isight強大的數值優化算法庫

2016-10-24 by:CAE仿真在線來源:互聯網

Isight軟件提供的優化算法包含了基于梯度的數值方法、直接搜索方法以及全局探索法,以幫助工程師解決大多數優化問題及決策。

數值優化算法通常假定設計空間是單峰,連續且凸的。在isight中提供的數值優化方法有:

修正的可行方向法(Modified Method of Feasible Directions)

廣義下降梯度法(Large Scale Generalized Reduced Gradient)

混合整形序列二次規劃法(Mixed-IntegerSequential QuadraticProgramming)

序列二次規劃法(Sequential Quadratic Programming)

多功能優化系統技術(Multifunction Optimization System Tool)

霍克-基維斯直接搜索法(Hooke-jeeves Direct Search Method)

修正的可行方法法(MMFD)能夠處理設計變量為實型的問題,適用于非線性設計空間但不適用于非連續設計空間。它能很快獲得最優設計,可以處理等式以及不等式約束,在最優解處滿足約束的精度很高。

廣義下降梯度法(LSGRG)基于梯度下降法解決約束的非線性優化問題,這個算法采用的搜索方向,使得在搜索方向細微移動時,可行的約束依然保持它的可行性。

混合整形序列二次規劃法(MISQP)是一個基于信賴域的方法,可以解決整型以及離散變量問題。MISQP同其他的序列二次算法相似,假定目標函數以及約束是連續可微的。不同的是,它假定目標函數和約束隨整型變量光滑變化。MISQP算法能夠保證凸問題的收斂性,對于非凸問題,也具有很好的求解能力。

序列二次規劃法(NLPQL)能夠處理設計變量為實型的問題,將目標函數以二階泰勒級數展開,并把約束條件線性化,通過求解二次規劃得到下一個設計點,然后根據兩個可選的優化函數執行一次線性搜索,該算法很穩定。

多功能優化系統技術(MOST)首先假定設計問題是連續的,采用序列二次規劃法得到一個初始值。如果所有設計變量都是實數型的,那么優化終止。如果某些設計變量為整型,MOST會采用分支定限法對最近的一次優化解進行取整,獲得兩個最相鄰的整型值代替該整型變量當前值,產生分支點。在每個分支下,剩余的設計變量依然采用實型優化。最終,違反整型限制的設計變量逐漸減小,從而找到滿足要求的最優設計方案。

霍克-基維斯直接搜索法(H-J)采用步長搜索的方法,以一個步長探索開始搜尋局部的最小值,能有效探索設計點周圍局部區域,它不要求目標函數連續因為不需要對目標函數求導,只需要評估設計點,更適用于流體力學等領域。

開放分享：優質有限元技術文章,助你自學成才