设计点在第一目标维度上的距离差数据；从距离差数据中筛选出距离差最大值，获取距离差最大值对应的目标约束试验设计点；获取目标约束试验设计点在第一目标维度上的位置数据，根据位置数据，确定针对第一目标维度的新增试验设计点对应的位置数据，能够基于各约束试验设计点在目标维度上的位置数据，确定新增试验设计点在目标维度上的位置，提高新增试验设计点的位置的准确性。
在一些实施例中，确定针对第一目标维度的新增试验设计点对应的位置数据之后，上述方法还包括：获取针对第二目标维度的搜索步长和搜索范围；按照预设的搜索方式，在搜索范围中，确定针对第二目标维度的新增试验设计点的候选位置数据；将满足预设的新增试验设计点要求的候选位置数据作为针对第二目标维度的新增试验设计点的位置数据。
其中，针对第二目标维度的搜索步长可以是指在对试验设计点进行查找或搜索过程中跨越的元素数（试验设计点数）。
其中，搜索范围可以是指在对试验设计点进行查找或搜索过程中，查找或搜索操作的执行范围。
其中，第二目标维度可以是指目标维度组合中第一目标维度之后的维度。
其中，预设的搜索方式可以是指基于步长和范围的数据搜索方式。
其中，针对第二目标维度的新增试验设计点的候选位置数据可以是指在第二目标维度中查找或搜索得到的试验设计点的维度值。
其中，预设的新增试验设计点要求可以是指用于判断试验设计点是否可作为新增试验设计点的数据。
其中，针对第二目标维度的新增试验设计点可以是指新增试验设计点在第二目标维度上的位置数据。
作为一种示例，终端获取针对第二目标维度的搜索步长，终端可将搜索范围确定为新增试验设计点在第一目标维度上的位置和第二目标维度之间的交集，终端按照预设的搜索方式，在搜索范围中以搜索步长对新增试验设计点的位置进行搜索，终端将搜索得到的位置数据作为针对第二目标维度的新增试验设计点的候选位置数据；终端对候选位置数据是否满足预设的新增试验设计点要求进行校验，校验通过的位置数据可作为针对第二目标维度的新增试验设计点的位置数据。
本实施例中，通过获取针对第二目标维度的搜索步长和搜索范围；按照预设的搜索方式，在搜索范围中，确定针对第二目标维度的新增试验设计点的候选位置数据；将满足预设的新增试验设计点要求的候选位置数据作为针对第二目标维度的新增试验设计点的位置数据，能够基于预设步长在预设范围内进行搜索，确定新增试验设计点在第二目标维度上的位置数据，提高新增试验设计点的位置数据的准确性。
在一些实施例中，根据距离数据和聚类中心点，生成目标试验设计点集合，包括：在距离数据大于或等于预设的距离阈值的情况下，根据聚类中心位置数据对应的聚类中心点和约束试验设计点，生成目标试验设计点集合；在距离数据小于预设的距离阈值的情况下，从聚类中心点对应的新增试验设计点中筛选出替换试验设计点，根据替换试验设计点和约束试验设计点，生成目标试验设计点集合。
其中，预设的距离阈值可以是指用于判断聚类中心点是否可以与约束试验设计点构成目标试验设计点集合的数据。
其中，聚类中心位置数据可以是指对新增试验设计点进行聚类后得到的中心点的位置数据。
其中，替换试验设计点可以是指用于替换聚类中心点并与约束试验设计点构成目标试验设计点集合的试验设计点。
作为一种示例，在距离数据大于或等于预设的距离阈值的情况下，终端将聚类中心位置数据对应的聚类中心点和约束试验设计点构成的试验设计点集合作为目标试验设计点集合；在距离数据小于预设的距离阈值的情况下，由于聚类后若干新增试验设计点可组成一类试验设计点，即新增试验设计点分组，聚类中心点即新增试验设计点分组中的若干新增试验设计点对应的中心点，则终端从聚类中心位置数据对应的新增试验设计点分组中的新增试验设计点中筛选出替换试验设计点，终端将替换试验设计点和约束试验设计点，生成目标试验设计点集合，进一步地，若共有两组新增试验设计点分组Z1和Z2，Z1的聚类中心点Z1Z对应的距离数据为L1，Z2的聚类中心点Z2Z为L2，预设的距离阈值可表示为L0，若L1<L0，L2>L0，则终端从Z1中重新选择新增试验设计点作为替换试验设计点Z1T，终端将Z1T、Z2Z和约束试验设计点组成的集合作为目标试验设计点集合。
本实施例中，通过在距离数据大于或等于预设的距离阈值的情况下，终端根据聚类中心位置数据对应的聚类中心点和约束试验设计点，生成目标试验设计点集合；在距离数据小于预设的距离阈值的情况下，从聚类中心位置数据对应的新增试验设计点中筛选出替换试验设计点，根据替换试验设计点和约束试验设计点，生成目标试验设计点集合，能够基于聚类中心与约束试验设计点间的距离，选择聚类中心或替换试验设计点同约束试验设计点构成目标试验设计点集合，避免聚类中心与约束试验设计点过于接近，进而提高试验设计点的获取效率。
在一些实施例中，按照预设的聚类算法，对新增试验设计点进行聚类，得到聚类中心点，包括：从新增试验设计点中筛选出中心点；根据新增试验设计点与中心点之间的距离数据，对新增试验设计点进行分类，得到试验设计点分组；确定试验设计点分组对应的分组中心点，在分组中心点的位置信息满足预设的聚类要求的情况下，将分组中心点作为分组中心点对应的试验设计点分组的聚类中心点。
其中，中心点可以是指新增试验设计点中可作为中心的试验设计点。
其中，新增试验设计点与中心点之间的距离数据可以是指表征新增试验设计点与中心点之间的距离的数据。
其中，试验设计点分组可以是指基于新增试验设计点与中心点之间的距离数据，将新增试验设计点进行分类后得到的若干组试验设计点。
其中，试验设计点分组对应的分组中心点可以是指某试验设计点分组中的新增试验设计点中可作为中心的试验设计点。
其中，分组中心点的位置信息可以是指分组中心点在各维度上的维度值或坐标值。
其中，预设的聚类要求可以是指用于判断分组中心点是否可作为聚类中心点的数据。
作为一种示例，终端从新增试验设计点中筛选出（或随机选择）一个新增试验设计点作为中心点，终端根据新增试验设计点与中心点之间的距离数据，对新增试验设计点进行分类，得到试验设计点分组，例如，终端以数据C作为阈值对新增试验设计点与中心点之间的距离数据进行分类，则终端可将新增试验设计点划分为两个试验设计点分组，终端计算试验设计点分组对应的分组中心点，终端将分组中心点更新为新的中心点，终端再次计算各新增试验设计点与新的中心点之间的距离数据并进行分类，更新中心点，直至分组中心点的位置数据不在变化，此时，终端判断分组中心点的位置信息满足预设的聚类要求，终端将分组中心点作为分组中心点对应的试验设计点分组的聚类中心点，终端将试验设计点分组的聚类中心点对应的位置数据作为聚类中心点位置数据。
本实施例中，通过从新增试验设计点中筛选出中心点；根据新增试验设计点与中心点之间的距离数据，对新增试验设计点进行分类，得到试验设计点分组；确定试验设计点分组对应的分组中心点，在分组中心点的位置信息满足预设的聚类要求的情况下，将分组中心点作为分组中心点对应的试验设计点分组的聚类中心点；将试验设计点分组的聚类中心点对应的位置数据作为聚类中心点位置数据，能够快速且便捷地对新增试验设计点进行聚类，充分考虑新增试验设计点的数据特征，提高试验设计点的获取效率。
在一些实施例中，如图3所示，提供了一种适用于非超立方体约束空间的拉丁超立方设计方法的流程示意图，S1：终端对设计空间进行标准化，使各变量维度均为[0，1]，基于多判据最优LHD方法产生初始的试验设计OLHD(n，k)，其中多判据最优LHD可以描述如下，n表示试验设计点数，k表示设计变量维度数：A0：产生由n个试验设计点，k个维度构成的随机拉丁超立方设计LHD(n，k)，记为Y0；A1：选择出进行局部搜索操作的对象，也即试验设计点对应的行向量，并在此行向量上进行局部搜索操作，确定新的拉丁超立方设计Y1；A2：采用扰动策略对Y1进行扰动，以获取扰动后的新矩阵Y2用于局部搜索过程；A3：对Y2再进行A1的局部搜索操作获取Y3，并根据设定的判断指标判断Y3是否优于Y2，如果判断结果为“是”，则令Y2等于Y3。如果判断结果为否，则直接转到A4；A4：判断是否满足设定的终止条件，如果判断结果为“是”，则停止循环，否则，跳转至A2；S2：依据约束条件对获取的OLHD(n，k)进行判定；假设有t个点满足约束条件，t<n，这t个试验设计点构成集合X0；S3：根据维度数k，生成排列数集合。假设排列数集合的第一个维度组合的第一维度的序号为p，为满足LHD的投影特性，按维度p对X0中所有试验设计点进行从小到大的排列，得到X1={x1，x2，…，xt}，其中0<x1p<x2p<…<xtp<1；S4：根据试验设计点间的距离对维度p上的新增试验设计点进行布置。计算维度p上各试验设计点间的距离值，并包括该维度值最小的试验设计点与边界0的距离以及该维度最大的试验设计点与边界1的距离，得到距离值集合D1={d1，d2，…，dt+1}。为确定新增试验设计点xt+1在维度p上的位置，首先找到距离值集合D1中最大距离对应的两个试验设计点xi与xi+1，并将试验设计点xt+1沿维度p放在xi与xi+1的中间位置，即满足x(t+1)p=(xip+x(i+1)p)/2，并重新计算各试验设计点在维度p上的距离值，更新得到距离值集合D2。对于新增点xt+2到xn，重复以上的过程，固定新增试验设计点在维度p上的位置；S5：确定新增试验设计点在其他维度位置。假设排列数集合第一个维度组合的第二维度的序号为q，以试验设计点xt+1为例，在确定xt+1在维度q方向上的位置时，需要根据其在维度p上的位置，沿维度q方向以一个固定的步长λ对最优位置进行搜索，搜索范围根据x(t+1)p的值与具体的约束条件确定，最优位置根据S1中A3步骤应用的判断指标进行判断。当xt+1在维度q上的最优位置确定后，将其加入已确定的试验设计点，并进一步确定xt+2在维度q上的最优位置，直至所有试验设计点在维度q上的位置被确定完毕。另外，为保证投影性，前序生成的试验设计点在维度q的位置值，不会再被后续生成的试验设计点取得；对于第3维度至第k维度，采用类似的方法对其在对应维度上的最优位置进行搜索。当排列数集合的第一个维度组合按维度顺序搜索完毕后，再进行第二个维度组合的最优试验设计点搜索，直至完成所有维度组合最优试验设计点的搜索，一共产生H个新增试验设计点，H可表示为：
。
其中，A表示排列数。S6：将新增的试验设计点与原本保留的点集进行合并；S7：判断排列数组合是否计算完毕，如果计算完毕则继续步骤S8，否则，在排列数集合中删除目前的排列数后跳转至S4；S8：根据K-means聚类算法进行聚类。产生的H个新增试验设计点利用K-means方法进行聚类，聚类的个数设置为(n-t)个类；S9：判断K-means聚类中心与原有试验设计点是否过于接近，如果是，则继续步骤S10，否则结束构造流程；S10：选择这(n-t)个类的中心作为最终新增的(n-t)个试验设计点构成最终满足约束条件的拉丁超立方设计CLHD(n，k)，如果某个聚类中心距离设计空间原本已有的试验设计点的欧几里得距离小于设定的阈值，则在此聚类中心对应的类中重新选择一个S1中A3步骤应用的判断指标最优的试验设计点替代此聚类中心点，并加入到最终的新增试验设计点集合中。
在一些实施例中，以二维非超立方体约束空间下的一个实例问题来验证中提出的适用于非超立方体约束空间的拉丁超立方设计方法，二维约束空间定义如下，在二维空间内为第一象限内的1/4圆，该第一象限内的1/4圆可表示为：
。
首先由步骤S1产生初始的OLHD(100，2)，二维空间内OLHD的试验设计点分布及约束空间边界如图4所示，提供了一种试验设计点分布及约束空间边界的示意图，100个试验设计点中有21个点不符合约束条件，导致约束空间内存在未有试验设计点存在的大面积空白区域，使得此区域的数据信息缺失。为解决这一问题，按步骤S2到S10对初始的OLHD(100，2)进行处理。需要补充说明的是，当选择的维度优先顺序变化时，得到的新增试验设计点分布并不相同，如图5所示，提供了一种新增试验设计点的分布示意图，当维度x1先被选择时，新增试验设计点更趋近于x1轴，如图6所示，提供了另一种新增试验设计点的分布示意图，当维度x2先被选择时，新增试验设计点更趋近于x2轴，因此，利用K-means算法对不同维度选择顺序产生的所有新增点进行聚类分析，以考虑维度选择顺序对结果的影响，K-means聚类时，设定的类别数即为需要新增的试验设计点数。对于此二维问题，21个类的聚类中心如图7所示，提供了一种聚类中心的分布示意图，其中部分聚类中心点由于与原有79个点中某个点距离过近，而需要按照S10所述的步骤进行调整。最终的二维试验设计点CLHD(100， 2)分布情况如图8所示，提供了一种二维试验设计点的分布示意图，100个试验设计点均匀分布在可行区域内，φp值为22.8，ρ2值为0.062。作为对比，若同样需在满足约束条件的可行区域内产生100个试验设计点，OLHD的样本点数需要设置为129，增大了29%，其二维空间分布如图9所示，提供了另一种二维试验设计点的分布示意图，满足约束条件的点集合的φp值为21.4，ρ2值为0.088。
本实施例中，通过对初始试验设计点集合进行处理，并将需要加入初始试验设计点集合的新增试验设计点进行聚类分析，结合聚类结果输出目标试验设计点集合，能够使产生的拉丁超立方设计在约束空间内具有良好的空间均匀性与正交性，同时避免对不满足约束条件的无效试验设计点产生，以准确地捕获约束空间内的数据特征。
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的适用于非超立方体约束空间的拉丁超立方设计方法的适用于非超立方体约束空间的拉丁超立方设计装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个适用于非超立方体约束空间的拉丁超立方设计装置实施例中的具体限定可以参见上文中对于适用于非超立方体约束空间的拉丁超立方设计方法的限定，在此不再赘述。
在一个实施例中，如图10所示，提供了一种适用于非超立方体约束空间的拉丁超立方设计装置，包括：试验设计点筛选模块1002、组合生成模块1004、试验设计点新增模块1006、试验设计点聚类模块1008和集合确定模块1010，其中：
试验设计点筛选模块1002，用于按照预设的约束条件，从初始试验设计点集合中筛选出约束试验设计点；所述初始试验设计点集合包括分布在预设数量个维度上的初始试验设计点；所述约束试验设计点为满足所述预设的约束条件的所述初始试验设计点。
组合生成模块1004，用于根据所述预设数量个维度，生成排列数组合。
试验设计点新增模块1006，用于确定针对所述排列数组合的新增试验设计点。
试验设计点聚类模块1008，用于在所述排列数组合符合预设的排列数组合要求的情况下，按照预设的聚类算法，对所述新增试验设计点进行聚类，得到聚类中心点。
集合确定模块1010，用于确定所述聚类中心点与所述约束试验设计点之间的距离数据，根据所述距离数据和所述聚类中心点，生成目标试验设计点集合。
在一个示例性实施例中，上述装置还包括试验设计点获取模块，该试验设计点获取模块具体用于根据所述初始试验设计点和所述预设数量个维度，生成随机试验设计点集合；获取所述随机试验设计点集合对应的行向量，按照预设的局部搜索方式，对所述行向量进行局部搜索，得到第一中间试验设计点集合；按照预设的扰动策略，对所述第一中间试验设计点集合进行扰动，得到第二中间试验设计点集合；按照所述预设的局部搜索方式，对所述第二中间试验设计点集合进行局部搜索，得到第三中间试验设计点集合；在所述第三中间试验设计点集合满足预设的终止条件的情况下，将所述第三中间试验设计点集合作为所述初始试验设计点集合。
在一个示例性实施例中，上述组合生成模块1004具体还用于按照预设的组合方式，对所述预设数量个维度进行组合，得到维度组合；所述维度组合包括至少两个维度；根据所述维度组合，生成所述排列数组合。
在一个示例性实施例中，上述试验设计点新增模块1006具体还用于获取所述约束试验设计点在第一目标维度上的距离差数据；所述第一目标维度为所述排列数集合中的目标维度组合对应的第一个维度；所述距离差数据表征任意两个所述约束试验设计点之间的距离；从所述距离差数据中筛选出距离差最大值，获取所述距离差最大值对应的目标约束试验设计点；获取所述目标约束试验设计点在所述第一目标维度上的位置数据，根据所述位置数据，确定针对所述第一目标维度的新增试验设计点对应的位置数据。
在一个示例性实施例中，上述装置还包括试验设计点新增模块，该试验设计点新增模块具体用于获取针对第二目标维度的搜索步长和搜索范围；所述第二目标维度为所述目标维度组合中第一目标维度之后的维度；按照预设的搜索方式，在所述搜索范围中，确定针对所述第二目标维度的新增试验设计点的候选位置数据；将满足预设的新增试验设计点要求的候选位置数据作为针对所述第二目标维度的新增试验设计点的位置数据。
在一个示例性实施例中，上述集合确定模块1010具体还用于在所述距离数据大于或等于预设的距离阈值的情况下，根据所述聚类中心点和所述约束试验设计点，生成所述目标试验设计点集合；在所述距离数据小于所述预设的距离阈值的情况下，从所述聚类中心点对应的新增试验设计点中筛选出替换试验设计点，根据所述替换试验设计点和所述约束试验设计点，生成所述目标试验设计点集合。
在一个示例性实施例中，上述试验设计点聚类模块1008具体还用于从所述新增试验设计点中筛选出中心点；根据所述新增试验设计点与所述中心点之间的距离数据，对所述新增试验设计点进行分类，得到试验设计点分组；确定所述试验设计点分组对应的分组中心点，在所述分组中心点的位置信息满足预设的聚类要求的情况下，将所述分组中心点作为所述分组中心点对应的试验设计点分组的聚类中心点。
上述适用于非超立方体约束空间的拉丁超立方设计装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图11所示。该计算机设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中，处理器、存储器和输入/输出接口通过***总线连接，通信接口、显示单元和输入装置通过输入/输出接口连接到***总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作***和计算机程序。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC（近场通信）或其他技术实现。该计算机程序被处理器执行时以实现一种适用于非超立方体约束空间的拉丁超立方设计方法。该计算机设备的显示单元用于形成视觉可见的画面，可以是显示屏、投影装置或虚拟现实成像装置。显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图11中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
需要说明的是，本申请所涉及的用户信息（包括但不限于用户设备信息、用户个人信息等）和数据（包括但不限于用于分析的数据、存储的数据、展示的数据等），均为经用户授权或者经过各方充分授权的信息和数据，且相关数据的收集、使用和处理需要符合相关规定。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器（Read-OnlyMemory，ROM）、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器（ReRAM）、磁变存储器（Magnetoresistive Random Access Memory，MRAM）、铁电存储器（Ferroelectric Random Access Memory，FRAM）、相变存储器（Phase Change Memory，PCM）、石墨烯存储器等。易失性存储器可包括随机存取存储器（Random Access Memory，RAM）或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器（Static Random AccessMemory，SRAM）或动态随机存取存储器（Dynamic RandomAccess Memory，DRAM）等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。
Claims (9)
1.一种适用于非超立方体约束空间的拉丁超立方设计方法，其特征在于，所述方法包括：
根据初始试验设计点和预设数量个维度，生成随机试验设计点集合；获取所述随机试验设计点集合对应的行向量，按照预设的局部搜索方式，对所述行向量进行局部搜索，得到第一中间试验设计点集合；按照预设的扰动策略，对所述第一中间试验设计点集合进行扰动，得到第二中间试验设计点集合；按照所述预设的局部搜索方式，对所述第二中间试验设计点集合进行局部搜索，得到第三中间试验设计点集合；在所述第三中间试验设计点集合满足预设的终止条件的情况下，将所述第三中间试验设计点集合作为初始试验设计点集合；按照预设的约束条件，从所述初始试验设计点集合中筛选出约束试验设计点；所述初始试验设计点集合包括分布在所述预设数量个维度上的初始试验设计点；所述约束试验设计点为满足所述预设的约束条件的所述初始试验设计点；
根据所述预设数量个维度，生成排列数组合；
确定针对所述排列数组合的新增试验设计点；
在所述排列数组合符合预设的排列数组合要求的情况下，按照预设的聚类算法，对所述新增试验设计点进行聚类，得到聚类中心点；
确定所述聚类中心点与所述约束试验设计点之间的距离数据，根据所述距离数据和所述聚类中心点，生成目标试验设计点集合。
2.根据权利要求1所述的方法，其特征在于，所述根据所述预设数量个维度，生成排列数组合，包括：
按照预设的组合方式，对所述预设数量个维度进行组合，得到维度组合；所述维度组合包括至少两个维度；
根据所述维度组合，生成所述排列数组合。
3.根据权利要求1所述的方法，其特征在于，所述确定针对所述排列数组合的新增试验设计点，包括：
获取所述约束试验设计点在第一目标维度上的距离差数据；所述第一目标维度为所述排列数组合中的目标维度组合对应的第一个维度；所述距离差数据表征任意两个所述约束试验设计点之间的距离；
从所述距离差数据中筛选出距离差最大值，获取所述距离差最大值对应的目标约束试验设计点；
获取所述目标约束试验设计点在所述第一目标维度上的位置数据，根据所述位置数据，确定针对所述第一目标维度的新增试验设计点对应的位置数据。
4.根据权利要求3所述的方法，其特征在于，所述确定针对所述第一目标维度的新增试验设计点对应的位置数据之后，所述方法还包括：
获取针对第二目标维度的搜索步长和搜索范围；所述第二目标维度为所述目标维度组合中第一目标维度之后的维度；
按照预设的搜索方式，在所述搜索范围中，确定针对所述第二目标维度的新增试验设计点的候选位置数据；
将满足预设的新增试验设计点要求的候选位置数据作为针对所述第二目标维度的新增试验设计点的位置数据。
5.根据权利要求1所述的方法，其特征在于，所述根据所述距离数据和所述聚类中心点，生成目标试验设计点集合，包括：
在所述距离数据大于或等于预设的距离阈值的情况下，根据所述聚类中心点和所述约束试验设计点，生成所述目标试验设计点集合；
在所述距离数据小于所述预设的距离阈值的情况下，从所述聚类中心点对应的新增试验设计点中筛选出替换试验设计点，根据所述替换试验设计点和所述约束试验设计点，生成所述目标试验设计点集合。
6.根据权利要求1所述的方法，其特征在于，所述按照预设的聚类算法，对所述新增试验设计点进行聚类，得到聚类中心点，包括：
从所述新增试验设计点中筛选出中心点；
根据所述新增试验设计点与所述中心点之间的距离数据，对所述新增试验设计点进行分类，得到试验设计点分组；
确定所述试验设计点分组对应的分组中心点，在所述分组中心点的位置信息满足预设的聚类要求的情况下，将所述分组中心点作为所述分组中心点对应的试验设计点分组的聚类中心点。
7.一种适用于非超立方体约束空间的拉丁超立方设计装置，其特征在于，所述装置包括：
试验设计点筛选模块，用于根据初始试验设计点和预设数量个维度，生成随机试验设计点集合；获取所述随机试验设计点集合对应的行向量，按照预设的局部搜索方式，对所述行向量进行局部搜索，得到第一中间试验设计点集合；按照预设的扰动策略，对所述第一中间试验设计点集合进行扰动，得到第二中间试验设计点集合；按照所述预设的局部搜索方式，对所述第二中间试验设计点集合进行局部搜索，得到第三中间试验设计点集合；在所述第三中间试验设计点集合满足预设的终止条件的情况下，将所述第三中间试验设计点集合作为初始试验设计点集合；按照预设的约束条件，从所述初始试验设计点集合中筛选出约束试验设计点；所述初始试验设计点集合包括分布在所述预设数量个维度上的初始试验设计点；所述约束试验设计点为满足所述预设的约束条件的所述初始试验设计点；
组合生成模块，用于根据所述预设数量个维度，生成排列数组合；
试验设计点新增模块，用于确定针对所述排列数组合的新增试验设计点；
试验设计点聚类模块，用于在所述排列数组合符合预设的排列数组合要求的情况下，按照预设的聚类算法，对所述新增试验设计点进行聚类，得到聚类中心点；
集合确定模块，用于确定所述聚类中心点与所述约束试验设计点之间的距离数据，根据所述距离数据和所述聚类中心点，生成目标试验设计点集合。
8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311378703.3A CN117113732B (zh) | 2023-10-24 | 2023-10-24 | 适用于非超立方体约束空间的拉丁超立方设计方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311378703.3A CN117113732B (zh) | 2023-10-24 | 2023-10-24 | 适用于非超立方体约束空间的拉丁超立方设计方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117113732A CN117113732A (zh) | 2023-11-24 |
| CN117113732B true CN117113732B (zh) | 2024-02-06 |
Family
ID=88805991
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311378703.3A Active CN117113732B (zh) | 2023-10-24 | 2023-10-24 | 适用于非超立方体约束空间的拉丁超立方设计方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117113732B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104933261A (zh) * | 2015-06-29 | 2015-09-23 | 北京理工大学 | 一种高效序列拉丁超立方试验设计方法 |
| CN105740592A (zh) * | 2016-05-05 | 2016-07-06 | 中国人民解放军国防科学技术大学 | 基于序贯采样的拉丁超立方实验设计方法 |
| CN109885877A (zh) * | 2019-01-15 | 2019-06-14 | 江苏大学 | 一种基于聚类算法的约束域优化拉丁超立方设计方法 |
| CN112434448A (zh) * | 2021-01-27 | 2021-03-02 | 中国人民解放军国防科技大学 | 基于多点加点的代理模型约束优化方法和装置 |
| CN114461741A (zh) * | 2022-01-24 | 2022-05-10 | 北京师范大学 | 一种监测样点布设方法及装置 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10503846B2 (en) * | 2018-04-22 | 2019-12-10 | Sas Institute Inc. | Constructing flexible space-filling designs for computer experiments |
-
2023
- 2023-10-24 CN CN202311378703.3A patent/CN117113732B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104933261A (zh) * | 2015-06-29 | 2015-09-23 | 北京理工大学 | 一种高效序列拉丁超立方试验设计方法 |
| CN105740592A (zh) * | 2016-05-05 | 2016-07-06 | 中国人民解放军国防科学技术大学 | 基于序贯采样的拉丁超立方实验设计方法 |
| CN109885877A (zh) * | 2019-01-15 | 2019-06-14 | 江苏大学 | 一种基于聚类算法的约束域优化拉丁超立方设计方法 |
| CN112434448A (zh) * | 2021-01-27 | 2021-03-02 | 中国人民解放军国防科技大学 | 基于多点加点的代理模型约束优化方法和装置 |
| CN114461741A (zh) * | 2022-01-24 | 2022-05-10 | 北京师范大学 | 一种监测样点布设方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117113732A (zh) | 2023-11-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20170337267A1 (en) | System and method for discovering groups whose members have a given attribute | |
| CN117113732B (zh) | 适用于非超立方体约束空间的拉丁超立方设计方法 | |
| CN116932935A (zh) | 地址匹配方法、装置、设备、介质和程序产品 | |
| CN116842171A (zh) | 文章推荐方法、装置、计算机设备和存储介质 | |
| CN115409070A (zh) | 离散数据序列临界点的确定方法、装置以及设备 | |
| CN117290741B (zh) | 车辆聚类方法、装置、计算机设备和存储介质 | |
| CN116882408B (zh) | 变压器图模型的构建方法、装置、计算机设备和存储介质 | |
| CN116894964A (zh) | 后期融合物体图像聚类方法、装置和计算机设备 | |
| CN115063658A (zh) | 目标检测方法、装置、设备、存储介质和程序产品 | |
| CN115470526A (zh) | 基于黑盒模型的对抗攻击数据的处理方法和装置 | |
| CN116719994A (zh) | 媒体对象推荐方法、装置、计算机设备及存储介质 | |
| CN116151896A (zh) | 虚拟产品推荐方法、装置、计算机设备和存储介质 | |
| CN116881546A (zh) | 资源推荐方法、装置、设备和存储介质 | |
| CN118313789A (zh) | 抽水蓄能电站项目管理方案筛选方法 | |
| CN117312892A (zh) | 用户聚类方法、装置、计算机设备和存储介质 | |
| CN117806863A (zh) | 缺陷分析方法、装置、计算机设备和存储介质 | |
| CN118314356A (zh) | 目标网络结构的搜索方法、装置、计算机设备、存储介质 | |
| CN118170867A (zh) | 业务内容获取方法、装置、计算机设备、介质和程序产品 | |
| CN117150311A (zh) | 数据处理方法、装置、设备和存储介质 | |
| CN115170296A (zh) | 业务对象识别模型的获取方法、装置和计算机设备 | |
| CN116894112A (zh) | 数据分类方法、装置、计算机设备及其存储介质 | |
| CN116452341A (zh) | 金融产品推荐方法、装置、计算机设备和存储介质 | |
| CN117033451A (zh) | 搜索方法、装置、计算机设备和存储介质 | |
| CN116881297A (zh) | 缓存内容排序方法、装置、计算机设备和存储介质 | |
| CN118227677A (zh) | 信息推荐及信息推荐模型处理方法、装置、设备和介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |