Nearly Orthognal Latin Hypercube Generatior
pynolh的Python项目详细描述
这个库允许根据 Cioppa(2007)和De Rainville等人。(2012)及其参考。
安装
克隆存储库
$ git clone http://github.com/fmder/pynolh.git
从克隆的目录中键入
$ python setup.py install
Pynolh需要Numpy。
用法
这个库包含一个生成器和一个函数来检索必要的参数 从期望的维度。要从一致性置换生成6维nolh:
import pynolh dim = 6 m, q, r = pynolh.params(dim) conf = range(q) remove = range(dim - r, dim) nolh = pynolh.nolh(conf, remove)
返回的nolh是一个numpy数组,其中一行是一个示例。
您还可以从随机排列配置向量生成nolh并移除随机列:
import pynolh import random dim = 6 m, q, r = pynolh.params(dim) conf = random.sample(range(q), q) remove = random.sample(range(q), r) nolh = pynolh.nolh(conf, remove)
nolh()函数接受具有[0 q-1]或[1 q]中数字的配置。
import pynolh dim = 6 m, q, r = pynolh.params(dim) conf = range(1, q + 1) remove = range(dim - r + 1, dim + 1) nolh = pynolh.nolh(conf, remove)
库中提供了一些预先构建的配置。conf模块属性是一个字典,维度作为键,配置列作为值移除对。
import pynolh conf, remove = pynolh.CONF[6] nolh = pynolh.nolh(conf, remove)
尺寸2到7的配置来自CIOPPA(2007),8到29的配置来自De Rainville等人。2012年。
配置存储库
有关更多配置,请参见Quasi Random Sequences Repository。
参考文献
Cioppa,T.M.,&Lucas,T.W.(2007年)。有效的近似正交拉丁超立方体和空间填充。technometrics,49(1)。
de Rainville,F.-M.,Gagné,C.,Teytaud,O.,和Laurendeau,D.(2012年)。低差分序列的进化优化。acm建模与计算机模拟事务(tomacs),22(2),9。