算法選擇的案例
特征選擇算法，GRUP LASS0
特征選擇算法
259 基于matlab的知識遷移的蟻群參數選擇算法 ￥19.89
基于matlab的知識遷移的蟻群參數選擇算法。通過構建圖實現參數的自主映射。通過設置二維障礙物，隨機生成目標任務參數，通過蟻群算法進行路徑尋優。輸出路徑尋優結果。可自由設置路徑起始位置。程序已調通，可直接運行。
如何選擇合適的電磁場仿真算法
在實際計算中，對于矩量法，如果選擇準靜態模式，那么仿真器將會對格林函數做低頻等效，忽略其高頻變化，以加快仿真速度。而全波模式會對整個頻段的格林函數進行精確計算。ADS的Momentum和EMX均提供準靜態選項：在Momentum中，選擇RF模式即可選擇準靜態模式；
在EMX中，仿真器會自動判斷是否使用準靜態模式，也可用“--quasistatic”命令強制選擇準靜態模式。
3） 有限時域差分（Finite Difference Time Domain，FDTD）
與前兩種算法相比，有限時域差分法最大的不同在于它在時域對微分形式的Maxwell方程進行求解。近似來看，有限時域差分法有點像我們電路里面的瞬態仿真，當前時刻的電場磁場矢量值由結構中前一時刻的電場磁場值以及它們的變化情況直接計算得出，因而避免了前兩種算法中用到的矩陣方程求解。某些情況下，有限時域差分法極為高效，僅使用少量內存即可求解很復雜的結構。
有限時域差分法的典型應用包括：仿真人體對于手機天線信號的影響、仿真汽車飛機內部的天線等等。
電磁場仿真軟件Empire、CST以及ADS的EMPro均支持有限時域差分法。
有限時域差分仿真酷炫圖（圖片來源：【1】）
如何選擇合適的電磁場仿真算法
在比較這三種算法之后，我們再來談談如何選擇合適的算法。可以從如下幾個角度考慮：
1）結構的特點
待求解的結構是否為層狀結構？對于層狀結構，矩量法能夠提供最高效快速的求解，因此我們可以優先考慮矩量法。例如PCB走線、層狀倒封裝、片上無源器件，都可認為是層狀結構。對于轉換頭、接口、波導、三維天線、BGA封裝等復雜的非層狀結構，則只能從有限元分析和有限時域差分法中進行選擇。
展開 翹曲殼單元的算法公式選擇
<p>ELFORM=2</p><p>Belytschko-Tsay 殼單元，<strong>缺省的殼單元公式</strong>，面內<strong>單點積分</strong>，計算速度很快，通常對于大變形問題是最穩定有效的公式。采用 Co-rotational 應力更新，單元坐標系統置于單元中心，基于平面單元假定，所以<strong>對于翹曲的幾何體不適用（容易負體積）</strong>，參考 BWC 殼公式。建議在大多數的分析中使用。</p><p><br></p><p>★<em> 對于幾何翹曲問題——此時通過對*CONTROL_SHELL關鍵字設置——參數 BWC=1 施加翹曲剛度公式，同時參數PROJ=1，以及設置*CONTROL_ACCURACY中參數 INN=2 使節點編號不變，保證計算精度。</em></p><p><br></p><p><br></p><p><strong style="color: rgb(41, 41, 41);"><em>建議配合——沙漏變形模式。通常來說，單點積分單元偏軟，通過使用基于剛度的沙漏控制（HG為4）和一個小的沙漏系數（如0.03～0.05），表現就變得稍剛了些。這個沙漏公式也推薦用在單點積分的大多數應用上。</em></strong></p><p><br></p><div contenteditable="false" width="100%"><hr></div><p><br></p><div contenteditable="false" width="100%"><hr>
</div><p><br></p><p><br></p><p><br></p><p><br></p><p>★<em> 對于幾何翹曲問題，也可以使用 10 號單元公式：</em></p><p><br></p><p>ELFORM=10<
展開 
優質直播推薦 || 優化軟件modeFRONTIER優化氣道流程介紹
本次直播將介紹使用優化軟件modeFRONTIER進行氣道優化的方法和注意事項，包括氣道變形方式的選取、CFD軟件的選取及集成方法、DOE/優化算法的選擇和設置、后處理的方法等等。
課程大綱：
1. 氣道優化背景說明
2. 常見優化流程
3. 變形方式選取及modeFRONTIER集成方法
4. CFD軟件選擇及不同集成方法
5. 算法選擇及設置
l DOE算法選擇及設置
l 響應面算法選擇及設置
l 優化算法選擇及設置
6. 后處理方法及注意事項
7. 氣道優化案例介紹
8. 燃燒室優化案例介紹（參考）
適宜人群：
對氣道/燃燒室等發動機相關內部流動優化設計感興趣的設計和仿真工程師。
時間安排：
2020年3月10日 19:30
講師簡介：
張振科
博士學位，現就職于艾迪捷信息科技(上海)有限公司北京分公司，擔任優化軟件modeFRONTIER產品技術經理。從事CAE相關工作已十年有余，擅長多學科優化、多物理場耦合等領域，對ANSYS、Abaqus、FLUENT、STAR-CCM+等CAE分析軟件均較為熟悉，同時還負責完成了多項各種類型的CAE工程仿真項目。
報名方式：
點擊圖片或點擊鏈接立即報名：https://www.yqgqt.org.cn/live/10696
展開 智能設計新時代 | optiSLang賦能HFSS實現智能優化
其次，在進一步設計中采用優化算法進行優化，從而獲得最優的S參數、天線方向圖以及電磁場分布等結果。
2
優化設計新紀元：實現從簡單優化到穩健設計
參數掃描以及伴隨求導實際是對設計空間的初步探索，而在進一步優化中首先面臨著優化算法選擇的問題。
目前HFSS的優化模塊包含了十多種優化算法，簡單分類可分為基于梯度的優化算法和基于自然啟發的優化算法。梯度優化算法適合局部尋優且速度快，自然啟發優化算法適合多參數全局尋優。
然而對絕大多數工程師而言，很難掌握十多種優化算法的適用范圍，另外也很難對優化目標在設計空間的變化規律進行預先判斷，因此實際優化中經常存在以下困難。
優化算法如何選擇？
大規模參數優化時收斂困難？
是否陷入局部最優？
是否支持離散的參數空間定義？
優化中如何考慮產品的可制造性？
優化結果的魯棒性如何？
產品是否有其他的性能潛能？
在簡單優化中，預先沒有對設計空間充分探索，缺乏對設計參數的認識，例如參數對響應的敏感度如何，參數變化范圍是否設計合理等。這些信息的缺失將導致優化算法選擇的盲目性以及對優化結果的不確定性。
Ansys optiSLang
Ansys optiSLang是一款先進的仿真流程集成與設計優化（Process Integration and Design Optimization，PIDO）工具。optiSLang不僅僅是一款優化工具，實際上它是基于數學方法研究產品設計中的輸入參數和輸出響應，實現設計流程集成以及優化自動化，同時為數字孿生（Digital Twin）提供降階模型。
展開 智能設計新時代 | optiSLang賦能HFSS實現智能優化
其次，在進一步設計中采用優化算法進行優化，從而獲得最優的S參數、天線方向圖以及電磁場分布等結果。
2
優化設計新紀元：實現從簡單優化到穩健設計
參數掃描以及伴隨求導實際是對設計空間的初步探索，而在進一步優化中首先面臨著優化算法選擇的問題。
目前HFSS的優化模塊包含了十多種優化算法，簡單分類可分為基于梯度的優化算法和基于自然啟發的優化算法。梯度優化算法適合局部尋優且速度快，自然啟發優化算法適合多參數全局尋優。
然而對絕大多數工程師而言，很難掌握十多種優化算法的適用范圍，另外也很難對優化目標在設計空間的變化規律進行預先判斷，因此實際優化中經常存在以下困難。
優化算法如何選擇？
大規模參數優化時收斂困難？
是否陷入局部最優？
是否支持離散的參數空間定義？
優化中如何考慮產品的可制造性？
優化結果的魯棒性如何？
產品是否有其他的性能潛能？
在簡單優化中，預先沒有對設計空間充分探索，缺乏對設計參數的認識，例如參數對響應的敏感度如何，參數變化范圍是否設計合理等。
展開 智能設計新時代 | optiSLang賦能HFSS實現智能優化
其次，在進一步設計中采用優化算法進行優化，從而獲得最優的S參數、天線方向圖以及電磁場分布等結果。
2、優化設計新紀元：實現從簡單優化到穩健設計
參數掃描以及伴隨求導實際是對設計空間的初步探索，而在進一步優化中首先面臨著優化算法選擇的問題。
目前HFSS的優化模塊包含了十多種優化算法，簡單分類可分為基于梯度的優化算法和基于自然啟發的優化算法。梯度優化算法適合局部尋優且速度快，自然啟發優化算法適合多參數全局尋優。
然而對絕大多數工程師而言，很難掌握十多種優化算法的適用范圍，另外也很難對優化目標在設計空間的變化規律進行預先判斷，因此實際優化中經常存在以下困難。
優化算法如何選擇？
大規模參數優化時收斂困難？
是否陷入局部最優？
是否支持離散的參數空間定義？
優化中如何考慮產品的可制造性？
優化結果的魯棒性如何？
產品是否有其他的性能潛能？
在簡單優化中，預先沒有對設計空間充分探索，缺乏對設計參數的認識，例如參數對響應的敏感度如何，參數變化范圍是否設計合理等。
展開 【技術】基于DTEmpower的水處理系統參數預測 - 內因+外因篇
但引入“外因”特征也將延伸出“選擇哪些外部特征？”，“過多的特征是否會導致維度爆炸？”，“特征變化之后選擇何種機器學習算法？”等一系列問題。
事實上，絕大多數數據驅動的建模流程鏈都是“數據處理+特征工程+算法選擇+超參優化”，每個節點都存在多種方案值得探索。面對復雜建模問題，往往初始的數據建模方案并不能達到較好的結果，這時便需要用戶嘗試盡可能多的方案，選擇效果盡可能好的模型。
這種海量的組合方案的嘗試和探索工作需要很高的程序自動化水平，也是讓普通用戶望而生畏和“勸退”的原因所在。DTEmpower是天洑軟件歷經多年打磨，推出的一款簡潔而嚴謹的通用數據建模軟件，具有極高的自動化和智能化水平，哪怕是零編程基礎、零算法基礎的用戶，也可以高效便捷地在短時間內零編碼地探索大量不同的數據建模方案，尋找匹配實際問題場景的優秀模型。
本文便是針對水處理系統中入口流量、壓差、濁度電導率等時序預測難度高的監測參數的預測問題，展示如何使用DTEmpower建模工具，高效便捷地尋找優秀數據模型的探索過程。
基于內因+外因的水處理系統參數預測實驗
1. 數據集介紹
以某電廠水處理系統為例，對系統中三類過濾器（多介質過濾器、超濾裝置和反滲透裝置）的32個參數如入口流量、壓差、濁度電導率進行t+12h（對12h之后的數據進行預測）的長窗預測。
展開 fluent 電機水冷散熱 ￥10
圖 6 網格劃分6、點擊setup，選擇serial，單核進行計算（電腦有多核可以選擇多核）。圖 7 fluent 啟動
Fluent中的條件設置
7、初始條件設置，選擇添加重力條件。8、進口速度為1m/s，進行簡單的計算，超過湍流的雷諾數，選擇k-epsilon的湍流模型，參數默認即可。同時打開energy選項。圖 8 湍流模型選擇9、添加water的材料圖 9 材料10、模型初始化。選擇賦予相應的模型材料，設置電機的功率密度。功率密度等于功率除以發熱電機體積。圖 10 電機功率11、進行接觸部分耦合圖 11 接觸耦合12、邊界條件設置，其中inlet1和inlet2流速都是1m/s，進水溫度295K。turbulent intensity為5%，hydraulic diameter為9.6mm。出口為大氣壓101325Pa。溫度為295K。圖 12進口邊界條件圖 13 出口邊界條件13、對于外wall的設置考慮到空氣散熱，其heat flux為10W/m2。圖 14 wall設置14、選擇算法為simplec，選擇gradient為green-gauss node based。其余參數默認。圖 15算法選擇15、殘差設置。殘差參數默認。圖 16 殘差設置16、初始化，選擇standard initialization，對inlet1進行初始化。圖 17 初始化17、計算，設置number of iterations為200。圖 18 迭代數量
計算結果
18、計算殘差曲線如下圖所示。圖 19 殘差曲線圖 20 散熱效率及功率圖 21整體模型溫度圖 22 水道內部壓力圖 23 水道內部流速
歡迎土豪贊助。
展開 分子動力學模擬 心得 適合新手
計算量逐漸增加，所以選擇a+a來替代2×a 會減少一些計算量
3.選擇數據來替代結構體，結構體看的比較方便，但是計算效率要低，尤其是在編譯過程中的矢量化的時候，而數組則可以很好的矢量化，也更適合并行。結構體的計算是先找到結構體指針，然后再找里面的參數，當并行的時候，多線程同時找結構體指針，會很大的減低速度。
4.除法盡量用乘法來替代，有了程序以后，自己可以仔細的分析里面的計算消耗，這樣可以更好的優化計算，當然最主要的消耗是在力和能量的計算中，可以選擇離散-插值的方法，使得不同的勢函數有相同的計算效率，也可以選擇鄰位算法來分塊計算。
當簡單的NVE做完以后，可以直接做NVT，這僅僅是增加一個簡單的控溫，是很簡單的，早期編程的時候，建議選擇Nose-Hoover控溫，你會發現 NVT也是如此的簡單。接下來，你可以考慮做做NPH，但是由于引入了壓強算法，原來的原子的位置和速度等等和笛卡爾系有關的一切內容都要發生改變，這將讓你重新寫程序，可以說是一個完全不同的程序。不過，幸好我們已經有了前面的一些經驗，NPH雖然復雜，但是并不是不可能完成的，注意的是和笛卡爾系相關的量要變化。早期的計算，可以選擇Anderson控壓算法。在完成了這些，可以說你已經把最主要的分子動力學程序都完成了。
那么，接下來就是復雜的分子動力學算法了，試著選擇PR算法來代替Anderson壓強算法，然后選擇Metric-tensor來代替PR算法；選擇 Nose-Poincare來代替Nose-Hoover算法，選擇Generalized-Leap-Frog算法來替代預測校正算法，用Wolf來替代Ewalds算法，這些一步步的改進都會讓你有很多新的發現。你會覺得你的程序達到了現在大部分軟件包沒有的功能。
展開 
FLUENT中的求解器、算法和離散方法
FLUENT中的求解器、算法和離散方法作為一個非科班出身的CFD工程師，一開始常常被CFD軟件里各種概念搞的暈頭轉向。最近終于靜下心來看了看CFD理論的書，理清了一些概念。就此寫一遍博文，順便整理一下所學內容。I 求解器：FLUENT中求解器的選擇在如下圖所示界面中設置：
FLUENT中的求解器主要是按照是否聯立求解各控制方程來區分的，詳見下圖：
II 算法：算法是求解時的策略，即按照什么樣的方式和步驟進行求解。FLUENT中算法的選擇在如下圖所示的界面中設置：
這里簡單介紹一下SIMPLE、SIMPLEC、PISO等算法的基本思想和適用范圍。SIMPLE算法：基本思想如前面講求解器的那張圖中解釋分離式求解器的例子所示的一樣，這里再貼一遍：1.假設初始壓力場分布。2.利用壓力場求解動量方程，得到速度場。3.利用速度場求解連續性方程，使壓力場得到修正。4.根據需要，求解湍流方程及其他方程5.判斷但前計算是否收斂。若不收斂，返回第二步。簡單說來，SIMPLE算法就是分兩步走：第一步預測，第二步修正，即預測－修正。SIMPLC算法：是對SIMPLE算法的一種改進，其計算步驟與SIMPLE算法相同，只是壓力修正項中的一些系數不同，可以加快迭代過程的收斂。PISO算法：比SIMPLE算法增加了一個修正步，即分三步：第一步預測，第二步修正得到一個修正的場分布，第三步在第二步基礎上在進行一側修正。即預測－修正－修正。PISO算法在求解瞬態問題時有明顯優勢。對于穩態問題可能SIMPLE或SIMPLEC更合適。如果你實在不知道該如何選擇，就保持FLUENT的默認選項好了。因為默認選項可以很好解決70％以上的問題，而且對于大部分出了問題的計算來說，也很少是因為算法選擇不恰當所致。
展開 [問題討論]FLUENT中的求解器、算法和離散方法簡介
I 求解器：FLUENT中求解器的選擇在如下圖所示界面中設置：
FLUENT中的求解器主要是按照是否聯立求解各控制方程來區分的，詳見下圖：
II 算法：算法是求解時的策略，即按照什么樣的方式和步驟進行求解。FLUENT中算法的選擇在如下圖所示的界面中設置：
這里簡單介紹一下SIMPLE、SIMPLEC、PISO等算法的基本思想和適用范圍。SIMPLE算法：基本思想如前面講求解器的那張圖中解釋分離式求解器的例子所示的一樣，這里再貼一遍：1.假設初始壓力場分布。2.利用壓力場求解動量方程，得到速度場。3.利用速度場求解連續性方程，使壓力場得到修正。4.根據需要，求解湍流方程及其他方程5.判斷但前計算是否收斂。若不收斂，返回第二步。簡單說來，SIMPLE算法就是分兩步走：第一步預測，第二步修正，即預測－修正。SIMPLC算法：是對SIMPLE算法的一種改進，其計算步驟與SIMPLE算法相同，只是壓力修正項中的一些系數不同，可以加快迭代過程的收斂。PISO算法：比SIMPLE算法增加了一個修正步，即分三步：第一步預測，第二步修正得到一個修正的場分布，第三步在第二步基礎上在進行一側修正。即預測－修正－修正。PISO算法在求解瞬態問題時有明顯優勢。對于穩態問題可能SIMPLE或SIMPLEC更合適。如果你實在不知道該如何選擇，就保持FLUENT的默認選項好了。因為默認選項可以很好解決70％以上的問題，而且對于大部分出了問題的計算來說，也很少是因為算法選擇不恰當所致。
III 離散方法：離散方法是指按照什么樣的方式將控制方程在網格節點離散，即將偏微分格式的控制方程轉化為各節點上的代數方程組。
展開 一指之力就能推倒摩天大廈？顯式動力學仿真揭秘“多米諾效應”
02 仿真開發過程
1、預定義-導入參數
2、建模
3、創建材料
4、網格剖分
4.1 映射剖分設置
4.2 掃掠剖分、源面、目標面設置
源面
目標面
掃掠剖分網格參數
5、沙漏控制
6、 創建部件
創建骨牌：選擇【分析】>【創建部件】，標簽設為“骨牌”，拾取類型為【幾何-體】，點擊六個長方體塊，單元算法選擇【一階縮減積分體單元】，材料選擇“Dom_left”，沙漏控制選擇“沙漏控制”。
創建地板：選擇【分析】>【創建部件】，標簽設為“地板”，拾取類型為【幾何-體】，點擊薄板，單元算法選擇【一階縮減積分體單元】，下面的材料選擇“板-剛性”，沙漏控制選擇“沙漏控制”。
7、設置初始條件、接觸、載荷
7.1 設置初速度
拾取類型選擇【幾何-線】，拾取所示長方體塊頂面的邊，【速度向量】UX 設置為-5m/s。屬性欄將 UX 綁定參數 Parameters.velocity。
7.2 設置接觸：類型選擇【面面接觸】
（1）分別拾取薄板的上面及六個小長方體塊的所有表面分別作為主邊界和從邊界，主面罰系數乘子和從面罰系數乘子為默認，動摩擦系數與靜摩擦系數都設置為 0.2，摩擦冪指數為 1，穿透搜尋選擇【是】。
（2）拾取其一長方體塊的外表面和相鄰長方體塊的外表面分別作為主邊界和從邊界，主面罰系數乘子、從面罰系數乘子設置為默認，動摩擦系數、靜摩擦系數都設置為 0.2，摩擦冪指數為 1，穿透搜尋選擇“是”。每相鄰的兩個長方體塊都做一次本步驟的接觸設置。
展開 DYNAFORM的回彈設置：
2．點擊QuickSetup（快速設置）→ Springback（回彈）子菜單，彈出回彈設置對話框；
3．定義毛坯
（1）點擊Blank按鈕，彈出DEFINE BLANK（定義毛坯）對話框，選擇SELECT PART（選擇零件）選項，彈出一對話框；
（2）在彈出的對話框中點擊Add按鈕，在彈出的對話框中選擇剛剛導入的零件，選中后點擊OK；
（3）點擊Ok，回到定義毛坯對話框，點擊Exit退出。
4．設置材料參數，注意必須選用和成形模擬階段相同的材料及其厚度。
（1）點擊Material（材料）旁邊的None按鈕，選擇材料；
（2）修改厚度。
5．求解算法選擇，Dyanform提供了Single-Step Implicit（單步隱式算法）和Multi-Step Implicit（多步隱式算法），一般選擇單步隱式算法；
6．自適應網格處理，選中Coarsening（網格粗化）處理選項。粗化控制允許求解器在計算過程中把相鄰的小于特定角度（例如默認值8度）的單元合并起來，粗化后的網格可以減少計算的時間和不穩定性，從而有利于回彈計算的收斂；
7．點擊Constraint（約束）按鈕，在彈出的CONTROL KEYS（控制鍵）對話框中，選擇NODE選項；
8．用鼠標在零件頂部任意選三個節點，對于選中后的節點程序將會顯示其對應的節點號。這三個節點主要是用來限制剛體的位移，所以它們要滿足一定的要求：不能在一條直線上，不要靠近零件的邊緣，也不應當選擇變形較大的區域，而且相互之間要隔開一定的距離；
9．其余的參數保留默認值，設置完成后就可以提交計算了。
回彈設置.txt
展開 