多波次计算机实验的高效均匀设计
统计方法学
2013-09-16 v1
摘要
本文解决了在先前实验已确定为值得进一步研究的计算机模型输入空间的极小子区域中生成均匀设计的问题。该方法能够在由连续函数通过阈值测试定义的成员函数所规定的计算机模型输入空间子区域中生成均匀设计，且当这些子区域很小时，其效率远高于当前方法。我们的应用是针对那些未被历史匹配法排除的输入空间区域进行设计；历史匹配法是一种应用于众多不同科学领域的统计方法，它利用模型运行来剔除与现实世界观测不相容的输入空间区域。历史匹配法以称为“不合理度”的距离度量形式，为尚未被观测排除的输入空间区域定义了一个成员函数。我们利用该距离度量驱动一种新型进化蒙特卡洛算法，其目标分布为尚未被排除区域上的均匀分布。该算法能够在具有复杂甚至不连通拓扑结构的计算机模型输入空间的极小子空间内定位并生成均匀点。我们通过若干理想化示例说明了该技术与当前方法相比的性能。随后，我们将该算法应用于为一个名为 GALFORM 的星系模拟模型生成尚未被排除区域的最优设计，该模型此前已进行了 4 轮历史匹配，其目标区域仅为输入空间体积的 0.001%。
引用
@article{arxiv.1309.3520,
title = {Efficient uniform designs for multi-wave computer experiments},
author = {Daniel Williamson and Ian Vernon},
journal= {arXiv preprint arXiv:1309.3520},
year = {2013}
}