ansys優(yōu)化變量數(shù)目的案例
有相互依存關(guān)系的離散變量的ansys與workbench聯(lián)合優(yōu)化分析
需要說明的是對應(yīng)基于離散變量的優(yōu)化，采用不同的響應(yīng)面構(gòu)建方法和優(yōu)化算法，效率相差特別大。即使對于本問題節(jié)點數(shù)目5個，單元數(shù)目6個。選擇的響應(yīng)面構(gòu)建方法和優(yōu)化算法不同，也有可能計算幾個小時。對于本問題采用Latinhypercube sampling (LHS拉丁超立方體抽樣)生成試驗設(shè)計，采用神經(jīng)網(wǎng)絡(luò)方法來構(gòu)建響應(yīng)面，實際證明效率較高。
另外對應(yīng)基于離散變量的優(yōu)化分析，目前workbench只支持篩選法和混合整數(shù)序列二次規(guī)劃優(yōu)化算法。
另外，其實該問題也可以完全采用ansys經(jīng)典完成程序優(yōu)化設(shè)計，利用離散編碼陷阱實現(xiàn)從連續(xù)變量到離散變量的轉(zhuǎn)變。但是該方法也有很多缺點：
1.最終得優(yōu)化的變量依然是連續(xù)的，需要人為后處理，實現(xiàn)規(guī)格表的編碼。
2.最終得到的優(yōu)化結(jié)果，可能陷入局部最小陷阱。采用首次得到的優(yōu)化結(jié)果為初始值，然后縮小優(yōu)化變量的采用空間，可以一定程度上改善結(jié)果的精度。
3.規(guī)格表的離散區(qū)間步長對于求解的效率的影響非常大。因此，需要增大優(yōu)化迭代次數(shù)。
4.系統(tǒng)優(yōu)化過程中，可能多次在等效解處徘徊。影響求解效率。
5.人為將連續(xù)變量離散化后，基于偏導(dǎo)算法的一階優(yōu)化方法將不能處理該類問題。
6.最終解碼得到的材料規(guī)格往往需要返回到分析中去，才可以得到真實的狀態(tài)變量數(shù)值。
完全采用ansys優(yōu)化的具體方法這里不在提供。
這里順便說下ansys和workbench優(yōu)化分析的優(yōu)缺點：
1.采用ansys可以很方面的實現(xiàn)網(wǎng)絡(luò)結(jié)構(gòu)的編程和變量提取后控制。對于類似問題，如果分析的模型更大，在workbench中建模可以說是一件極其痛苦的事情。
2.workbench提供了比ansys更多的優(yōu)化算法。自身就擁有離散變量的優(yōu)化功能。這也或許是現(xiàn)在ansys舍棄經(jīng)典優(yōu)化界面的一個很大原因。
展開 ansys優(yōu)化，因變量和目標(biāo)函數(shù)都沒有變化【急】【急】
ansys優(yōu)化，因變量和目標(biāo)函數(shù)都沒有變化【急】【急】
ansys優(yōu)化之后，為什么只有自變量發(fā)生了變化，而因變量和目標(biāo)函數(shù)都沒有變化，還是和初始值一樣？也進行了四五十次的迭代，也有顯示最優(yōu)解，只是因變量和目標(biāo)函數(shù)都沒有變化，疑惑中。
