智能優化算法
關注創建者：Rocketeer2008 創建時間：2016-08-11
智能優化算法的視頻教程
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
遺傳算法原理及其matlab編程詳細講解—輕松快速入門啟發式優化算法
人工智能：在搜索和路徑規劃問題中，如自動駕駛車輛和機器人導航，啟發式算法提供了有效的解決方案。 調度問題：在生產、交通和資源分配中，啟發式算法可以用于生成高效的調度計劃。 組合優化：啟發式算法適用于旅行商問題（TSP）、車輛路徑問題（VRP）等組合優化問題。 能源領域：在能源管理、電網優化和可再生能源集成中，啟發式算法有助于提高能源效率和系統穩定性。
￥19.9 53分鐘 163播放
查看
智能優化算法的實例教程
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 AIPOD是由天洑軟件自主研發的一款通用的智能優化設計軟件平臺，致力于解決性能更優、成本更低、重量更輕等目標的工程設計尋優問題。軟件針對工業設計仿真領域存在的諸多問題，如產品指標達到瓶頸、依賴專家經驗、多學科多目標難以兼顧等，基于人工智能技術研發了先進的智能優化策略，使得軟件使用門檻更低，優化效率更高，優化效果更好。無論是結構、流體、熱力學、電磁學或多物理場耦合問題，AIPOD都可以幫助設計團隊高效地尋找到更好的設計方案。
一、AIPOD的功能和特色
● 豐富的CAD/CAE軟件接口
● 前沿高效的新一代智能優化算法
● 數字化專家知識挖掘與優化輔助
● 便利的圖形化優化流程搭建界面
● 自動化流程執行引擎
● 適配多類型的操作系統及計算集群
● 敏捷的后處理可視化探索
● 國產自主可控
二、版本更新介紹
AIPOD 2024R1在軟件功能和操作體驗上均實現了升級，具體包括
■ 支持基于Hypermorph的非參數化幾何模型優化
■ 新增CAD/CAE軟件接口，結構優化場景覆蓋更全面
■ 升級變量關聯功能，變量提取更輕松
■ 新增優化任務結果一鍵驗證功能，優化方案更可信
■ 升級采樣可視化功能，算力利用更高效
■ 其他易用性升級（多列排序、算例重新執行、任務監控）
圖1 智能優化設計軟件AIPOD 2024R1啟動界面
1）支持基于Hypermorph的非參數化幾何模型優化
AIPOD 2024R1版本新增對非參數化幾何模型的優化支持。在以往的版本中，AIPOD擅長處理如變幾何參數、變邊界條件等優化任務；但在部分場景下（如整車廠等），由于上游供應商只提供了非參數化的幾何模型，導致優化工作無法開展。
展開 （2）全新的代理優化加速模塊
AIAgent可通過與計算流程的連接，進行數據智能采樣，通過天洑自研的機器學習算法，進行代理模型的訓練，為優化設計加速助力。AIAgent中的機器學習算法來自于天洑數據建模平臺，其核心是天洑自研的超參學習框架，相較于傳統響應面、Kriging模型，AIAgent針對復雜問題表征能力更強、數據集需求量更低、使用門檻更低，而且訓練得到的模型可導出，可復用，可作為企業的核心知識進行管理，提升企業快速優化設計的能力。
圖4 AIAgent一鍵構建可復用的高精度代理模型
（3）具有智能探索能力的SilverBullet算法
SilverBullet算法是針對工業設計領域數值模擬計算成本高的痛點而研發，在計算成本有限的情況下（百量級），以盡可能少的計算代價，獲取盡可能高的性能提升。SilverBullet算法整合了智能采樣技術、耦合優化技術，以及一套核心的參數指標動態協調全局優化和局部探索力度，從而實現在小計算規模下的高效性能優化提升。SilverBullet算法有以下兩大特色：
① 自適應優化場景，零使用門檻
SilverBullet算法具有強大的自適應性，用戶僅需提供計算代價，無需任何超參設定，即可一鍵啟動優化流程，大幅降低了用戶的使用門檻；
② 智能邊界突破（Bound-break）
SilverBullet獨有的智能優化探索能夠擺脫參數范圍不夠精確的困擾，對于無法精確給定變量范圍的部分變量，在滿足不增加搜索成本的前提下，自主決策有選擇性地突破設計參數范圍邊界，獲得更好的設計方案。
展開 AIPOD是一款智能優化平臺，具有先進的智能優化策略；主要用于目標函數為數值模擬（如CAE）類的優化問題，追求以更小的計算代價，更短的時間找到更優的設計方案。
AIPOD特點
1) 具有優秀的智能優化算法，擁有較高的優化效率；
2) 包括含代理和無代理多種優化模式；
3) 支持多目標優化與多工況優化；
4) 仿真求解器連接靈活，用戶使用簡便；
5) 具備DoE與后處理功能。
AIPOD界面演示
后處理界面
AIPOD優化算法測試
AIPOD通用全局優化算法測試，驗證算法是否能夠滿足，在充分小的計算規模下，尋找到充分可取的優解；測試函數如表1所示。
同時，對比測試選用的優化算法和最大計算數目如下表所示；
1 單目標值優化
1.1 Shubert函數：
1.2 Griewank函數：
2 多目標值優化
ZDT1，2，3，4測試函數：
Pareto 前沿對比策略：
按照計算次序，每間隔1000個計算中獲取對應的pareto前沿，觀察pareto前沿移動的效率 。
ZDT1函數測試
ZDT2函數測試
ZDT3函數測試
ZDT4函數測試
展開 
智能優化算法的相關專題、標簽、搜索
智能優化算法的最新內容
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？”
隨著汽車產業向“新四化”（電動化、智能化、網聯化、共享化）的深度演進，汽車不再僅僅是交通工具，更是一個集信息、娛樂、生活服務于一體的“第三生活空間”。而作為用戶與這個智能空間溝通的核心樞紐，車載信息娛樂系統（俗稱“車機”）的交互體驗，已成為決定產品成敗的關鍵。在這一背景下，車機交互測試作為確保用戶體驗質量的核心環節，其重要性日益凸顯。
一、 為何車機交互測試如此重要？
通過結合機器學習與智能優化算法，AI 能夠快速建立電磁響應預測模型，大幅減少仿真次數，實現對多目標（如增益、帶寬、方向圖等）的全局優化。同時，該方法還可以輔助探索新型天線結構，挖掘傳統方法難以發現的設計空間。
