Isight算法
關(guān)注創(chuàng)建者：王靖雯 創(chuàng)建時(shí)間：2023-05-08
Isight算法的視頻教程
Isight耦合ANSYS APDL優(yōu)化分析案例及算法講解
sight中有很多算法，比如拉丁超立方、多島遺傳算法、多目標(biāo)優(yōu)化算法 等等，共計(jì)十幾種算法，相信大家在學(xué)習(xí)中一定犯暈。其實(shí)這么多算法中，按大類分的話包括：試驗(yàn)設(shè)計(jì)、梯度優(yōu)化、直接搜索、全局優(yōu)化及多目標(biāo)優(yōu)化五類，各類優(yōu)化算法有各自的優(yōu)缺點(diǎn)，對(duì)于我們初級(jí)、中級(jí)使用者來說，只要學(xué)會(huì)選擇相應(yīng)算法即可，而不必過于糾結(jié)各類算法的原理。 https://mp.weixin.qq.com/s?
￥99 57分鐘 574播放
查看
多軟件與isight聯(lián)合仿真
Isight將四大數(shù)學(xué)算法（試驗(yàn)設(shè)計(jì)、近似建模、探索優(yōu)化和質(zhì)量設(shè)計(jì)）融為有機(jī)整體，能夠讓計(jì)算機(jī)自動(dòng)化、智能化地驅(qū)動(dòng)數(shù)字樣機(jī)的設(shè)計(jì)過程，更快、更好、更省地實(shí)現(xiàn)產(chǎn)品設(shè)計(jì)。毫無疑問，以Isight為代表的優(yōu)化技術(shù)必將為中國經(jīng)濟(jì)從“中國制造”到“中國創(chuàng)造”的轉(zhuǎn)型做出應(yīng)有的貢獻(xiàn)！ 以下視頻均是輔導(dǎo)的客戶所錄制，希望對(duì)大家有所幫助！！
￥69.9 56分鐘 37播放
查看
Isight算法的實(shí)例教程
Isight中三類優(yōu)化算法比較
Isight優(yōu)化算法可分為梯度算法、直接搜索法和全局優(yōu)化法。梯度算法通過在設(shè)計(jì)空間中的當(dāng)前位置設(shè)定一個(gè)前進(jìn)方法和搜索步長從而獲得設(shè)計(jì)空間中的另一個(gè)位置，并判斷收斂性，Isight中梯度優(yōu)化算法有三種NLPQL,LSGRG和MMFD。直接搜索法不用計(jì)算函數(shù)的梯度，僅需要函數(shù)值評(píng)估，可以有效探索初始設(shè)計(jì)點(diǎn)周圍的局部區(qū)域，Isight中提供的直接法有HJ(Hooke-jeeves)和DS(downhill simplex)方法。全局優(yōu)化法具有搜索全局最優(yōu)解的，但計(jì)算耗時(shí)多，Isight中提供的全局優(yōu)化算法有MIGA,ASA和PSO。本文通過一個(gè)雙峰的不完全可行域問題來比較三類優(yōu)化算法求解全局最優(yōu)解的效率。
優(yōu)化問題：
max f(x)=60/(1+(x1+1)^2+(x2-3)^2)+20/(1+(x1-1)^2+(x2-3)^2)+30/(1+x1^2+(x2+4)^2)
s.t. –((x1-2)^2+x2^2<-4.0
-5<x1<5
-5<x2<5
優(yōu)化算法分別選用NLPQL,HJ和MIGA。
局部解（0，-4），f(x)=31.57;全局解（-0.97,3），f(x)=64.63，如圖1所示。
圖1 目標(biāo)函數(shù)的等值面
isight優(yōu)化步驟：
1、
構(gòu)建優(yōu)化流程，application組件采用calculator，process 組件選用optimization;
圖2-優(yōu)化流程構(gòu)建
2、
設(shè)置優(yōu)化算法、設(shè)計(jì)變量、約束及目標(biāo)，設(shè)計(jì)變量初始值等；
圖3-優(yōu)化算法及參數(shù)設(shè)置
3、
查看優(yōu)化結(jié)果，并比較3種算法搜尋全局最優(yōu)解的效率。
展開 ISIGHT中的這種技術(shù)包括：
l
遺傳算法（GeneticAlgorithm）
l
批處理遺傳算法（GeneticAlgorithm with Bulk Evaluation）
l
模擬退火算法（SimulatedAnnealing）
n
專家系統(tǒng)技術(shù)
專家系統(tǒng)技術(shù)使優(yōu)化沿著用戶定義的方向進(jìn)行改變，改變那一項(xiàng)，怎么改變，什么時(shí)候改變，這些都有用戶自己定義。ISIGHT中這樣的技術(shù)為指導(dǎo)啟發(fā)式搜索方法（DirectedHeuristic Search-DHS）。如果用戶知道輸入怎樣影響輸出結(jié)果的話，這種方法效率很高。
至此，ISIGHT中的優(yōu)化算法概述就基本介紹到這，敬請(qǐng)期待優(yōu)化算法詳述……
展開 Isight梯度優(yōu)化算法淺析
梯度算法通過在設(shè)計(jì)空間中的當(dāng)前位置設(shè)定一個(gè)前進(jìn)方法和搜索步長從而獲得設(shè)計(jì)空間中的另一個(gè)位置，并判斷收斂性。Isight中梯度優(yōu)化算法有三種NLPQL,LSGRG和MMFD,這里通過尋找數(shù)學(xué)函數(shù)表達(dá)式的最小值問題，來展示這三種算法搜尋最優(yōu)解的效率。
優(yōu)化問題：
min f(x)=100*(x2-x1^2)^2+10*(x1-1)^2
s.t. x1^2+x2^2=<9.0
isight優(yōu)化步驟：
1、
構(gòu)建優(yōu)化流程，application組件采用calculator，process 組件選用optimization;
圖1-優(yōu)化流程構(gòu)建
2、
設(shè)置優(yōu)化算法、設(shè)計(jì)變量、約束及目標(biāo)，設(shè)計(jì)變量初始值為x1=2.0,x2=3.0;
圖2-優(yōu)化算法及參數(shù)設(shè)置
3、
查看優(yōu)化結(jié)果，并比較3種梯度算法搜尋全局最優(yōu)解的效率。
圖3給出了三種算法的搜尋歷程，算法收斂準(zhǔn)則均設(shè)置為1.0e-6，設(shè)計(jì)空間為以（0,0）為圓心半徑為3.0的圓域內(nèi)，初始點(diǎn)為（2.0,3.0）不在設(shè)計(jì)空間內(nèi)部，NLPQL算法迭代27次能搜尋到全局最優(yōu)解（0.986,0.975），LSGRG算法迭代10次找到局部最優(yōu)解（1.590,2.544），這個(gè)局部解剛好在設(shè)計(jì)區(qū)域的邊界上，因?yàn)長SGRG算法的搜尋梯度和它的臨界約束相關(guān)，MMFD算法迭代8次找到局部解（1.523,2.342），這個(gè)點(diǎn)剛好滿足目標(biāo)函數(shù)高階項(xiàng)接近零。以上結(jié)果可以發(fā)現(xiàn)，初始點(diǎn)不在設(shè)計(jì)區(qū)域內(nèi)，NLPQL算法通過多次迭代能搜尋到全局最優(yōu)解，而LSGRG和MMFD算法能用較少的迭代次數(shù)搜尋到一個(gè)局部最優(yōu)解而完成迭代過程。
展開 它可看作是無約束下降算法的自然推廣，其典型策略是從可行點(diǎn)出發(fā)，沿著下降的可行方向進(jìn)行搜索，求出使目標(biāo)函數(shù)值下降的新的可行點(diǎn)。算法的關(guān)鍵步驟是選擇搜索方向和確定沿著該方向移動(dòng)的步長。用數(shù)學(xué)表達(dá)式表示就是：
Designi=Designi-1+A*SearchDirectioni
其中，下標(biāo)i表示迭代次數(shù)，A是一維搜索過程中所確定的常量。
該方法在降低目標(biāo)函數(shù)值的同時(shí)維持了解的可行性，而且效率較高。可行方向法目前不能出來等式約束的問題。這種技術(shù)有如下一些特點(diǎn)：
l 能快速地得到優(yōu)化設(shè)計(jì)；
l 能處理不等式約束；
l 在優(yōu)化中能十分準(zhǔn)確地滿足約束。
以下是可行方向法-CONMIN的算法步驟：
可行方向法-CONMIN技術(shù)使用了以下幾種方法之一來尋找每個(gè)迭代中的搜索方向：
（1） 如果沒有約束起作用或沖突，那么使用無約束方法中的變梯度法
（2） 如果有任何約束起作用并且沒有約束沖突，使用改進(jìn)的可行方向法：
（3） 如果一個(gè)或多個(gè)約束沖突，使用可行方向法-CONMIN：
Isight優(yōu)化算法之5_可行方向法.pdf
展開 Isight中有很多算法，比如拉丁超立方、多島遺傳算法、多目標(biāo)優(yōu)化算法等等，共計(jì)十幾種算法，相信大家在學(xué)習(xí)中一定犯暈。其實(shí)這么多算法中，按大類分的話包括：試驗(yàn)設(shè)計(jì)、梯度優(yōu)化、直接搜索、全局優(yōu)化及多目標(biāo)優(yōu)化五類，各類優(yōu)化算法有各自的優(yōu)缺點(diǎn)，對(duì)于我們初級(jí)、中級(jí)使用者來說，只要學(xué)會(huì)選擇相應(yīng)算法即可，而不必過于糾結(jié)各類算法的原理。小編以簡支梁應(yīng)力計(jì)算為例，詳細(xì)講解Isight中的優(yōu)化算法及應(yīng)用，并詳細(xì)講解Isight與ANSYS APDL耦合及優(yōu)化結(jié)果分析。QQ: 315673349
展開 
Isight算法的相關(guān)專題、標(biāo)簽、搜索
Isight算法的最新內(nèi)容
Isight使用模擬退火算法優(yōu)化Si的值，以最小化N?1個(gè)數(shù)據(jù)點(diǎn)的誤差總和。
? 對(duì)輸入變量對(duì)輸出變量的影響進(jìn)行排名
選擇EBF而不是RBF的主要優(yōu)點(diǎn)之一是EBF能夠按照對(duì)輸出變量的影響順序?qū)斎胱兞窟M(jìn)行排序。
定義設(shè)計(jì)變量變化范圍，約束和優(yōu)化目標(biāo)，調(diào)用Isight內(nèi)部優(yōu)化算法（NSGA-Ⅱ）進(jìn)行尋優(yōu)。
流程文件可以私聊！
歡迎交流！！！
所以需要結(jié)合Isight自帶的優(yōu)化算法，尋找最優(yōu)的換擋策略。
可以看到這是一個(gè)兩參數(shù)的換擋策略，包含了升檔策略與降檔策略。上圖中對(duì)應(yīng)的a、b、c、d分別為換擋次數(shù)、油門開度、升檔車速、降檔車速。
如上文介紹的，換擋策略存放在dbf文件當(dāng)中。需要Isight讀取dbf中的換擋策略，并一一設(shè)置成為優(yōu)化變量。
小編以簡支梁應(yīng)力計(jì)算為例，詳細(xì)講解Isight中的優(yōu)化算法及應(yīng)用，并詳細(xì)講解Isight與ANSYS APDL耦合及優(yōu)化結(jié)果分析。QQ: 315673349
— 優(yōu)化算法
Isight中有很多算法，比如拉丁超立方、多島遺傳算法、多目標(biāo)優(yōu)化算法
等等，共計(jì)十幾種算法，相信大家在學(xué)習(xí)中一定犯暈。其實(shí)這么多算法中，按大類分的話包括：試驗(yàn)設(shè)計(jì)、梯度優(yōu)化、直接搜索、全局優(yōu)化及多目標(biāo)優(yōu)化五類
1.問題描述
以非完全可行域問題為例，介紹梯度優(yōu)化算法在ISIGHT中的應(yīng)用。優(yōu)化問題如下圖所示，該問題為二次規(guī)劃問題，其中可行設(shè)計(jì)空間存在一個(gè)圓形不可行區(qū)域。
2.優(yōu)化算法介紹
ISIGHT中梯度優(yōu)化算法包括修正可行方向法、廣義下降梯度法、序列二次規(guī)劃法、多功能優(yōu)化系統(tǒng)技術(shù)及混合整型序列二次規(guī)劃。
對(duì)多個(gè)子目標(biāo)同時(shí)進(jìn)行優(yōu)化的問題稱為多目標(biāo)優(yōu)化問題，又稱多準(zhǔn)則優(yōu)化問題、多性能優(yōu)化問題。實(shí)際工程中，優(yōu)化問題大多數(shù)屬于多目標(biāo)問題，目標(biāo)之間一般都是互相沖突的，因此在設(shè)計(jì)時(shí)需要進(jìn)行多目標(biāo)的比較，并進(jìn)行權(quán)衡和折衷。自20世紀(jì)70年代以來，多目標(biāo)優(yōu)化問題在國際上引起了廣泛的關(guān)注，并迅速發(fā)展為一門新興的學(xué)科。
多目標(biāo)優(yōu)化算法主要分為兩大類：歸一化方法和非歸一化方法。
歸一化方法的解決方法通過加權(quán)或其他方式將多個(gè)目標(biāo)轉(zhuǎn)化為單一目標(biāo)
iSIGHT中優(yōu)化算法分類.pdf
優(yōu)化算法之5_可行方向法.pdf
在isight中選擇優(yōu)化算法并建立優(yōu)化流程，并設(shè)置邊界條件與約束條件優(yōu)化目標(biāo)等（本例中的EXCEL為工字梁理論模型，可以根據(jù)四個(gè)輸入變量計(jì)算輸出模型的質(zhì)量、應(yīng)力、變形等信息）。如圖
權(quán)重與比例因子在多目標(biāo)優(yōu)化中的作用.pdf
