确定性筛选设计：利用MATLAB为指定数量的实验因素计算DSD条件

简介：
本简介介绍了一种基于MATLAB软件实现的确定性筛选设计（DSD）方法，用于高效地为特定数量的实验变量生成优化的设计条件。这种方法能够显著减少所需的试验次数，在保证数据分析准确性的前提下，大幅提高研究效率和资源利用率。 `dsd.m` 使用 Jones 和 Nachtsheim (2013) 的算法来生成最终筛选设计，这是一种适用于连续和分类因子的现代高效实验设计方法。此版本的代码已从等效的 JMP10 插件翻译并验证。 参考文献：Jones, B. 和 Nachtsheim, C. (2013). 添加两级分类因素的最终筛选设计. 质量技术杂志，45(2), 121-129. 用法： ``` f = dsd(nf, ncat, designChoice) ``` 输入参数： - `nf`：连续因子的数量。 - `ncat`：分类因子的数量。 - `designChoice`：选择设计类型，可以是 1 或 DSD（默认），用于消除所有双因素交互的别名分类因素；或者 2 或 ORTH，制定正交主效应计划。 输出： - `f`：一个包含 -1、0 和 1 的设计矩阵。每一列代表三级连续变量或二级分类变量的不同水平。