Koksma -Hlawka 不等式指出，如果$f$有界变化$V(f)$在单位超立方体上的哈代和克劳斯的意义上$I^s$，则误差界由 的乘积给出$V(f)$以及所用序列的星差。误差仅取决于差异得出两个结论。首先，选择差异最小的序列。其次，被积函数的规律性在这个界中没有任何作用，因此在实践中它不是很有用。要将有关被积函数的更多信息纳入误差分析，您必须在序列之间进行实验比较，或者考虑除基本的准蒙特卡洛之外的其他方法。

我的理解是，这种情况反映了迭代方法中的情况。我们可以证明一般的结果，比如$\frac{1}{N}$正交误差的衰减，但不能先验地确定给定问题的最优算法。这是用于序列生成的开源软件目录。我认为这里最好的方法是更多的测试和比较。

每个 LDS 序列都有特定的优点和注意事项，讨论它们会写很多书（查看 Lemieux 的介绍），但总的来说，最通用的一个被证明是 Sobol 序列（确保使用来自 Joe&Kuo 的最新参数）。所有其他在实践中总是需要对基本公式的被积函数和 LDS 点（例如加扰）进行重大的额外修改。Sobol' 也有很多问题，但足够灵活，可以用于低维最足够平滑的集成。无论如何，请记住将您的 QMC 解决方案与（较慢的）MC 解决方案进行比较：对于低（合理）样本量，QMC 可能会返回有偏差的估计。

还有更先进的 LDS 结构可以适应给定的问题，但可用的软件很少。

有关您的特定任务的一些信息将有助于集中答案。

在我们使用蒙特卡罗模拟的地方，建议（来自在其他国家实验室工作的人）是使用“好的”伪随机数生成器。我工作的最后一个使用Yarrow，但较新的将使用Fortuna或Mersenne-Twister。