最優(yōu)解
關(guān)注創(chuàng)建者：博集華仿 創(chuàng)建時(shí)間：2019-12-16
最優(yōu)解的視頻教程
如何更高效地找到多學(xué)科工程問(wèn)題的最優(yōu)解
如何更高效地找到多學(xué)科工程問(wèn)題的最優(yōu)解 適用人群：CAE工程師、工程技術(shù)人員，經(jīng)理，技術(shù)主管。有過(guò)優(yōu)化經(jīng)驗(yàn)的工程師或正在考慮技術(shù)革新、培養(yǎng)自主研發(fā)能力的技術(shù)主管會(huì)更加受益。
免費(fèi) 52分鐘 500播放
查看
ANSYS Workbench計(jì)算高速電機(jī)沖片參數(shù)化強(qiáng)度分析
高速電機(jī)沖片強(qiáng)度分析及參數(shù)化 1、CAD畫好沖片二維圖紙； 2、ANSYS直接導(dǎo)入CAD圖紙，并進(jìn)行編輯建模； 3、參數(shù)化轉(zhuǎn)速及沖片相關(guān)參數(shù)； 4、后期參數(shù)化計(jì)算最優(yōu)解。
￥20 18分鐘 30播放
查看
1-05基于pytorch的多目標(biāo)粒子群算法
基于pytorch的多目標(biāo)粒子群算法，MOPSO,引導(dǎo)種群逼近真實(shí)Pareto前沿，算法運(yùn)行結(jié)束后將外部存檔中粒子作為獲得的Pareto最優(yōu)解近似。程序已調(diào)通，可以直接運(yùn)行。 購(gòu)買后可下載視頻中的源程序文件。
￥24.9 1分鐘 3播放
查看
最優(yōu)解的實(shí)例教程
Q
數(shù)值仿真的參數(shù)優(yōu)化
優(yōu)化，就是尋找最優(yōu)解。如何定義最優(yōu)解？
通過(guò)數(shù)學(xué)的方式來(lái)定義，比如最小化/最大化某個(gè)目標(biāo)函數(shù)。優(yōu)化是數(shù)學(xué)和物理相結(jié)合的一門學(xué)科：數(shù)學(xué)是優(yōu)化的工具，物理是優(yōu)化的實(shí)質(zhì)。
CFD參數(shù)優(yōu)化指的是，以流體相關(guān)的變量（如流阻、效率、換熱系數(shù)等）為優(yōu)化目標(biāo)的，基于自由形狀、尺寸參數(shù)、物性參數(shù)、邊界條件等參數(shù)的優(yōu)化。
按照優(yōu)化目標(biāo)的數(shù)量可分為：?jiǎn)文繕?biāo)或多目標(biāo)優(yōu)化（MOO-Multi Objective Optimization）。
Q
數(shù)值仿真的參數(shù)優(yōu)化
優(yōu)化，就是尋找最優(yōu)解。如何定義最優(yōu)解？
通過(guò)數(shù)學(xué)的方式來(lái)定義，比如最小化/最大化某個(gè)目標(biāo)函數(shù)。優(yōu)化是數(shù)學(xué)和物理相結(jié)合的一門學(xué)科：數(shù)學(xué)是優(yōu)化的工具，物理是優(yōu)化的實(shí)質(zhì)。
CFD參數(shù)優(yōu)化指的是，以流體相關(guān)的變量（如流阻、效率、換熱系數(shù)等）為優(yōu)化目標(biāo)的，基于自由形狀、尺寸參數(shù)、物性參數(shù)、邊界條件等參數(shù)的優(yōu)化。
按照優(yōu)化目標(biāo)的數(shù)量可分為：?jiǎn)文繕?biāo)或多目標(biāo)優(yōu)化（MOO-Multi Objective Optimization）。
如何更高效地找到多學(xué)科工程問(wèn)題的最優(yōu)解
——基于機(jī)器學(xué)習(xí)的智能優(yōu)化設(shè)計(jì)技術(shù)及其深遠(yuǎn)影響
適用人群
CAE工程師、工程技術(shù)人員，經(jīng)理，技術(shù)主管。
有過(guò)優(yōu)化經(jīng)驗(yàn)的工程師或正在考慮技術(shù)革新、培養(yǎng)自主研發(fā)能力的技術(shù)主管會(huì)更加受益。
內(nèi)容介紹
1.工程優(yōu)化的發(fā)展簡(jiǎn)史
2.什么是基于機(jī)器學(xué)習(xí)的智能優(yōu)化方法？
3.新的智能優(yōu)化方法帶來(lái)什么新的功能？
a.應(yīng)用無(wú)限制（大變量、強(qiáng)約束、昂貴約束問(wèn)題、連續(xù)及離散、組合爆炸問(wèn)題）
b.全局尋優(yōu)
c.發(fā)現(xiàn)問(wèn)題本質(zhì)
d.對(duì)工程師要求極低
4.新的智能優(yōu)化方法改變傳統(tǒng)優(yōu)化工作方式
a.DOE方法的局限和問(wèn)題
b.基于代理模型優(yōu)化方法的局限和問(wèn)題
c.選取優(yōu)化方法的不可能性
d.新的全局敏感度分析方式
e.靈活優(yōu)化流程
f.與任何CAD/CAE工具集成自動(dòng)
5.新的智能優(yōu)化方法將引領(lǐng)未來(lái)趨勢(shì)
a.智能優(yōu)化技術(shù)將成為第三次設(shè)計(jì)革命的新動(dòng)力
b.智能優(yōu)化技術(shù)將滲透到智能制造的各領(lǐng)域
c.基于優(yōu)化技術(shù)的智能決策也將被應(yīng)用于商業(yè)、醫(yī)療衛(wèi)生、金融、政府等非工業(yè)領(lǐng)域
專家介紹
王高峰博士(Dr. Gary Wang), ASME Fellow
王博士本科與碩士畢業(yè)于華中科技大學(xué)，碩士師從前中國(guó)工程院院長(zhǎng)周濟(jì)教授。1999年從加拿大維多利亞大學(xué)博士畢業(yè)以后，受聘于加拿大曼尼托巴大學(xué)，2004年獲終身教授。
現(xiàn)為加拿大名校西門菲沙大學(xué)正教授，在工程設(shè)計(jì)自動(dòng)化領(lǐng)域潛心研究20多年，在國(guó)際著名期刊和大會(huì)上發(fā)表180多篇學(xué)術(shù)論文和多個(gè)技術(shù)專利，其領(lǐng)導(dǎo)的產(chǎn)品設(shè)計(jì)與優(yōu)化實(shí)驗(yàn)室（網(wǎng)址www.sfu.ca/~gwa5）被同行公認(rèn)為世界領(lǐng)先團(tuán)隊(duì)之一。
展開(kāi) AcuSolve的四面體網(wǎng)格共570萬(wàn)，優(yōu)化計(jì)算時(shí)間66小時(shí)（40CPU核），采用GRSM尋優(yōu)120次找到最優(yōu)解。
離心風(fēng)機(jī)的外形
離心風(fēng)機(jī)的外形
HyperMorph 的定義：shape1-葉片頭部，shape2-葉片中部，Shape3-葉片旋轉(zhuǎn)，Shape4-葉片拉長(zhǎng)
shape 1
shape 2
shape 3
shape 4
新的葉片頭部略伸長(zhǎng)，尾部曲率變大。優(yōu)化后風(fēng)扇的流量提高4.7%，氣動(dòng)效率提高約5%。如結(jié)合蝸殼的外形優(yōu)化，可一步提高優(yōu)化空間。
離心風(fēng)機(jī)葉片對(duì)比
案例：大巴車的風(fēng)阻優(yōu)化
更小的風(fēng)阻系數(shù)Cd有助于節(jié)油，大巴車迎風(fēng)面積很大，很難做成完全的流線型，但任然可以通過(guò)變動(dòng)車頭和車尾的造型改善風(fēng)阻。
CFD后處理顯示優(yōu)化方案減少了車頭的氣流分離和尾跡的負(fù)壓區(qū)，氣動(dòng)阻力降低了約16%。
展開(kāi) AcuSolve的四面體網(wǎng)格共570萬(wàn)，優(yōu)化計(jì)算時(shí)間66小時(shí)（40CPU核），采用GRSM尋優(yōu)120次找到最優(yōu)解。
離心風(fēng)機(jī)的外形
離心風(fēng)機(jī)的外形
HyperMorph 的定義：shape1-葉片頭部，shape2-葉片中部，Shape3-葉片旋轉(zhuǎn)，Shape4-葉片拉長(zhǎng)
shape 1
shape 2
shape 3
shape 4
新的葉片頭部略伸長(zhǎng)，尾部曲率變大。優(yōu)化后風(fēng)扇的流量提高4.7%，氣動(dòng)效率提高約5%。如結(jié)合蝸殼的外形優(yōu)化，可一步提高優(yōu)化空間。
離心風(fēng)機(jī)葉片對(duì)比
案例：大巴車的風(fēng)阻優(yōu)化
更小的風(fēng)阻系數(shù)Cd有助于節(jié)油，大巴車迎風(fēng)面積很大，很難做成完全的流線型，但任然可以通過(guò)變動(dòng)車頭和車尾的造型改善風(fēng)阻。
CFD后處理顯示優(yōu)化方案減少了車頭的氣流分離和尾跡的負(fù)壓區(qū)，氣動(dòng)阻力降低了約16%。
展開(kāi) 
最優(yōu)解的相關(guān)專題、標(biāo)簽、搜索
最優(yōu)解的最新內(nèi)容
而幾十次的計(jì)算得到最優(yōu)解當(dāng)然是有用的，但是工程價(jià)值不大。
3.如果你讓AI生成一個(gè)電氣柜，你需要告訴他每一個(gè)零件的尺寸、位置，裝配位置，并且生成幾萬(wàn)行的代碼，然后代碼來(lái)驅(qū)動(dòng)CAD模型，建立模型。如果是這樣，招聘AI應(yīng)用工程師就好了，那么畫圖工程師就可以下崗了，但是你看到周圍哪個(gè)機(jī)械工程師因?yàn)锳I而下崗？
其設(shè)計(jì)核心在于通過(guò)迭代算法優(yōu)化相位分布，避免局部最優(yōu)解。論文中提到的GS算法、混合遺傳迭代爬山算法等，均可在專業(yè)設(shè)計(jì)工具中實(shí)現(xiàn)集成應(yīng)用：
仿真流程：輸入入射與目標(biāo)輸出光場(chǎng)參數(shù)，依托論文相關(guān)傅里葉變換理論，通過(guò)專業(yè)設(shè)計(jì)工具調(diào)用對(duì)應(yīng)迭代算法，優(yōu)化DOE相位分布并仿真對(duì)比不同算法的整形效果。
）模型，并利用非慣性系下速度場(chǎng)與動(dòng)量方程的算子變換，<strong style="color: rgb(5, 76, 143);">神工坊</strong><sup style="color: rgb(5, 76, 143);"><strong>?</strong></sup><strong style="color: rgb(5, 76, 143);">技術(shù)團(tuán)隊(duì)成功在計(jì)算精度與求解效率之間找到了最優(yōu)解
“我們的賽車彎心速度始終上不去，懸架調(diào)校方案已經(jīng)試了十幾次，還是找不到最優(yōu)解?！痹谲囮?duì)的車間里，車隊(duì)成員們圍著底盤調(diào)教方案爭(zhēng)論，實(shí)物測(cè)試消耗的時(shí)間與資源卻總讓他們望而卻步。
現(xiàn)在，一個(gè)不需要物理原型就能完整測(cè)試賽車設(shè)計(jì)的舞臺(tái)已經(jīng)到來(lái)。
VI-grade 2026 虛擬大學(xué)生方程式大賽正式開(kāi)放報(bào)名！
“我們的賽車彎心速度始終上不去，懸架調(diào)校方案已經(jīng)試了十幾次，還是找不到最優(yōu)解?！痹谲囮?duì)的車間里，車隊(duì)成員們圍著底盤調(diào)教方案爭(zhēng)論，實(shí)物測(cè)試消耗的時(shí)間與資源卻總讓他們望而卻步。
現(xiàn)在，一個(gè)不需要物理原型就能完整測(cè)試賽車設(shè)計(jì)的舞臺(tái)已經(jīng)到來(lái)。
VI-grade 2026 虛擬大學(xué)生方程式大賽正式開(kāi)放報(bào)名！
將分兩個(gè)步驟來(lái)進(jìn)行：首先使用OpticStudio的全局優(yōu)化功能找到全局最優(yōu)解，然后通過(guò)反復(fù)進(jìn)行錘形優(yōu)化來(lái)提高設(shè)計(jì)性能。
全局優(yōu)化
優(yōu)化過(guò)程中最關(guān)鍵的部分是評(píng)價(jià)函數(shù)，它需要與設(shè)計(jì)、優(yōu)化目標(biāo)和優(yōu)化方法相匹配。
紅外熱成像：讀懂波段，精準(zhǔn)選型2個(gè)月前
權(quán)衡成本與性能：
民用、常規(guī)工業(yè)測(cè)溫：非制冷型長(zhǎng)波紅外設(shè)備是性價(jià)比最優(yōu)解，足以滿足絕大多數(shù)需求。
工業(yè)高溫監(jiān)測(cè)（如冶金）：需選用短波紅外設(shè)備，以確保高溫下的精度與安全。
高端軍事、科研、遠(yuǎn)距氣體檢測(cè)：則需要投入成本較高的制冷型中波紅外設(shè)備，以獲得極致的靈敏度和抗干擾能力。
材料穿透需求：
若需檢測(cè)玻璃后的物體（如玻璃罩內(nèi)的設(shè)備、車窗后的人員），必須選短波紅外。
當(dāng)你盯著空白的設(shè)計(jì)畫布，糾結(jié)如何在結(jié)構(gòu)強(qiáng)度與輕量化之間找到最優(yōu)解；當(dāng)研發(fā)周期被反復(fù)的物理試錯(cuò)拉長(zhǎng)，材料成本在一次次迭代中悄然攀升 —— 每個(gè)設(shè)計(jì)工程師、產(chǎn)品設(shè)計(jì)師和建筑師，或許都曾陷入這樣的困境。
但現(xiàn)在，Altair Inspire 正在重新定義 “設(shè)計(jì)從 0 到 1” 的路徑，讓 “仿真驅(qū)動(dòng)設(shè)計(jì)” 不再是行業(yè)里的概念，而是你觸手可及的高效工具。
基于OptiStruct的電池包殼體尺寸優(yōu)化3個(gè)月前
三、尺寸優(yōu)化結(jié)果
提交Optistruct求解器進(jìn)行優(yōu)化求解，經(jīng)過(guò)30步迭代優(yōu)化獲取最優(yōu)解，優(yōu)化目標(biāo)迭代歷程如圖6所示：
圖6 優(yōu)化目標(biāo)迭代歷程
優(yōu)化結(jié)果提?。禾崛∽罱K尺寸優(yōu)化結(jié)果分布，如圖7所示：
圖7
優(yōu)化結(jié)果說(shuō)明
在這種情況下，通常需要借助優(yōu)化方法（如以能耗最小為目標(biāo)）來(lái)尋求最優(yōu)解。
