如何在Python中复用或替代Matlab的Sobol序列生成代码？

方法一：在Python中直接调用Matlab代码 #

可以通过MathWorks官方的Matlab Engine for Python直接执行这段Matlab逻辑，步骤如下：

1. 安装Matlab Engine：打开Matlab，运行matlab.engine.install()完成安装（需保证Python环境与Matlab版本兼容）
2. Python调用示例代码：

import matlab.engine
import numpy as np

# 启动Matlab引擎
eng = matlab.engine.start_matlab()

# 替换为你的实际参数值
problem_size = 3
pop_size = 150

# 执行原Matlab代码逻辑
p = eng.sobolset(problem_size, 'Skip', 1e4, 'Leap', 1e3)
p = eng.scramble(p, 'MatousekAffineOwen')
rand0 = eng.net(p, pop_size)

# 将Matlab数组转换为Python可用的numpy数组
rand0 = np.array(rand0)

# 关闭引擎
eng.quit()

方法二：用Python库复现等效功能 #

如果不想依赖Matlab，可使用Python准蒙特卡洛（QMC）库实现近似或完全匹配的功能：

方案1：使用sobol_seq库（匹配MatousekAffineOwen打乱） #

sobol_seq库原生支持Matousek的仿射Owen打乱，同时支持跳过初始点和步长设置，与原Matlab代码逻辑高度匹配：

import sobol_seq
import numpy as np

# 替换为你的实际参数值
problem_size = 3
pop_size = 150
skip = int(1e4)
leap = int(1e3)

# 生成对应序列
rand0 = sobol_seq.i4_sobol_generate(problem_size, pop_size, skip=skip, leap=leap, scramble=True)

方案2：使用scipy.stats.qmc.Sobol（近似实现） #

Scipy的Sobol类支持Owen打乱和快速跳过初始点，虽无直接对应Matousek方法的参数，但可实现近似效果：

from scipy.stats import qmc
import numpy as np

# 替换为你的实际参数值
problem_size = 3
pop_size = 150
skip = int(1e4)
leap = int(1e3)

# 初始化采样器，启用Owen打乱
sampler = qmc.Sobol(d=problem_size, scramble=True)
# 跳过前1e4个点
sampler.fast_forward(skip)

# 按步长生成样本
samples = []
for _ in range(pop_size):
    sample = sampler.random(n=1)
    samples.append(sample)
    # 跳过步长间隔内的点
    sampler.fast_forward(leap - 1)

rand0 = np.vstack(samples)

内容的提问来源于stack exchange，提问作者albi