在船型優(yōu)化任務(wù)中，考慮到單個算例仿真時間的成本和計算資源成本，工程師往往需要在盡可能少的計算案例中找到更優(yōu)的設(shè)計方案。因此一個合理的優(yōu)化策略的選擇便顯得尤其重要。在本文中，筆者以KCS船為例，試圖探討CAESES中不同優(yōu)化算法的選擇，以及南京天洑軟件公司自研優(yōu)化平臺AIPOD對于優(yōu)化效率和效果的影響。需要注意的是，本文所得的結(jié)論可能僅適用于該KCS船型。結(jié)論是否具有普適性需要進(jìn)一步的探索與思考。

一、參數(shù)化模型

采用CAESES軟件的半?yún)?shù)化變形方法，對KCS船進(jìn)行局部變形，在球鼻艏，船體入流段和去流段采用FFD方法，艉封板采用Delta shift方法，除了局部變形，還通過Lackenby方法對船體其他位置進(jìn)行變形，組合變形效果如附件所示：

組合變形效果.gif

二、數(shù)值仿真計算

本算例以SHIPFLOW作為仿真工具，計算參數(shù)化模型的總阻力系數(shù)Ct。

算例網(wǎng)格數(shù)為1.74M；計算使用的工作站硬件配置為: CPU: Intel? Core? i7-7700K @ 4.2GHz 4.2GHz；內(nèi)存: 16GB；單個算例仿真時間約40分鐘。

三、優(yōu)化問題

8個設(shè)計變量，以總阻力系數(shù)較小為優(yōu)化目標(biāo)，同時滿足排水體積和浮心縱向位置的約束。

四、CAESES優(yōu)化算法

1.Sobol

首先采用智能取樣算法sobol，在設(shè)計變量給定的變化范圍內(nèi)做50次試驗設(shè)計。計算結(jié)果如下：

結(jié)論：

①. Sobol只是取樣算法，并沒有執(zhí)行優(yōu)化。

②. “優(yōu)化”效果有限?！皟?yōu)化”過程未體現(xiàn)出收斂性。

2.Sobol Tearch

基于上一步Sobol的優(yōu)化結(jié)果，另執(zhí)行50個方案的優(yōu)化計算，采用梯度優(yōu)化算法Tsearch。計算結(jié)果如下：

結(jié)論：

①. 基于sobol的結(jié)果增加Tsearch的算法可以得到更優(yōu)的設(shè)計方案。

②. Tsearch優(yōu)化過程體現(xiàn)出收斂性。

3.遺傳算法NSGA-II

采用流行的遺傳算法NSGA-II進(jìn)行進(jìn)一步探索。考慮到電腦計算性能和時間成本，遺傳算法設(shè)置為如下：種群規(guī)模 (population)：12。代數(shù) (Generation)：10。共計120個方案。計算結(jié)果如下：

結(jié)論：

①. 遺傳算法NSGA-II體現(xiàn)出一定優(yōu)化效果，但優(yōu)化效果不如sobol Tsearch算法。

②. 120次仿真計算的優(yōu)化歷程未體現(xiàn)明顯收斂性。

③. 思考：sobol NSGA-II的方案能否優(yōu)于單獨(dú)的NSGA-II優(yōu)化或者sobol Tsearch方案？

4.Sobol 遺傳算法NSGA-II

執(zhí)行50次sobol計算，以更優(yōu)方案為基礎(chǔ)另執(zhí)行120次NSGA-II優(yōu)化。參數(shù)設(shè)置與前述方案相同。剔除無效設(shè)計方案后，結(jié)果如下：

結(jié)論：

①. 由于NSGA-II算法每一代取值的隨機(jī)性，Sobol NSGA-II的優(yōu)化策略優(yōu)化效果甚至不如單獨(dú)NSGA-II策略。

②. 對于小樣本優(yōu)化計算（100次左右），遺傳算法NSGA-II并不能發(fā)揮其優(yōu)勢。

③. 綜合考慮優(yōu)化效果和優(yōu)化成本，對于小樣本優(yōu)化計算，更佳優(yōu)化策略為sobol Tseach的組合優(yōu)化。

五、天洑軟件自研優(yōu)化平臺AIPOD

優(yōu)化平臺AIPOD核心優(yōu)化算法SilverBullet算法是天洑針對工業(yè)設(shè)計領(lǐng)域數(shù)值模擬計算成本高的痛點(diǎn)而研發(fā)，在計算成本有限的情況下（百量級），以盡可能少的計算代價，獲取盡可能高的性能提升。

SilverBullet算法整合了智能采樣技術(shù)、耦合優(yōu)化技術(shù)，以及一套核心的參數(shù)指標(biāo)動態(tài)協(xié)調(diào)全局優(yōu)化和局部探索力度，從而實現(xiàn)在小計算規(guī)模下的高效性能優(yōu)化提升。SilverBullet算法有以下兩大特色：

①. 自適應(yīng)優(yōu)化場景，零使用門檻

SilverBullet算法具有強(qiáng)大的自適應(yīng)性，用戶僅需提供計算代價，無需任何超參設(shè)定，即可一鍵啟動優(yōu)化流程，很大程度的降低了用戶的使用門檻；

②. 智能邊界突破（Bound-break）

SilverBullet獨(dú)有的智能優(yōu)化探索能夠擺脫參數(shù)范圍不夠精確的困擾，對于無法精確給定變量范圍的部分變量，在滿足不增加搜索成本的前提下，自主決策有選擇性地突破設(shè)計參數(shù)范圍邊界，獲得更好的設(shè)計方案。

1.AIPOD

采用相同的設(shè)計參數(shù)與設(shè)置，利用SilverBullet算法執(zhí)行100次優(yōu)化計算，結(jié)果如下：

結(jié)論：

①. AIPOD算法在100次樣本規(guī)模的優(yōu)化設(shè)計中，優(yōu)化效果好于上述更優(yōu)的優(yōu)化策略Sobol Tsearch。

②. AIPOD算法在100次樣本規(guī)模的優(yōu)化設(shè)計中，優(yōu)化結(jié)果體現(xiàn)出一定收斂性。

2.AIPOD (boundbreak 200)

采用相同的設(shè)計參數(shù)與設(shè)置，利用SilverBullet算法開啟boundbreak功能，執(zhí)行200次優(yōu)化計算，結(jié)果如下：

結(jié)論：

①. AIPOD算法開啟boundbreak功能后，優(yōu)化結(jié)果得到進(jìn)一步提升。

②. 優(yōu)化結(jié)果體現(xiàn)出一定收斂性。

③. 思考：減少計算成本，降低樣本規(guī)模到100以下，能否也可以得到較好的優(yōu)化結(jié)果？

3.AIPOD (boundbreak 80)

采用相同的設(shè)計參數(shù)與設(shè)置，利用SilverBullet算法開啟boundbreak功能，執(zhí)行80次優(yōu)化計算，結(jié)果如下：

結(jié)論：

①. AIPOD算法開啟boundbreak功能后，80次優(yōu)化計算的結(jié)果不如200次優(yōu)化計算的結(jié)果。

②. AIPOD算法開啟boundbreak功能后，80次優(yōu)化計算結(jié)果仍然好于上述較優(yōu)的Sobol Tsearch優(yōu)化策略和AIPOD不開啟boundbreak功能算法。

③. 優(yōu)化結(jié)果體現(xiàn)出一定收斂性。

由于開啟了boundbreak功能，更優(yōu)方案對應(yīng)的個別設(shè)計變量最終取值在原始設(shè)定的邊界外，因此有必要檢查最優(yōu)設(shè)計方案的幾何光順性。經(jīng)檢查，更優(yōu)方案的光順性良好，船體幾何合理，如下圖：

優(yōu)化船型與原始船型對比

原始船型

優(yōu)化船型

六、結(jié) 論

本文基于標(biāo)模KCS船型進(jìn)行了多種優(yōu)化策略的嘗試，優(yōu)化設(shè)置中同時考慮了優(yōu)化效果和優(yōu)化時間。由于工業(yè)設(shè)計中單個算例需要較為昂貴的仿真成本，因此在實際項目中，工程師能接受的優(yōu)化樣本規(guī)模通常在百次左右?；谶@一前提，遺傳算法無法發(fā)揮其優(yōu)勢，得不到較好的優(yōu)化結(jié)果。如果基于CAESES平臺進(jìn)行優(yōu)化，更優(yōu)的優(yōu)化設(shè)計策略為sobol Tsearch的組合。

在國家倡導(dǎo)的工業(yè)軟件自主化的大背景下，南京天洑軟件公司自研AIPOD優(yōu)化產(chǎn)品體現(xiàn)出了其功能性與自主性的優(yōu)勢。不僅僅可以幫助客戶在有限的時間內(nèi)得到更優(yōu)的設(shè)計方案，并且給予客戶更大的軟件自主開發(fā)權(quán)限。

AIPOD軟件現(xiàn)以面向客戶提供試用，如果感興趣請與我們聯(lián)系。