自动驾驶云服务 OCTOPUS-采样方式介绍:采样结果

时间:2024-05-13 17:28:15

采样结果

如下图1和图2所示,对于某个逻辑场景进行拉丁超立方和蒙特卡洛采样,参数都是符合随机特性,但采样得到的值不相同。

对于同样的采样点数,拉丁超立方采样的结果会更加分散,并且边界值会更多。

图4 蒙特卡洛采样结果
图5 拉丁超立方采样结果

对于离散型参数,联合概率分布采样会根据给定的取值列表进行随机采样。

图6 离散型参数-联合概率分布采样结果

对于连续型参数,联合概率分布采样会根据参数分布和相关系数进行采样。

图7 连续型参数-联合概率分布采样结果

对于重要性采样,联合概率分布采样会在边界附近进行采样。

图8 重要性采样结果
support.huaweicloud.com/usermanual-octopus/octopus-08-0080.html