数学物理学报, 2022, 42(6): 1802-1811 doi:

论文

U-型设计的对称化L2-偏差的下界

雷轶菊,1, 欧祖军,2

1 新乡学院数学与统计学院, 河南新乡 453003

2 吉首大学数学与统计学院, 湖南吉首 416000

Lower Bounds for the Symmetric L2-Discrepancy of U-type Designs

Lei Yiju,1, Ou Zujun,2

1 College of Mathematics and Statistics, Xinxiang University, Henan xinxiang 453003

2 College of Mathematics and Statistics, Jishou University, Hunan Jishou 416000

通讯作者: 欧祖军, E-mail: ozj9325@mail.ccnu.edu.cn

收稿日期: 2021-07-22  

基金资助: 国家自然科学基金.  11961027
国家自然科学基金.  12161040
国家自然科学基金.  11701213
湖南省自然科学基金.  2021JJ30550
湖南省自然科学基金.  2020JJ4497

Received: 2021-07-22  

Fund supported: the NSFC.  11961027
the NSFC.  12161040
the NSFC.  11701213
the Natural Science Foundation of Hunan Province.  2021JJ30550
the Natural Science Foundation of Hunan Province.  2020JJ4497

作者简介 About authors

雷轶菊,E-mail:leiyiju2001@sina.com , E-mail:leiyiju2001@sina.com

Abstract

Uniform design is one of the main methods of fractional factorials, which has been widely used in industrial production, systems engineering, pharmacy and other natural sciences. Various discrepancies are used to measure the uniformity of fractional factorials, the key is to find an accurate lower bound of the discrepancy, because it can be used as a benchmark which measures uniformity of design. In this paper, the lower bounds for the symmetric L2-discrepancy on symmetrical U-type designs with four-level and asymmetrical U-type designs with two and three mixed levels and two and four mixed levels are abtained.

Keywords: U-type design ; Symmetric L2-discrepancy ; Lower bound

PDF (379KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

雷轶菊, 欧祖军. U-型设计的对称化L2-偏差的下界. 数学物理学报[J], 2022, 42(6): 1802-1811 doi:

Lei Yiju, Ou Zujun. Lower Bounds for the Symmetric L2-Discrepancy of U-type Designs. Acta Mathematica Scientia[J], 2022, 42(6): 1802-1811 doi:

1 引言

均匀设计是部分因子设计的主要方法之一, 要求试验点均匀地分布在试验区域里, 从而有可能用较少的试验次数获得期望的结果. 均匀设计也是计算机仿真试验设计的重要方法之一, 同时还是一种稳健试验设计. 均匀设计产生于二十世纪七十年代末, 如今已被广泛地应用于工业生产、系统工程、制药及其他自然科学中. 随着均匀设计的应用不断被推广和深入, 相应有关均匀设计的理论也不断被建立和完善.

在构造均匀设计时, 如何度量其均匀性是一个十分关键的问题. 在Fang和Wang[1]提出均匀设计之初, 均匀性是采用数论(伪蒙特卡罗)方法中常用的$ L_{p} $-偏差, 随后Hickernell[2-3]指出$ L_{p} $-偏差的一些缺陷, 并相应地提出了一系列改进的$ L_{p} $-偏差, 如中心化$ L_{2} $-偏差(CD)、可卷$ L_{2} $-偏差(WD)、对称化$ L_{2} $-偏差(SD). Hickernell和Liu[4], Zhou等[5], Chatterjee和Qin[6]先后提出了离散偏差(DD)、Lee偏差和广义离散偏差(GDD) 来度量部分因子设计的均匀性. 各种偏差都有自己的特点, 不管使用哪种偏差, 关键的问题是寻找一个精确的偏差下界, 因为它可以作为衡量设计均匀性的标准.

一个下界如果可以达到, 则称之为严格下界; 否则, 称之为保守下界. 寻找一个严格的偏差下界是十分有意义的. 近二十年来, 关于寻求各种偏差下界的讨论不断见诸文献. Fang和Mukerjee[7]首先给出了$ 2 $水平正规部分因子设计中心化$ L_{2} $-偏差的下界. Fang等[8]给出了$ 2 $水平和$ 3 $水平部分因子设计关于其正交性、混杂性和均匀性之间的解析关系, 并得到了$ 2 $水平部分因子设计的中心化$ L_{2} $-偏差、对称化$ L_{2} $-偏差和可卷$ L_{2} $-偏差的严格下界, 以及$ 3 $水平部分因子设计的可卷$ L_{2} $-偏差的下界, 这些下界对正规设计和非正规设计同样适用. Fang等[9]$ 2 $水平对称因子设计得到了中心化$ L_{2} $-偏差和可卷$ L_{2} $-偏差的新的下界, 并给出了$ 3 $水平可卷$ L_{2} $-偏差的新的下界. Chatterjee等[10]首先给出了某类混水平因子设计的可卷$ L_{2} $-偏差的下界, 并发现混水平因子设计的均匀性(以可卷$ L_{2} $-偏差度量的)、正交性和混杂性之间的关系. Chatterjee等[11]又给出了非对称因子设计的中心化$ L_{2} $-偏差的下界. Wang等[12]得到了$ 2 $水平对称化$ L_{2} $-偏差的新的下界以及$ p\times 2^s $混水平因子设计在对称化$ L_{2} $-偏差下的下界. Qin和Li[13]得到了对称部分因子设计在$ q $水平离散偏差下的下界. Qin和Fang[14]给出了$ q_{1}^{s_{1}}\times q_{2}^{s_{2}} $设计在离散偏差(DD)下的下界. Qin和Fang[14]又得到了广义离散偏差(GDD) 与正交性、广义最小混杂、最小矩混杂这些最优性准则之间的联系, 并得到了GDD的严格下界. Fang等[15]给出了对称因子设计在$ 3 $水平和$ 4 $水平下中心化$ L_2 $-偏差的下界. Chatterjee[16]基于中心化$ L_{2} $-偏差和可卷$ L_{2} $-偏差从均匀性的角度通过两种变换考察了高效$ 4 $水平均匀设计的构造和初始$ 2 $水平设计的一些下界, 可用这些下界来评估被构造的$ 4 $水平设计的效率. 覃红等[17]通过修正格雷映射编码变换来构造用于计算机试验的$ 4 $水平的均匀设计, 其效率通过离散偏差(DD)进行刻画, 同时也给出了离散偏差的下界, 这个下界可用作最优设计的一个基准. Hu等[18]以格雷映射(Gray map)码为基础, 提出Lee偏差下最优$ 4 $水平设计的一般构造方法, 指出当初始$ 2 $水平设计有较小混杂时, 被构造的$ 4 $水平设计通常有较小的混杂和较低的偏差. Qin等[19]首先获得了$ 2 $$ 3 $混水平因子设计的可卷$ L_{2} $-偏差值下界. Zhou和Ning[20]进一步得到了一般非对称型设计的可卷$ L_{2} $-偏差值的一些下界. Zhang等[21]给出了$ 2 $$ 3 $混水平因子设计的可卷$ L_{2} $-偏差值的一个新的下界. 雷轶菊和欧祖军[22]讨论了$ 3 $水平U-型设计的对称化$ L_{2} $-偏差的下界.

本文针对$ 4 $水平U-型设计和2、3混水平以及2、4混水平U-型设计, 考虑其对称化$ L_2 $-偏差下的均匀性, 并获得了其下界, 它们可作为寻找均匀设计的基准.

第2节介绍U-型设计的概念和对称化$ L_2 $-偏差. 第3节讨论4水平U-型设计的对称化$ L_2 $-偏差值的下界. 第4节分别讨论了2、3混水平和2、4混水平设计的对称化$ L_2 $-偏差的下界. 最后我们用两个例子来验证理论结果的正确性.

2 基本概念和背景

现有研究主要集中在从中心化$ L_2 $-偏差、可卷$ L_2 $-偏差以及混合偏差测度下考虑均匀设计的构造问题. 由于中心化$ L_2 $-偏差对位于中心点附近的区域关注比较少, 因此该偏差对中心点附近的设计点是否散布均匀关注较少. 在中心化$ L_2 $-偏差的意义下, 随着因子个数的增大, 集中在中心点的程度加剧. 因此, 作为均匀性度量, 中心化$ L_2 $-偏差具有严重的维数祸根问题. 在这种意义下, 中心化$ L_2 $-偏差并不是一个理想的均匀性度量, 尤其对于高维情形. WD有许多好的性质, 但WD不能区分设计阵的平移变换, 即对任何设计阵沿着任何一个坐标轴进行平移变换, 其WD值都不会发生改变. 但可卷$ L_2 $-偏差的维数灾难问题并不严重. 针对WD和CD存在的这两个缺点, Zhou等[23]提出一个新的偏差, 称为混合偏差(MD), MD是对WD和CD简单修正后, 加权相加得到的. 均匀性测度这种直接的加权办法综合了两种偏差的优点, 同时在一定程度上削弱了WD和CD的缺点, 但由原始定义带来的本质缺陷并未彻底消失. 从各种偏差定义的本源上可以看出, SD相较于WD和CD有更好的几何性质, SD给实验目标区域内任何点的权重都是相同的, 这在直观上更符合均匀性的要求. 因此相对于WD和CD, SD有更强的直观统计意义.

一个$ U $-型设计$ U(n; q^{m}) $是具有$ n $个处理、$ m $$ q $水平因子的设计, 它对应于一个$ n\times m $的矩阵$ d=({ d}_{1}, \cdots , { d}_{m}) $, 每个列(因子) $ { d}_{i} $取值于$ q $个元素的集合$ \{1, \cdots , q\} $且每个元素出现的次数相同, $ i=1, \cdots , m $.$ {\cal U}(n; q^{m}) $表示所有$ U(n; q^{m}) $设计的集合.

对任意一个设计$ d=(d_{il})_{n\times m}\in{\cal U}(n; q^m) $, 可定义映射

则映射$ f $将设计$ d $$ n $个行映射成$ C^m=[0, 1)^{m} $中的$ n $个点, 即任意处理组合$ d_i=(d_{i1}, \cdots , d_{im}) $通过$ f $都能映射成$ x_i=(x_{i1}, \cdots , x_{im})\in[0, 1)^m $. 对给定设计$ d\in{\cal U}(n; q^m) $, 其对称化$ L_{2} $-偏差的计算公式可表示为

3 4水平$ U\! $-型设计的对称化$ L_2 $-偏差的下界

对任意的设计$ d\in{\cal U}(n; q^m) $, 当$ q=4 $时有$ x_{il}\in\{\frac{1}{8}, \frac{3}{8}, \frac{5}{8}, \frac{7}{8}\} $, 因此

$ \sharp A $表示集合$ A $中元素的个数, 对$ i, j=1, \cdots , n $, 定义

对于$ r^{1}_{ij}, \alpha^{1}_{ij}, \beta^{1}_{ij}, \gamma^{1}_{ij} $有如下结论.

引理3.1   对任意的设计$ d\in{\cal U}(n; 4^m) $

(1)  $ \sum\limits_{i=1}^{n}r^{1}_{ii}=\frac{mn}{2} $;

(2)  $ \sum\limits_{i=1}^{n}\sum\limits_{j(\neq i)=1}^{n}\alpha^{1}_{ij}=\frac{3mn^2}{8}, \ \alpha^{1}_{ii}=0; $

(3)  $ \sum\limits_{i=1}^{n}\sum\limits_{j(\neq i)=1}^{n}\beta^{1}_{ij}=\frac{mn^2}{4}, \ \beta^{1}_{ii}=0; $

(4)  $ \sum\limits_{i=1}^{n}\sum\limits_{j(\neq i)=1}^{n}\gamma^{1}_{ij}=\frac{mn^2}{8}, \ \gamma^{1}_{ii}=0. $

利用$ r^{1}_{ij}, \alpha^{1}_{ij}, \beta^{1}_{ij}, \gamma^{1}_{ij} $, 可将$ [SD_2(d)]^2 $表示为如下定理3.1的形式.

定理3.1   对任意的设计$ d\in{\cal U}(n; 4^{m}) $

$ \begin{eqnarray} [SD_2(d)]^2=C_1-\frac{2}{n}\left(\frac{39}{32}\right)^m\sum\limits_{i=1}^{n}\left(\frac{47}{39}\right)^{r^{1}_{ii}} +\frac{2^{m}}{n^{2}}\sum\limits_{i=1}^{n}\sum\limits_{j\neq i}^{n}\left(\frac{3}{4}\right)^{\alpha^{1}_{ij}}\left(\frac{1}{2}\right)^ {\beta^{1}_{ij}}\left(\frac{1}{4}\right)^{\gamma^{1}_{ij}}, \end{eqnarray} $

其中$ C_1=\left(\frac{4}{3}\right)^m+\frac{2^m}{n} $.

根据定理3.1中$ [SD_2(d)]^2 $表达式, 可获得$ [SD_2(d)]^2 $如下的下界.

定理3.2   对任意的设计$ d\in{\cal U}(n; 4^{m}) $$ [SD_2(d)]^2\geq LB(n, 4^{m}) $, 其中

为证明定理3.2, 需要如下引理.

引理3.2   设$ x_{ki}\geq 0 $, 满足$ \sum\limits_{i=1}^{n}x_{ki}=c_{k}, i=1, \cdots , n, k=1, \cdots , r $, 对任意正数$ \mu_{1}, \cdots , \mu_{r} $$ \sum\limits_{i=1}^{n}\mu_{1}^{x_{1i}}\cdots\mu_{r}^{x_{ri}}\geq n\mu_{1}^{\frac{c_{1}}{n}}\cdots\mu_{r}^{\frac{c_{r}}{n}}. $

下面给出定理3.2的证明.

  令$ g(r^{1}_{11}, \cdots , r^{1}_{nn})=-\frac{2}{n}\left(\frac{39}{32}\right)^{m}\sum\limits_{i=1}^{n}\left(\frac{47}{39}\right)^{r^{1}_{ii}} $, 由$ r^{1}_{ii} $定义可知其为取值$ \{0, \cdots , m\} $中的元素且满足$ \sum\limits_{i=1}^{n}r^{1}_{ii}=\frac{mn}{2} $.

$ L $分别求关于$ r^{1}_{ii}, i=1, \cdots , n $$ \lambda $的偏导并令其为0, 可得

解上述方程组得$ r^{1}_{11}=\cdots=r^{1}_{nn}=\frac{m}{2} $, $ \lambda=\frac{2}{n}\left(\frac{39}{32}\right)^{m}\left(\frac{47}{39}\right)^{\frac{m}{2}}\ln\frac{47}{39} $. 所以$ g(r^{1}_{11}, \cdots , r^{1}_{nn}) $的最大值点在$ (\frac{m}{2}, \cdots , \frac{m}{2}) $处取得, 因为$ g(r^{1}_{11}, \cdots , r^{1}_{nn}) $只有一个极值点, 且$ g(r^{1}_{11}, \cdots , r^{1}_{nn}) $为凸函数, 所以其最小值在边界点$ (\frac{mn}{2}, 0, \cdots , 0) $处取得. 因此

等号成立当且仅当$ r^{1}_{11}=\frac{mn}{2}, r^{1}_{22}=\cdots=r^{1}_{nn}=0 $. 再由引理3.2易知

所以$ [SD_2(d)]^2\geq LB(n, 4^{m}) $. 证毕.

4 非对称$ U\! $-型设计的对称化$ L_2 $-偏差值的下界

下面考虑$ 2\mbox{、} $ 3混水平和$ 2\mbox{、} $ 4混水平两种非对称U-型设计情况下对称化$ L_2 $-偏差的下界.

$ d\in{\cal U}(n; q_{1}^{m_{1}}\times q_{2}^{m_{2}}), m_{1}+m_{2}=m $, 则其对称化$ L_2 $-偏差可表示为

4.1 2、3混水平设计

$ d\in{\cal U}(n; 2^{m_{1}}\times 3^{m_{2}}), m_{1}+m_{2}=m $, 即$ q_{1}=2, q_{2}=3 $, 当$ l=1, \cdots , m_1 $时, $ x_{il}\in\{\frac{1}{4}, \frac{3}{4}\} $, 因此$ 1+2x_{il}-2x^2_{il}=\frac{11}{8} $

$ l=m_1+1, \cdots , m $时有$ x_{il}\in\{\frac{1}{6}, \frac{1}{2}, \frac{5}{6}\} $, 因此

对于上述$ r^{2}_{ij}, \alpha^{2}_{ij}, \beta^{2}_{ij}, \gamma^{2}_{ij} $有如下结论.

引理4.1   对任意的设计$ d\in{\cal U}(n; 2^{m_{1}}\times 3^{m_{2}}) $

(1) $ \sum\limits_{i=1}^{n}r^{2}_{ii}=\frac{m_{2}n}{3} $;

(2) $ \sum\limits_{i=1}^{n}\sum\limits_{{j=1 \atop j\neq i}}^{n}\alpha^{2}_{ij}=\frac{4m_2n^2}{9}, \alpha^{2}_{ii}=0, i=1, \cdots , n; $

(3) $ \sum\limits_{i=1}^{n}\sum\limits_{{j=1 \atop j\neq i}}^{n}\beta^{2}_{ij}=\frac{2m_2n^2}{9}, \beta^{2}_{ii}=0, i=1, \cdots , n; $

(4) $ \sum\limits_{i=1}^{n}\sum\limits_{{j=1 \atop j\neq i}}^{n}\gamma^{2}_{ij}=\frac{m_1n^2}{2}, \gamma^{2}_{ii}=0, i=1, \cdots , n. $

对任意的设计$ d\in{\cal U}(n; 2^{m_{1}}\times 3^{m_{2}}) $, 利用$ r^{2}_{ij}, \alpha^{2}_{ij}, \beta^{2}_{ij}, \gamma^{2}_{ij} $, 可获得$ [SD_2(d)]^2 $的如下定理4.1所示的表达式.

定理4.1   对任意的设计$ d\in{\cal U}(n; 2^{m_{1}}\times 3^{m_{2}}) $

$ \begin{equation} [SD_2(d)]^2=C_1-\frac{2}{n}\Big(\frac{11}{8}\Big)^{m_{1}}\Big(\frac{23}{18}\Big)^{m_{2}}\sum\limits_{i=1}^{n} \left(\frac{27}{23}\right)^{r^{2}_{ii}} +\frac{2^{m}}{n^{2}}\sum\limits_{i=1}^{n}\sum\limits_{j\neq i}^{n}\left(\frac{2}{3}\right)^{\alpha^{2}_{ij}}\left(\frac{1}{3}\right)^ {\beta^{2}_{ij}}\left(\frac{1}{2}\right)^{\gamma^{2}_{ij}}, \end{equation} $

其中$ C_1 $如定理3.1所示.

由定理4.1中$ [SD_2(d)]^2 $的表达式可得$ [SD_2(d)]^2 $如下的下界.

定理4.2   对任意的设计$ d\in{\cal U}(n; 2^{m_{1}}\times 3^{m_{2}}) $$ [SD_2(d)]^2\geq LB(n, 2^{m_{1}}\times 3^{m_{2}}) $, 其中

其中$ C_1 $如定理3.1所示.

$ m_{2}=0 $$ m_{1}=0 $时, 设计$ d $变成对称U-型设计, 其对称化$ L_2 $-偏差有如下推论.

推论4.1   (1) 对任意的设计$ d\in{\cal U}(n; 2^m) $$ [SD_2(d)]^2\geq LB(n, 2^m), $其中

其中$ C_1 $如定理3.1所示.

(2) 对任意的设计$ d\in{\cal U}(n; 3^{m}) $$ [SD_2(d)]^2\geq LB(n, 3^{m}), $其中

其中$ C_1 $如定理3.1所示.

4.2 2、4混水平设计

$ d\in{\cal U}(n; 2^{m_1}\times 4^{m_2}), m_{1}+m_{2}=m $, 即$ q_{1}=2, q_{2}=4 $, 当$ l=1, \cdots , m_1 $时有$ x_{il}\in\{\frac{1}{4}, \frac{3}{4}\} $, 因此$ 1+2x_{il}-2x^2_{il}=\frac{11}{8} $

$ l=m_1+1, \cdots , m $时有$ x_{il}\in\{\frac{1}{8}, \frac{3}{8}, \frac{5}{8}, \frac{7}{8}\} $, 因此

对于上述定义$ r^{3}_{ij}, \alpha^{3}_{ij}, \beta^{3}_{ij}, \gamma^{3}_{ij}, \xi_{ij} $有如下结论.

引理4.2   对任意的设计$ d\in{\cal U}(n; 2^{m_1}4^{m_2}) $

(1) $ \sum\limits_{i=1}^{n}r^{3}_{ii}=\frac{m_2n}{2} $;

(2) $ \sum\limits_{i=1}^{n}\sum\limits_{{j=1 \atop j\neq i}}^{n}\alpha^{3}_{ij}=\frac{3m_2n^2}{8}, \ \alpha^{1}_{ii}=0, i=1, \cdots , n; $

(3) $ \sum\limits_{i=1}^{n}\sum\limits_{{j=1 \atop j\neq i}}^{n}\beta^{3}_{ij}=\frac{m_2n^2}{4}, \ \beta^{1}_{ii}=0, i=1, \cdots , n; $

(4) $ \sum\limits_{i=1}^{n}\sum\limits_{{j=1 \atop j\neq i}}^{n}\gamma^{3}_{ij}=\frac{m_2n^2}{8}, \ \gamma^{1}_{ii}=0, i=1, \cdots , n; $

(5) $ \sum\limits_{i=1}^{n}\sum\limits_{{j=1 \atop j\neq i}}^{n}\xi_{ij}=\frac{m_{1}n^2}{2}, \xi_{ii}=0, i=1, \cdots , n. $

对任意的设计$ d\in{\cal U}(n; 2^{m_{1}}\times 4^{m_{2}}) $, 利用$ r^{3}_{ij}, \alpha^{3}_{ij}, \beta^{3}_{ij}, \gamma^{3}_{ij}, \xi_{ij} $, 可获得$ [SD_2(d)]^2 $如下定理4.3所示的表达式.

定理4.3   对任意的设计$ d\in{\cal U}(n; 2^{m_{1}}\times 4^{m_{2}}) $

$ \begin{equation} [SD_2(d)]^2=C_1-\frac{2}{n}\Big(\frac{11}{8}\Big)^{m_1}\Big(\frac{39}{32}\Big)^{m_2}\sum\limits_{i=1}^{n}\left(\frac{47}{39}\right)^{r^{3}_{ii}} +\frac{2^m}{n^2}\sum\limits_{i=1}^{n}\sum\limits_{j\neq i}^n\left(\frac{1}{2}\right)^ {\xi_{ij}+\beta^{3}_{ij}+2\gamma^{3}_{ij}}\left(\frac{3}{4}\right)^{\alpha^{3}_{ij}}, \end{equation} $

其中$ C_1 $如定理3.1所示.

基于定理4.3所示$ [SD_2(d)]^2 $的表达式, 可获得$ [SD_2(d)]^2 $如下定理4.4所示的下界.

定理4.4   对任意的设计$ d\in{\cal U}(n; 2^{m_{1}}\times 4^{m_{2}}) $

其中

$ C_1 $如定理3.1所示.

$ m_{2}=0 $$ m_{1}=0 $时, 设计$ d $变成对称U-型设计, 其对称化$ L_2 $-偏差有如下推论.

推论4.2   (1) 对任意的设计$ d\in{\cal U}(n; 2^{m}) $

其中

其中$ C_1 $如定理3.1所示.

(2) 对任意的设计$ d\in{\cal U}(n; 4^{m}) $

其中

其中$ C_1 $如定理3.1所示.

5 数值例子

记本文中获得的对称化$ L_2 $-偏差的下界为$ LB $, 对任意的设计$ d $, 定义其设计效率为eff$ (d)=LB/SD $. 下面给出两个例子来验证本文的理论结果.

例1   考虑如下2、3混水平设计$ d_1\in {\cal U}(6; 2^{10}3^5) $, 由定理4.1及设计效率的定义可知, eff$ (d_1)=0.9886 $.

例2   考虑如下的2、4混水平设计$ d_2\in {\cal U}(8; 2^{7}4^1) $, 由定理4.4及设计效率的定义可知, eff$ (d_2)=0.9428 $.

参考文献

Fang K T, Wang Y. Number-Theoretic Methods in Statistics. London: Chapman and Hall, 1994

[本文引用: 1]

Hickernell F J .

A generalized discrepancy and quadrature erron bound

Mathematics of Computation, 1998, 67 (221): 299- 322

DOI:10.1090/S0025-5718-98-00894-1      [本文引用: 1]

Hickernell F J. Lattice Rules: How well do they measure up?//Hellekalek P, Larche G. Random and Quasi-Random Point Sets. New York: Springer, 1998: 109-166

[本文引用: 1]

Hickernell F J , Liu M Q .

Uniform designs limit aliasing

Biometrika, 2002, 89, 893- 904

DOI:10.1093/biomet/89.4.893      [本文引用: 1]

Zhou Y D , Ning J H , Song X B .

Lee discrepancy and its applications in experimental designs

Statistics & Probability Letters, 2008, 78, 1933- 1942

[本文引用: 1]

Chatterjee K , Qin H .

Generalized discrete discrepancy and its application in experimental designs

Journal of Statistical Planning and Inference, 2011, 141, 951- 960

DOI:10.1016/j.jspi.2010.08.014      [本文引用: 1]

Fang K T , Mukerjee R .

A connection between uniformity and aberration in regular fractions of two-level factorials

Biometrika, 2000, 87, 193- 198

DOI:10.1093/biomet/87.1.193      [本文引用: 1]

Fang K T, Ma C X, Mukerjee R. Uniformity in fractional factorials//Fang K T, Hickernell F J, Niederreiter H. Monte Carlo and Quasi-Monte Carlo Methods 2000. Berlin: Springer-Verlag, 2002: 232-241

[本文引用: 1]

Fang K T , Lu X , Winker P .

Lower bounds for centered and wrap-around L2-discrepancy and construction of uniform designs by threshold accepting

Journal of Complexity, 2003, 19, 692- 711

DOI:10.1016/S0885-064X(03)00067-0      [本文引用: 1]

Chatterjee K , Fang K T , Qin H .

Uniformity in factorial designs with mixed levels

Journal of Statistical Planning and Inference, 2005, 128, 593- 607

DOI:10.1016/j.jspi.2003.12.012      [本文引用: 1]

Chatterjee K , Fang K T , Qin H .

A lower bound for centered L2-discrepancy on asymmetric factorials and its application

Metrika, 2006, 63, 243- 255

DOI:10.1007/s00184-005-0015-x      [本文引用: 1]

Wang Z H , Qin H , Chatterjee K .

Lower bounds for the symmetric L2-discrepancy and their application

Communications in Statistics-Theory and Methods, 2007, 36, 2413- 2423

DOI:10.1080/03610920701232667      [本文引用: 1]

Qin H , Li D .

Connection between uniformity and orthogonality for symmetrical factorial designs

Journal of Statistical Planning and Inference, 2006, 136, 2770- 2782

DOI:10.1016/j.jspi.2004.11.005      [本文引用: 1]

Qin H , Fang K T .

Discrete discrepancy in factorial designs

Metrika, 2004, 60, 59- 72

[本文引用: 2]

Fang K T , Maringer D , Tang Y , Winker P .

Lower bounds and stochastic optimization algorithms for uniform designs with three or four levels

Mathematics of Computation, 2006, 75, 859- 878

[本文引用: 1]

Chatterjee K , Ou Z J , Phoa F K H , Qin H .

Uniform four-level designs from two-level designs: a new look

Statistica Sinica, 2017, 27, 171- 186

[本文引用: 1]

覃红, 欧祖军, ChatterjeeKashinath.

四水平计算机试验设计的构造

中国科学: 数学, 2017, 47 (9): 1089- 1100

URL     [本文引用: 1]

Qin H , Ou Z J , Chatterjee K .

Construction of four-level designs for computer experiments

Scientia Sinica Mathematica, 2017, 47 (9): 1089- 1100

URL     [本文引用: 1]

Hu L P , Li H Y , Ou Z J .

Constructing optimal four-level designs via gray map code

Metrika, 2019, 82 (5): 573- 587

DOI:10.1007/s00184-018-0685-9      [本文引用: 1]

Qin H , Zhang S L , Fang K T .

Constructing uniform design with two or three-level

Acta Mathematica Scientia, 2006, 26, 451- 459

DOI:10.1016/S0252-9602(06)60069-6      [本文引用: 1]

Zhou Y D , Ning J H .

Lower bounds of wrap-around L2-discrepancy and relationships between MLHD and uniform design with a large size

Journal of Statistical Planning and Inference, 2008, 138, 2330- 2339

DOI:10.1016/j.jspi.2007.10.001      [本文引用: 1]

Zhang Q H , Wang Z H , Hu J W , Qin H .

A new lower bound for wrap-around L2-discrepancy on two and three mixed level factorials

Statistics & Probability Letters, 2015, 96, 133- 140

[本文引用: 1]

雷轶菊, 欧祖军.

三水平U-型设计在对称化L2-偏差下的下界

应用数学学报, 2018, 41 (1): 138- 144

URL     [本文引用: 1]

Lei Y J , Ou Z J .

Lower bound of symmetric L2-discrepancy on three-level U-type designs

Acta Mathematicae Applicatae Sinca,2018, 41 (1): 138- 144

URL     [本文引用: 1]

Zhou Y D , Fang K T , Ning J H .

Mixture discrepancy for quasi-random points sets

Journal of Complexity, 2013, 29, 283- 301

DOI:10.1016/j.jco.2012.11.006      [本文引用: 1]

/