达索系统SIMULIA平台Isight流程自动化工具优化方法

达索系统SIMULIA平台Isight流程自动化工具优化方法

Isight优化组件中集成了大量的数值优化算法，从理论方面通常可分为三大类：梯度优化算法、直接搜索方法和全局优化算法。Isight优化组件支持多输入变量（设计变量），多约束条件和多目标函数。特别指出，Isight不仅提供了针对单目标函数的优化算法，同时支持真正意义上的针对多目标函数的优化算法。理论上Isight的优化模块支持无穷个输入设计变量作为输入和无穷个目标函数作为输出。

1 梯度优化算法

通常我们将工程问题抽象为非线性、连续可导的数学问题后，梯度优化算法是解决这类问题的有效方法。Isight中集成的梯度优化算法有：MMFD修正可行方向法（Modified Method of Feasible Direction），LSGRD广义下降梯度法（Large Scale Generalized Reduced Gradient），NLPQL序列二次规划法（Sequential Quadratic Programming），MOST多动能优化系统技术（Multifunction Optimization System Tool），MISQP混合整型序列二次规划（Mixed-Interger Sequential Quadratic Programming）。

一般的情况下梯度算法优化效率较高，但是要求目标函数可导，且容易陷入局部更优解。当我们对优化空间足够了解的情况下，对设计变量取值范围进一步约束限制后，可通过梯度算法更快的得到更优解。

2 直接搜索方法

直接搜索方法无需计算函数梯度，只需要通过设计点上的某函数表达式的值对搜索方向和步长进行判定和调整。当优化问题中的目标函数较复杂或无直接函数表达式时，可采用直接搜索法得到更优解。

Isight优化模块集成了如下直接搜索方法：Hooke-Jeeves直接搜索法（Hooke-Jeeves Direct Search Method），下山单纯型法（Downhill Simplex）。

直接搜索方法无需目标函数可导，搜索步长较梯度法更大，所以通过直接搜索方法可以在限制较小的情况下得到更大范围的设计空间的信息。同样，直接搜索法也容易陷入局部更优解，并且无法通过并行方法进行优化计算。

3 全局优化算法

我们遇到的工程问题往往比较复杂，设计空间中的目标函数可能是多峰的、非线性、不连续、不可导的；设计变量和约束函数也可能是线性、非线性、连续、离散的。当优化问题非常复杂，没有导数、梯度信息可供利用，问题又存在多峰可能性的时候，梯度算法和直接法都无法求得全局更优解，此时就应该应用全局优化算法解决问题。

Isight优化模块集成了如下全局优化算法：1、多岛遗传算法MIGA（Multi-Island Genetic Algorithm）；2、自适应模拟退火法ASA（Adaptive Simulated Annealing）；3、粒子群优化算法PSO（Particle Swarm Optimization）；4、进化算法Evol（Evolutionary Optimization）；5、自动优化专家算法Pointer（Pointer Automatic Optimizer）。

全局优化算方法的适应性很强，可以用于各种优化问题，只评价设计点不需要计算梯度。全局优化算方法在进行搜索时可以从设计空间的峰谷区域（局部更优解）跳出，因此可最终得到全局更优解。全局优化算法所需迭代次数往往非常多，因此优化速率较低，计算代价非常大。

4 多目标优化算法

我们遇到的实际工程问题多数为多目标问题，即对多个子目标（目标函数）同时进行优化，而这些目标函数往往不是单调一致的，存在相互冲突。

一般多目标优化方法可分为两大类：1、归一化方法（加权法），即通过对多目标函数进行加权求和，创建出一个新的单一目标函数，再应用单目标优化算方法对此目标函数进行优化。

Isight以应用组件的形式提供了针对大量第三方软件的接口，可以轻易的将各种常用软件串联在Isight的优化或试验设计等流程中，从而实现各软件间的数据流传递，完成多学科多领域联合仿真和优化流程。如果您有其他关于Isight流程自动化工具的问题，可随时联系众联亿诚400-801-8820，我们将竭诚为您服务。