拉丁超立方抽样算法的数学原理与MATLAB程序实现代码详解

在ISIGHT软件DOE试验设计中在这部分里，有一种拉丁超立方抽样的方法，这个拉丁超立方到底是神马，笔者将为您揭开它神秘的外衣。

假如数据中有N 个变量，而我们想抽取的样本的数量是M,那么在对数据进行抽样的时候，这种方法首先会把N个变量的设计空间均匀的划分开为M份，然后在每个划分好的区域中随机的抽取一点，最后，从这M个变量里，随机挑选之前选好的点，构成我们的样本。如下图所示：

具体的程序设计思路如下：
（1） 将每一维分成互不重迭的m个区间，使得每个区间有相同的概率 （通常考虑一个均匀分布，这样区间的长度相同）。
（2） 在每一维里的每一个区间中随机的抽取一个点；
（3） 再从每一维里随机抽出步骤（2）中选取的点，将它们组成向量。

这段程序的使用时，需要输入需要的采样数量N,P的最小范围与最大范围，而输出的结果就是问我们所需要的样本。

拉丁超立法抽样算法原理及matlab代码程序.pdf

武汉格发信息技术有限公司，格发许可优化管理系统可以帮你评估贵公司软件许可的真实需求，再低成本合规性管理软件许可,帮助贵司提高软件投资回报率，为软件采购、使用提供科学决策依据。支持的软件有: CAD,CAE,PDM,PLM,Catia,Ugnx, AutoCAD, Pro/E, Solidworks ,Hyperworks, Protel,CAXA,OpenWorks LandMark,MATLAB,Enovia,Winchill,TeamCenter,MathCAD,Ansys, Abaqus,ls-dyna, Fluent, MSC,Bentley,License,UG,ug,catia,Dassault Systèmes,AutoDesk,Altair,autocad,PTC,SolidWorks,Ansys,Siemens PLM Software,Paradigm,Mathworks,Borland,AVEVA,ESRI,hP,Solibri,Progman,Leica,Cadence,IBM,SIMULIA,Citrix,Sybase,Schlumberger,MSC Products...