智能算法與優化
關注創建者：匿名 創建時間：2026-01-05
智能算法與優化的視頻教程
1-59基于matlab的爬行動物搜索算法（Reptile search algorithm, RSA）一種新型智能優化算法
基于matlab的爬行動物搜索算法（Reptile search algorithm, RSA）一種新型智能優化算法。該算法主要模擬鱷魚的捕食行為，來實現尋優求解，具有收斂速度快，尋優能力強的特點。程序已調通，可直接運行。 購買后可下載視頻中的源程序文件。
￥15.9 1分鐘 13播放
查看
TurboTides 2024R2全新版本發布會--智能算法驅動的全自動優化透平機械集成設計平臺
TurboTides是一款針對旋轉機械領域的集設計、建模、仿真、優化、數據管理于一體的現代化設計平臺。該產品是CAE仿真工具與系統工程思想的正向設計系統，致力于為旋轉機械行業用戶提供一體化、專業化、定制化和智能化的CAE設計工具。 本次TurboTides 2024R2版本的發布會將重點介紹升級亮點，帶您更加深入了解這款產品。
免費 1小時12分鐘 168播放
查看
遺傳算法優化BP神經網絡與神經網絡遺傳算法程序視頻
主要內容包括：BP神經網絡算法工具箱三個函數功能與語法，BP神經網絡算法應用于非線性函數擬合與預測問題，遺傳算法三個算子與函數ga功能及語法，遺傳算法應用于尋求多個極值點的最小值解問題，遺傳算法優化BP神經網絡算法流程與3個模塊與程序分析，遺傳算法優化BP神經網絡算法求解擬合及預測問題，遺傳算法優化BP神經網絡算法分析自己實際數據與程序通用，GAOT工具箱函數處理GA優化BP分析預測及識別應用問題，
￥168 1小時21分鐘 935播放
查看
智能算法與優化的實例教程
文章來源：微信公眾號“仿真社”，主要分享Abaqus、ANSYS仿真案例，聚焦于結構優化、參數優化，二次開發等領域，歡迎關注。
本文你將獲得如下干貨：
1. 有限元模型修正法FEMU結合智能優化算法反演了加強筋位置布局的源程序（python程序，可反演位置、厚度、材料參數，通用反演程序）
2. 參數化建模的一些技巧；
3. 直接搜索法和智能算法兩種反演方法，以及了解他們的優勢所在；
1.導讀
薄壁結構最常見的失效方式是屈曲（失穩）。為了避免此類結構發生屈曲現象，可以使用加強筋，加強筋可增加結合面的強度。屈曲臨界載荷是衡量結構發生屈曲現象的最小載荷，由下式決定：
為屈曲載荷因子，F為外載荷。由上式可知，在外載一定的時候，臨街載荷與屈曲載荷因子成正比，而屈曲載荷因子與加強筋的位置有關。因此為了提高結構的穩定性，需要找到加強筋的最優位置使得該結構擁有最大屈曲載荷因子。
尋找最優位置的問題是一個反問題，可通過優化算法來獲到最優解。差分進化算法是一種全局智能優化算法，是遺傳算法的變體，可高效獲得最優解。本文使用智能優化算法對位置參數進行了反演并使用遍歷搜索優化算法來進行了對比。
2.問題描述
針對圖1優化前所示結構，優化軸向4個加強筋位置，使得屈曲載荷因子最大。圓筒高400mm，圓筒直徑為400mm,薄壁厚1mm,加強筋厚2mm。圓筒在頂端受到大小為500N，方向為-y方向的集中力。
圖1 帶有加強筋的圓筒模型
通過差分進化優化算法獲得的加強筋均勻分布在圓筒的四周，是不是很符合力學認知？
3. 代碼詳解
這一部分將結合代碼詳細展現如何實現這一過程的技術細節以及智能優化算法的優勢。
展開 南京天洑軟件有限公司研發專家夏松濤，曾任職于西門子美國研究院和Ansys公司的技術專家，他始終心系祖國制造業的"軟肋"，于2022年底回國加入天洑軟件，致力于智能優化算法的自主研發。
作為南京市重點引進人才及天洑軟件核心技術帶頭人，夏博士近日在接受南京電視臺和南京日報聯合采訪時表示：“南京的人才扶持政策非常完善，從科研資金支持到人才安居保障，為我們解除了后顧之憂，能夠全心投入CAE算法的研發攻關?！?天洑軟件作為國家級專精特新“小巨人”企業、國家鼓勵的重點軟件企業，通過引進國際頂尖人才與自主創新相結合，在智能優化算法領域取得重大突破。夏博士介紹：傳統優化方案需要專家數周時間才能完成，而天洑自研的人工智能優化算法可將這一過程縮短至數小時，在精度和效率上實現了質的飛躍。
天洑軟件始終堅持人才+技術雙輪驅動。夏松濤等核心專家的回歸不僅帶來了國際前沿經驗，更推動了公司技術體系的全面升級。
目前，天洑軟件的智能優化算法已在多個工業領域成功應用，幫助客戶顯著縮短研發周期，提升產品性能，生動踐行了天洑軟件“軟件報國”使命。
展開 2024年12月18日周三 （19:30- 20:30）在線直播??點擊提前預約
TurboTides是一款針對旋轉機械領域的集設計、建模、仿真、優化、數據管理于一體的現代化設計平臺。該產品是CAE仿真工具與系統工程思想的正向設計系統，致力于為旋轉機械行業用戶提供一體化、專業化、定制化和智能化的CAE設計工具。
本次TurboTides 2024R2版本的發布會將重點介紹升級亮點，帶您更加深入了解這款產品。
行業現狀
旋轉機械在航空航天、能源、化工和制造等領域具有廣泛的應用。隨著全球對節能減排和高效運行的需求日益增長，提高效率、降低能耗和減少排放是旋轉機械設計的核心目標。當前市場上的CAE仿真與優化工具種類繁多，但存在以下局限：
1、多工具分散：大多數工具只專注于某一特定領域，難以實現多學科集成優化，旋轉機械設計需要同時考慮空氣動力學、熱力學、結構力學、流體動力學等多個學科的協同優化。
2、自動化水平低：許多設計過程仍然依賴人工干預，難以滿足市場對快速響應的需求迫使設計工具需要具備快速迭代和自動化優化的能力。
產品升級重大亮點
一 智能驅動，全程優化
* TurboTides 集成了人工智能優化器 OASIS、參數化建模工具、自動化網格生成和 CFD/FEA 求解器，為用戶提供從設計到分析的全流程自動化支持。
* 支持單目標、多目標、多學科的智能優化，涵蓋多點優化和氣動結構耦合優化，顯著減少設計迭代時間，讓初級工程師也能完成高級設計任務。
二 不斷創新，持續提升
* 引入多級循環分析擴展功能，結合通流數據修正和反問題設計模式，實現更高效、精確的設計流程。
展開 基于matlab的對分解層數和懲罰因子進行優化。蟻獅優化算法優化VMD,算術優化算法優化VMD，遺傳優化算法優化VMD，灰狼優化算法優化VMD，海洋捕食者優化算法優化VMD，粒子群優化VMD，麻雀優化算法優化VMD，鯨魚優化算法優化VMD。程序已調通，可直接運行。
灰狼優化算法優化支持向量機MATLAB實戰
今天給大家分享灰狼優化算法的MATLAB實戰 ，主要從算法原理和代碼實戰展開。
需要了解更多算法代碼的，可以點擊文章左下角的閱讀全文，進行獲取哦~需要了解智能算法、機器學習、深度學習和信號處理相關理論的可以后臺私信哦，下一期分享的內容就是你想了解的內容~
一、灰狼優化算法
灰狼優化算法（Grey Wolf Optimizer，GWO）由澳大利亞格里菲斯大學學者 Mirjalili 等人于2014年提出來的一種群智能優化算法。該算法受到了灰狼捕食獵物活動的啟發而開發的一種優化搜索方法，它具有較強的收斂性能、參數少、易實現等特點。
灰狼屬于犬科動物，被認為是頂級的掠食者，它們處于生物圈食物鏈的頂端。灰狼大多喜歡群居，它們具有非常嚴格的社會等級層次制度，如下圖所示。
金字塔第一層為種群中的領導者，稱為 α 。在狼群中 α 是具有管理能力的個體，主要負責關于狩獵、睡覺的時間和地方、食物分配等群體中各項決策的事務。
金字塔第二層是 α 的智囊團隊，稱為 β 。β 主要負責協助α 進行決策。當整個狼群的 α 出現空缺時，β 將接替 α 的位置。β 在狼群中的支配權僅次于 α，它將 α 的命令下達給其他成員，并將其他成員的執行情況反饋給 α 起著橋梁的作用。
金字塔第三層是 δ ，δ 聽從 α 和 β 的決策命令，主要負責偵查、放哨、看護等事務。適應度不好的 α 和 β 也會降為 δ 。金字塔最底層是 ω ，主要負責種群內部關系的平衡。
灰狼的社會等級在群體狩獵過程中發揮著重要的作用，捕食的過程在 α 的帶領下完成。
展開 
智能算法與優化的相關專題、標簽、搜索
智能算法與優化的最新內容
同時，立足行業技術發展趨勢，進一步展望人工智能、機器學習等技術與電力電子設計深度融合的應用方向，挖掘智能算法在拓撲優化、參數自動匹配、可靠性預判等核心設計環節的應用潛力，為電力電子行業智能化設計創新與技術升級提供參考思路。
挑戰/需求
研發效率提升、產品突破創新是研發組織兩大核心課題，融合 “行業應用場景+專家經驗+智能優化算法+機器學習”的新電磁設計技術可潛在實現研發增效降本、提升產品競爭力。
使用工具
AEDT、Matlab、Python
最終成果
基于AEDT+Matlab+Python，構建了面向研發組織不同層次工程師的專用仿真平臺EMotor與ProSim。
智能優化設計2個月前
[圖片]
1月29日，由中國信息通信研究院與中國人工智能產業發展聯盟科學智能工作組聯合主辦的“科研智能成果發布會”在北京召開。
會議聚焦科研智能前沿趨勢，旨在為行業提供權威參考與實踐指南，會上正式發布了 “2025年科研智能十大標桿案例” ，以表彰該領域的突破性創新實踐，樹立行業典范，促進產業協作。
天洑憑借 “風扇葉輪智能優化設計” 案例，成功入選。該案例是基于天洑自主研發的優化設計軟件AIPOD
01/簡介
隨著集成電路制程向3nm及以下節點突破，光刻系統面臨的光學畸變、分辨率不足等問題愈發突出，光源-掩模協同優化（SMO）技術成為突破硬件限制的核心手段。矢量SMO憑借對偏振效應、三維掩模衍射等復雜光學現象的精準刻畫，較傳統標量模型實現了質的飛躍，其優化算法的性能直接決定光刻成像質量與制造良率。
梯度計算與變量替換是矢量SMO算法的理論基石，為離散優化問題轉化為連續可解問題提供了關鍵路徑
這項研究不僅為高靈敏度折射率傳感提供了新方案，也展示了智能優化算法在光學結構設計中的巨大潛力。隨著制造技術的進步和材料工程的發展，該技術有望克服現有挑戰，在生物傳感、化學檢測、環境監測等領域發揮重要作用。
Lumerical軟件試用申請，歡迎聯系摩爾芯創。
參考文獻：
[1] Darabi A, Malekshahi M R.
01/簡介
隨著半導體技術節點向3nm及以下先進制程持續演進，光刻工藝中的光學鄰近效應（OPE）、偏振依賴效應及三維掩模衍射等復雜現象愈發顯著，傳統基于標量近似的光學鄰近修正（OPC）技術已難以滿足納米級圖形復刻的精度要求。矢量成像模型憑借對光場偏振態、矢量傳播及復雜界面相互作用的精準刻畫，成為先進制程OPC技術的核心支撐，而矢量OPC優化算法的性能則直接決定了掩模修正的精度
天冷了，新能源汽車瑟瑟發抖5個月前
利用天洑自研的 SilverBullet智能優化算法，同時開啟智能突破設計邊界功能。流程啟動后，在成千上萬種設計可能中，經過55次自動迭代，AIPOD交出了一份驚艷的答卷。
壓損降到了 23.4 kPa，成功達標，水泵大大減負，電池溫差也從10.19℃降到了 8.91℃。
設計師、工程師和采購人員不再問Google，而是問 ChatGPT。生成式人工智能可在數秒內提供答案。對于B2B企業來說，這意味著只有與時俱進、調整適應，才能保持企業的高可見性。
工程師和設計師搜索技術信息的方式發生了根本性的變化。過去，設計師需要瀏覽多家制造商的網站，而現在，當設計師向人工智能提問：“哪種傳感器能在300度高溫下工作？誰提供這種傳感器？”
在數據建模環節，同學們學習了如何利用工業數據挖掘價值，體驗了智能算法在工程優化中的強大威力。
江蘇理工學院這封感謝信，既是對本次合作成果的見證，也是對未來雙方深化產教融合的期許。
作為國內領先的智能工業軟件驅動創新企業，天洑軟件始終以“軟件報國”為使命，持續在教育市場投入資源，積極推動校企合作。
