[论文解读] Monte Carlo based Designs for Constrained Domains

Shirin Golchi, Jason L. Loeppky|arXiv (Cornell University)|Dec 23, 2015

Probabilistic and Robust Engineering Design参考文献 27被引用 4

一句话总结

本文提出一种顺序约束蒙特卡罗（SCMC）采样算法，用于在高度受限、非凸或流形嵌入的输入区域中生成均匀、空间填充的候选点——这类区域在计算机实验中很常见，而传统拒绝采样在此类区域中会失效。该方法通过重要性采样和MCMC步骤，高效地将点从包围超立方体移入目标区域，从而实现基于距离或模型的准则的有效设计构建，已在加拿大地图和环面表面等复杂区域中成功验证。

ABSTRACT

Space filling designs are central to studying complex systems in various areas of science. They are used for obtaining an overall understanding of the behaviour of the response over the input space, model construction and uncertainty quantification. In many applications a set of constraints are imposed over the inputs that result in a non-rectangular and sometimes non-convex input space. Many of the existing design construction techniques in the literature rely on a set of candidate points on the target space. Generating a sample on highly constrained regions can be a challenging task. We propose a sampling algorithm based on sequential Monte Carlo that is specifically designed to sample uniformly over constrained regions. In addition, a review of Monte Carlo based design algorithms is provided and the performance of the sampling algorithm as well as selected design methodology is illustrated via examples.

研究动机与目标

• 解决在高维、非凸或受限输入区域中生成均匀候选点的挑战，其中标准拒绝采样效率低下。
• 克服现有设计算法依赖候选点的局限性，这些算法在复杂域中难以生成。
• 通过提供可靠的采样机制，使既有的空间填充设计方法（如最大最小距离和FFF设计）能够应用于不规则或非凸区域。
• 通过在嵌入空间中生成样本并使用测地线距离计算距离准则，实现在流形上的设计构建。
• 开发一种通用的顺序设计算法，通过条件优化设计准则（如最大最小距离）来提高全局优化的计算效率。

提出的方法

• 将顺序约束蒙特卡罗（SCMC）算法适配用于从受限区域中均匀采样，通过迭代地将点从包围超立方体移入可行区域。
• 使用重要性采样根据点与受限区域的接近程度对其进行加权，随后通过MCMC步骤进一步优化其位置，以确保均匀性。
• 在SCMC样本上构建图结构，以近似流形上的测地线距离，从而在流形的内在几何中应用基于距离的设计准则。
• 实现一种顺序设计算法，通过逐个选择点并基于先前已选点优化设计准则（如最大最小距离）来构建设计。
• 将SCMC样本用作采样和距离度量计算的基础，确保与现有设计框架的兼容性。
• 将该方法应用于加拿大地图和环面表面等实际案例，展示了在高约束和非凸环境下的鲁棒性。

实验结果

研究问题

• RQ1 在高维、非凸或受限输入区域中，如何高效实现均匀采样，使得拒绝采样因计算成本过高而不可行？
• RQ2 能否将顺序蒙特卡罗方法适配用于在复杂域中生成空间填充设计的候选点，而无需丢弃样本？
• RQ3 在流形上使用测地线距离与在嵌入空间中使用欧氏距离相比，如何提升空间填充设计的质量？
• RQ4 所提出的基于SCMC的采样方法在多大程度上能够使现有设计算法（如FFF、最大最小距离）应用于非矩形或非凸区域？
• RQ5 通过在SCMC生成样本上进行顺序优化构建的条件最优设计，在计算和统计性能方面表现如何？

主要发现

• SCMC算法成功在加拿大地图上生成了均匀样本，该区域为高度受限、非凸区域，包含110个多边形，避免了拒绝采样因丢弃高达50%初始点而造成的低效问题。
• 该方法通过在SCMC样本上使用Isomap算法近似测地线距离，成功在环面表面构建了大小为50的条件最大最小设计。
• SCMC采样器在复杂区域中实现了高接受率和均匀覆盖，证明其在高维受限空间中优于朴素拒绝采样的优越性。
• 基于SCMC样本的顺序设计算法通过逐步优化设计准则，表现出计算效率，避免了全局优化的需要。
• 在流形上使用测地线距离相比欧氏距离能产生更合适且更均匀的设计，尤其在如环面等曲面上表现更优。
• 所提出的框架支持广泛的設計准则，并与现有方法（如FFF设计和D-最优设计构建）兼容，扩展了其在受限域中的适用性。