pynolh 0.1

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。