D使用行交换从候选集优化设计
nrows rlist = candexch (C)
rlist = candexch (C, nrows、名称、值)
使用行交换算法选择D-候选集的最优设计rlist
= candexch (C
,nrows
)C
.
生成一个D-优化设计,附加选项由一个或多个指定rlist
= candexch (C
,nrows
,名称,值
)名称,值
对参数。
|
|
|
设计中所需的行数。 |
指定可选的逗号分隔的对名称,值
参数。的名字
参数名和价值
为对应值。的名字
必须出现在引号内。可以以任意顺序指定多个名称和值对参数Name1, Value1,…,的家
.
|
当 默认值: |
|
默认值:的行的随机子集 |
|
最大迭代次数,一个正整数。 默认值: |
|
一种结构,它指定是否并行运行,并指定随机流或流。此选项需要并行计算工具箱™。 创建
默认值: |
|
一个 默认值: |
|
尝试从一个新的起点生成一个设计。除了可能的第一次外,算法每次尝试都使用随机点。 默认值: |
|
向量的长度 |
这个例子展示了如何生成D-当候选集有限制时的最优设计,因此rowexch
函数并不合适。
F = (fullfact([5 5 5])-1)/4;T = sum(F,2)<=1.51;%查找匹配约束条件的行C = [one (size(F,1),1) F F ^2];%计算模型项,包括% a常数和所有平方项R = candexch(C,12);找到d -最优的12点子集X = F(R,:);获得因子设置
candexch
选择起始设计X
,并使用行交换算法迭代地替换X
的行C
为了改进的行列式X ' * X
.
的rowexch
函数还生成D-使用行交换算法优化设计,但它会自动生成适合于指定模型的候选集。的daugment
函数使用坐标交换算法增加一组固定的设计点;的“开始”
参数使用行交换算法提供相同的功能。