การจำลองการทดลองด้วยคอมพิวเตอร์ถูกนำมาใช้อย่างแพร่หลายในงานวิจัยด้านต่าง ๆ เพื่อศึกษารูปแบบความสัมพันธ์ระหว่างตัวแปรเข้าและตัวแปรตอบสนอง ไม่ว่าจะเป็นงานวิจัยพื้นฐานรวมไปถึงงานวิจัยประยุกต์ เช่น งานวิจัยด้านวิศวกรรมศาสตร์ ด้านวิทยาศาสตร์ และด้านปิโตรเคมี เป็นต้น การออกแบบการทดลองจัดเป็นปัจจัยที่สำคัญอย่างยิ่งต่อความสำเร็จของงานวิจัยต่าง ๆ เหล่านี้ โดยแผนการทดลองหนึ่ง ๆ จะประกอบด้วยตัวแปรเข้าจำนวน d ตัวแปรและจำนวนจุดทดลองหรือจำนวนรันเท่ากับ n รัน ซึ่งจะเรียกว่ามิติของแผนการทดลองขนาด (n x d) โดยเมื่อมิติมีขนาดใหญ่ขึ้นจะทำให้แผนการทดลองที่เป็นไปได้ทั้งหมดมีจำนวนมากมายมหาศาล (n!)d ทำให้การสร้างแผนการทดลองที่เหมาะสมจำเป็นต้องใช้อัลกอริทึมการค้นหาควบคู่กับเกณฑ์ในการเลือกค่าที่เหมาะสม งานวิจัยนี้ผู้วิจัยประยุกต์ใช้อัลกอริทึมการค้นหาเฉพาะที่แบบวนซ้ำ (Iterated local search algorithm: ILS) ร่วมกับเกณฑ์เลือกค่าความเหมาะสมแบบ เพื่อค้นหาแผนการทดลองแบบละตินไฮเปอร์คิวบ์ (Latin Hypercube Design) ที่เหมาะสมภายใต้มิติของการทดลองที่แตกต่างกัน ผลที่ได้จากการศึกษาพบว่าอัลกอริทึม ILS สามารถค้นหาแผนการทดลองที่เหมาะสมได้อย่างมีประสิทธิภาพสำหรับทุกมิติปัญหาที่ศึกษา

Computer simulated experiments have been extensively used to investigate the relationship between input variables and output response in various fields, including natural science and applied sciences such as engineering and petrochemicals. In the context of computer simulated experiments, an experimental design plays a very important role in the success of the simulation. The design consists of d input variables and n experimental runs. Hence the design is referred to as a dimension of experiment (n x d) in which a dimension of the design is large, and the number of all possible experimental designs increases exponentially (n!)d. Therefore the optimal design is usually obtained by using a search algorithm along with the pre-specified optimality criteria. This paper applies the iterated local search algorithm (ILS) along with optimality criteria to construct the optimal Latin hypercube design (LHD). The results indicate that ILS is able to effectively construct the optimal Latin hypercube design for any dimension of the problem under study.