Skip to main content
Oracle Arrays for Space-Filling Designs
Computer simulations are essential for modeling complex systems, but their high computational cost requires the use of efficient surrogate models. The quality of these surrogates depends on selected input points through space-filling designs, which spread points uniformly to capture the full input space. Oracle arrays are a special class of these designs that achieve the theoretical maximum distance between all points, but they only exist for certain sets of parameters. This poster introduces quasi-oracle arrays, which use computational methods to approximate the optimal properties of oracle arrays when exact constructions are not possible. We evaluate these designs using the maximin Hamming distance criterion. Our research implements a design generation process involving a greedy construction algorithm, local neighborhood search, and simulated annealing. Computational results demonstrate that this approach consistently produces high-quality designs that outperform random generation.
Réseaux oracles pour des plans remplissant l'espace
Les simulations informatiques sont essentielles pour modéliser des systèmes complexes, mais leur coût de calcul élevé nécessite l'utilisation de modèles de substitution efficaces. La qualité de ces modèles de substitution dépend des points d'entrée sélectionnés à travers des plans remplissant l'espace, qui répartissent les points de manière uniforme afin de capturer l'espace d'entrée au complet. Les réseaux oracles sont une classe particulière de ces conceptions qui atteignent la distance maximale théorique entre tous les points, mais ils n'existent que pour certains ensembles de paramètres.

Cette présentation considère les matrices quasi-oracle, qui utilisent des méthodes de calcul pour approximer les propriétés optimales des matrices oracle lorsque des constructions exactes ne sont pas possibles. Nous évaluons ces conceptions à l'aide du critère de distance de Hamming maximin. Notre recherche met en œuvre un processus de génération de conception impliquant un algorithme de construction glouton, une recherche de voisinage local et un recuit simulé. Les résultats de calcul démontrent que cette approche produit systématiquement des conceptions de haute qualité qui surpassent la génération aléatoire.
Date and Time
-
Additional Authors and Speakers (not including you)
Language of Oral Presentation
English
Language of Visual Aids
English

Speaker

Edit Name Primary Affiliation
Annie Yao Simon Fraser University