摘要

统计中的许多计算问题都可以归结为随机程序,它们是以多维积分为目标函数的优化问题。样本平均近似方法被广泛用于解决此类问题,它首先构造目标函数的基于抽样的近似,然后找到近似问题的解。独立同分布抽样是构造此类近似的一种普遍选择。最近发现,使用拉丁超立方体设计可以改进样本平均近似。在计算机实验中,U型众所周知,这种设计比拉丁超立方体设计具有更好的空间填充特性。受此启发,我们建议使用U型设计进一步提高样本平均逼近方法的精度。推导出的理论结果表明U型设计可以显著优于拉丁超立方体设计。提供了数值例子来证实所发展的理论结果。

此内容仅以PDF格式提供。
您当前没有访问此文章的权限。