从上一个问题的答案中，我被引导到 Halton 序列，用于创建一组相当均匀地覆盖均匀样本空间的向量。但是维基百科页面提到，在系列的早期，尤其是较高的素数通常是高度相关的。对于具有相对较短样本量的任何一对高素数似乎都是这种情况 - 即使变量不相关，样本空间也不是均匀采样的，而是在整个空间中存在高样本密度的对角带.

因为我使用长度为 6 或更长的向量，我将不可避免地不得不使用一些素数，这是一个问题（尽管没有上面的例子那么糟糕），并且一些变量对将被非均匀采样他们的样机。在我看来，使用 Sobol' 序列生成一个相似的集合（仅从图表来看）可以在成对的变量之间生成样本，这些变量分布更加均匀，即使对于相对少量的样本也是如此。这似乎更有用，所以我想知道什么时候 Halton 序列会更有益？还是只是 Halton 序列更容易计算？

注意：也欢迎讨论其他多维低差异序列。