×
史、文;陈敖;谢湘

生成并验证无模型因子筛选的聚类抽样矩阵。 （英语） Zbl 07765861号

欧洲药典。研究。 313，编号1，241-257（2024）.
摘要：莫里斯的基本效应筛选（MM）已广泛应用于各种领域，以确定许多可能因素中的几个重要因素。在MM中，与非聚类抽样相比，聚类抽样节省了大量的计算量，但构建一个聚类抽样矩阵仍然是一个挑战，该矩阵能为每个因素产生任何特定数量的基本效应。在本文中，我们彻底解决了这个问题。通过引入“虚拟”子块矩阵，我们揭示了完整簇抽样矩阵中不同块抽样矩阵之间的数学关联。通过利用这一特性，我们提出了一种易于实现的自适应簇抽样（ACS）能够识别要使用的适当子块采样矩阵的方法。与现有的强制方法相比，它的优点是可以提供易于获得的聚类采样矩阵，并且可以应用于具有给定先验的任意数量因子的计算模型。我们通过分析证明和仿真实验证明了ACS的吸引人的特性。我们通过实际案例研究展示了ACS的健壮性。我们的算法代码可以在线获得。

MSC公司：

900亿 运筹学与管理科学

关键词：

模拟;因子筛选;集群抽样;基本效应法;模拟实验
PDF格式BibTeX公司 XML格式引用
\textit{W.Shi}等人，《欧洲期刊》。313号决议，第1号，241--257（2024；Zbl 07765861）
全文： 内政部

参考文献：

[1] 安肯曼，B.E。；Cheng，R.C.H。；Lewis，S.M.，通过序列分叉筛选分散效应，ACM建模与计算机模拟汇刊，1001001-27（2014）·Zbl 1368.68311号
[2] 博尔戈诺沃，E。；Pangallo，M。；Rivkin，J。；Rizzo，L。；Siggelkow，N.，基于代理模型的敏感性分析：新协议，计算和数学组织理论，28，1，52-94（2022）
[3] 博尔戈诺沃，E。；Plischke，E.，《敏感性分析：最新进展综述》，《欧洲运筹学杂志》，248，3，869-887（2016）·Zbl 1346.90771号
[4] 博尔戈诺沃，E。；Rabitti，G.，《筛查：从龙卷风图到有效维度》，《欧洲运筹学杂志》，304，3，1200-1211（2023）·Zbl 07594696号
[5] 布库瓦拉斯，A。；Gosling，J.P。；Maruri-Aguilar，H.，《计算机实验的有效筛选方法》，《技术计量学》，56，4，422-431（2014）
[6] Bradley，J.A。；Hülse，D。；拉罗，D.E。；Arndt，S.，《海洋沉积物中有机碳的转移效率》，《自然通讯》，13，1，7297（2022）
[7] Campolongo，F。；Braddock，R.，《图论在模型输出灵敏度分析中的应用：二阶筛选法》，可靠性工程与系统安全，64，1，1-12（1999）
[8] Campolongo，F。；Cariboni，J。；Saltelli，A.，《大型模型敏感性分析的有效筛选设计》，环境建模与软件，22，10，1509-1518（2007）
[9] 克拉克，L.E。；辛格，J.，《关于圆置换》，《美国数学月刊》，65，8，609-610（1958）·Zbl 0083.00306号
[10] Cropp，R.A。；Braddock，R.D.，《新莫里斯方法：一种有效的二阶筛选方法》，可靠性工程与系统安全，78，1，77-83（2002）
[11] 国际标准刊号0024-3795·Zbl 1508.15008号
[12] Fédou，J.M。；Rendas，M.J.，《扩展莫里斯方法：使用循环公平设计识别交互图》，《统计计算与模拟杂志》，85，7，1398-1419（2015）·Zbl 1457.62240号
[13] Fkh，P。；陈，R.B。；Wang，W。；Wong，W.K.，使用群智能技术优化两级过饱和设计，技术计量学，58，1，43-49（2016）
[14] 弗拉乔莱特，P。；Sedgewick，R.，《分析组合学》（2009），剑桥大学出版社·Zbl 1165.05001号
[15] 绿色，B。；Tao，T.，Möbius函数与nilsequences强正交，数学年鉴，175,2541-566（2012）·Zbl 1347.37019号
[16] Iooss，B。；Saltelli，A.，《敏感性分析导论》，1103-1122（2017），Cham:Springer International Publishing
[17] Jpc，K.，《模拟实验的设计与分析》（2015），纽约：Springer US·Zbl 1321.62006年
[18] Jpc，K.，《模拟实验的设计与分析：教程》，135-158（2017），Cham:Springer International Publishing
[19] Jpc，K。；van Beers，W.，《克里格模型交叉验证的统计检验》，《信息计算杂志》，34，1，607-621（2022）·兹伯利07549396
[20] 法学硕士。；Kelton，W.D.，《仿真建模与分析》（2007），Mcgraw-Hill:Mcgraw-Hill纽约
[21] 国际标准期刊号2073-8994
[22] 刘，L。；Byun，J.H。；帕克，C。；Ma，Y.，偏正态响应模型下模拟因子筛选的改进序贯分岔，计算机与工业工程，169108274（2022）
[23] Mavromatidis，G。；Orehounig，K。；Carmeriet，J.，《不确定性下分布式能源系统的设计：两阶段随机规划方法》，应用能源，222932-950（2018）
[24] Morris，M.D.，《初步计算实验的因子抽样计划》，《技术计量学：物理、化学和工程科学统计杂志》，33，2，161-174（1991）
[25] Pujol，G.，估算元模型的基于Simplex的筛选设计，可靠性工程与系统安全，94，7，1156-1160（2009）
[26] 桑特纳，T.J。；威廉姆斯，B.J。；Notz，W.I.，敏感性分析和变量筛选，计算机实验的设计和分析，247-297（2018），纽约州纽约市：施普林格·Zbl 1405.62110号
[27] Sargent，R.G.，《仿真模型的验证与确认》，《仿真杂志》，2013年第7期，第1期，第12-24页
[28] 萨卡，S。；Rajagopalan，B.，《消费者安全投诉与组织学习：来自汽车行业的证据》，《国际质量与可靠性管理杂志》，35，10，2094-2118（2018）
[29] 沈，H。；Wan，H。；Sanchez，S.M.，《模拟因子筛选的混合方法》，海军研究后勤（NRL），57，1，45-57（2010）·Zbl 1185.65112号
[30] 沈，M。；Wang，L。；邓，T.，《数字孪生兄弟：是什么，为什么要这样做，以及运筹学的研究机会》，《SSRN电子期刊》（2021）
[31] Shi，W。；Chen，X.，Morris方法的集群抽样变得简单，海军研究后勤（NRL），68，4，412-433（2021）·Zbl 07750864号
[32] Shi，W。；陈，X。；Shang，J.，《基于Morris方法的模拟因子筛选高效框架》，《信息计算杂志》，31，4，745-770（2019）·Zbl 1451.90005号
[33] Shi，W。；冷，K。；Van Nieuwenhuyse，I。；刘，Y。；Chen，X.，《汽车召回在新兴市场的表现：来自中美比较的证据》，《交通研究A部分：政策与实践》，132290-307（2020）
[34] Shia，W.H.，《圆形排列的一般公式》，《美国数学月刊》，64，5，347-348（1957）·Zbl 0077.01902
[35] van Heeswijk，W.J.，W.J.（美国）。；梅斯，M.R。；舒顿，J。；Zijm，W.，《使用基于代理的模拟评估城市物流方案》，《运输科学》，54，3，651-675（2020）
[36] Wan，H。；安肯曼，B.E。；Nelson，B.L.，《受控序列分岔：离散事件模拟的新因子筛选方法》，运筹学，54，4，743-755（2006）
[37] 万，H。；安肯曼，B.E。；Nelson，B.L.，《提高模拟因子筛选中受控顺序分岔的效率和功效》，《计算信息杂志》，22，3，482-492（2010）·Zbl 1243.62110号
[38] 伍兹特区。；Lewis，S.M.，《筛选实验设计》，1-43（2016），Cham:Springer International Publishing
[39] 吴昌杰。；Hamada，M.S.，《实验：规划、分析和优化》（2011），John Wiley&Sons
[40] Wu，J.，《基于基本效应的筛选方法的新序贯空间填充采样策略》，应用数学模型，83，419-437（2020）·Zbl 1481.62052号
[41] 出版中
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。