iSIGHT- Matlab简单算例 1.确定问题，优化变量，计算方法和优化目标 优化变量为矩形的长和宽，优化目标为矩形面积，优化目的是使面积最大。为此，建立一个输入文件fencein.txt，一个输出文件fenceout.txt，和一个Matlab文件fence.m来进行计算。三个文件放在同一个目录下。 2.iSIGHT集成步骤 Step1：启动iSIGHT9.0，点击integrate按钮，出现如下图的集成对话框。点击Simcode 按钮，在右方的图框中会显示出Simcode的图框，集成操作将主要在这个框里进行。 Step2：文件的说明与解析。 下一步的操作主要包括一下几个方面：定义执行程序；定义输入输出文件；说明调节参数和输出参数。 首先点击Simcode框左方按钮，Simcode框将出现三个框：输入文件框，执行程序框和输出文件框。 1）定义输入文件，说明调节参数： 点击输入对话框左方第二个按钮Input Properties，弹出如图对话框，分别设置输入文件及其路径、模板文件及其路径。其中的模板文件与输入文件完全相同，只需要改变文件名即可。
模板文件默认生成即可： 点击input0图框左方的Input Contents按钮，系统会跳出文件解析对话框。 在文件解析框右边的文本框中，通过鼠标选择第一行的文字：Length= , 注意：选择时要考虑到空格，一定要保证鼠标高亮的位置在10之前，而且要从左往右拖动鼠标。
系统弹出Select Type of Action对话框，点击apply按钮。 在定义变量的对话框中，选中replace next Word标签，并在With对话框中输入Length，点击OK。 对第二行进行类似操作，系统显示结果如图。在file中保存后关闭。
iSIGHT中优化方法种类 iSIGHT里面的优化方法大致可分为三类： 1 数值优化方法 数值优化方法通常假设设计空间是单峰值的，凸性的，连续的。iSIGHT中有以下几种： （1）外点罚函数法（EP）： 外点罚函数法被广泛应用于约束优化问题。此方法非常很可靠，通常能够在有最小值的情况下，相对容易地找到真正的目标值。外点罚函数法可以通过使罚函数的值达到无穷值，把设计变量从不可行域拉回到可行域里，从而达到目标值。 （2）广义简约梯度法（LSGRG2）： 通常用广义简约梯度算法来解决非线性约束问题。此算法同其他有效约束优化一样，可以在某方向微小位移下保持约束的有效性。 （3）广义虎克定律直接搜索法： 此方法适用于在初始设计点周围的设计空间进行局部寻优。它不要求目标函数的连续性。因为算法不必求导，函数不需要是可微的。另外，还提供收敛系数（rho），用来预计目标函数方程的数目，从而确保收敛性。 （4）可行方向法（CONMIN）： 可行方向法是一个直接数值优化方法，它可以直接在非线性的设计空间进行搜索。它可以在搜索空间的某个方向上不断寻求最优解。用数学方程描述如下： Design i = Design i-1 + A * Search Direction i方程中，i表示循环变量，A表示在某个空间搜索时决定的常数。它的优点就是在保持解的可行性下降低了目标函数值。这种方法可以快速地达到目标值并可以处理不等式约束。缺点是目前还不能解决包含等式约束的优化问题。 （5）混合整型优化法（MOST）： 混合整型优化法首先假定优化问题的设计变量是连续的，并用序列二次规划法得到一个初始的优化解。如果所有的设计变量是实型的，则优化过程停止。否则，如果一些设计变量为整型或是离散型，那么这个初始优化解不能满足这些限制条件，需要对每一个非实型参数寻找一个设计点，该点满足非实型参数的限制条件。这些限制条件被作为新的约束条件加入优化过程，重新优化产生一个新的优化解，迭代依次进行。在优化过程中，非实型变量为重点考虑的对象，直到所有的限制条件都得到满足，优化过程结束，得到最优解。 （6）序列线性规划法（SLP）：序列线性规划法利用一系列的子优化方法来解决约束优化问题。此方法非常好实现，适用于许多工程实例问题。 （7）序列二次规划法（DONLP）： 此方法对拉各朗日法的海森矩阵进行了微小的改动，进行变量的缩放，并且改善了armijo型步长算法。这种算法在设计空间中通过梯度投影法进行搜索。 （8）序列二次规划法（NLPQL）： 这种算法假设目标函数是连续可微的。基本思想是将目标函数以二阶拉氏方程展开，并把约束条件线性化，使得转化为一个二次规划问题。二阶方程通过quasi－Newton公式得到了改进，而且加入了直线搜索提高了算法的稳定性。 （9）逐次逼近法（SAM）： 逐次逼近法把非线性问题当做线性问题来处理。使用了稀疏矩阵法和单纯形法求解线性问题。如果某个变量被声明成整型，单纯形法通过重复大量的矩阵运算来达到预期的最优值。逐次逼近法是在M. Berkalaar和J.J. Dirks提出的二次线性算法。 2 探索优化方法 探索优化法避免了在局部出现最优解的情况。这种方法通常在整个设计空间中搜索全局最优值。iSIGHT中有以下两种： （1）多岛遗传算法（MIGA）： 在多岛遗传算法中，和其他的遗传算法一样每个设计点都有一个适应度值,这个值是建立在目标函
Tutorial OPTIMIZATION COUPLING ANSA / μETA TΟ Isight Table of Contents 1.Introduction (2) 1.1.Prerequisites (2) 1.2.Problem description (2) 1.3.Data files (4) 2.Defining the Optimization Task (5) 2.1.Design Variables for Morphing Parameters (6) https://www.doczj.com/doc/ca11733933.html,er Scripts (9) 2.3.Session Commands (11) 2.4.The Design Variables Input File (13) 2.5.The FE output file (14) 3.Run the Optimization Task (16) 4.Set up the ANSA settings (17) 5.Define responses (20) 5.1.Define the model mass (20) 5.2.Define the maximum stress (21) 6.Set up Isight (24) 6.1.Set up the ANSA Component (25) 6.2.Set up the ABAQUS Component (32) 6.3.Set up the μETA Component (32) 6.4.DOE setup (36) 6.5.Set up Working Directory (38)
iSIGHT工程优化实例分析
前言 随着设备向大型化、高速化等方向的发展，我们的工业设备（如高速列出、战斗机等）的复杂程度已远超乎平常人的想象，装备设计不单要用到大量的人力，甚至已牵涉到了数十门学科。例如，高速车辆设计就涉及通信、控制、计算机、电子、电气、液压、多体动力学、空气动力学、结构力学、接触力学、疲劳、可靠性、维修性、保障性、安全性、测试性等若干学科。随着时代的进步，如今每个学科领域都形成了自己特有研究方法与发展思路，因此在设计中如何增加各学科间的沟通与联系，形成一个统一各学科的综合设计方法（或平台），成为工程和学术界所关注的重点。 多年来，国外已在该领域做了许多著有成效的研究工作，并开始了多学科优化设计方面的研究。就国外的研究现状而言，目前已经实现了部分学科的综合优化设计，并开发出了如iSIGHT、Optimus等多学科商业优化软件。 iSIGHT是一个通过软件协同驱动产品设计优化的多学科优化平台，它可以将数字技术、推理技术和设计搜索技术有效融合，并把大量需要人工完成的工作由软件实现自动化处理。iSIGHT软件可以集成仿真代码并提供智能设计支持，对多个设计方案进行评估和研究，从而大大缩短了产品的设计周期，显著地提高了产品质量和可靠性。 目前市面上还没有关于iSIGHT的指导书籍，而查阅软件自带的英文帮助文档，对许多国内用户而言尚有一定的难度。基于以上现状，作者根据利用iSIGHT做工程项目的经验编写了这本《iSIGHT工程优化实例》。本书分为优化基础、工程实例和答疑解惑三个部分，其中工程实例中给出了涉及铁路、航空方面多个工程案例，以真实的工程背景使作者在最短的时间内掌握这款优化的软件。 本书在编写的过程中，从互联网上引用了部分资料，在此对原作者表示衷心地感谢！ 我要真诚地感谢大连交通大学（原大连铁道学院）和王生武教授，是他们给了我学习、接触和使用iSIGHT软件机会！ 仅以本书献给所有关心我的人！ 赵怀瑞 2007年08月于西南交通大学
梯度算法通过在设计空间中的当前位置设定一个前进方法和搜索步长从而获得设计空间中的另一个位置，并判断收敛性。Isight中梯度优化算法有三种NLPQL,LSGRG和MMFD,这里通过寻找数学函数表达式的最小值问题，来展示这三种算法搜寻最优解的效率。 优化问题： min f(x)=100*(x2-x1^2)^2 10*(x1-1)^2 s.t. x1^2 x2^2=<9.0 isight优化步骤： 1、构建优化流程，application组件采用calculator，process 组件选用optimization; 2、设置优化算法、设计变量、约束及目标，设计变量初始值为x1=2.0,x2=3.0; 3、查看优化结果，并比较3种梯度算法搜寻全局最优解的效率。 图3给出了三种算法的搜寻历程，算法收敛准则均设置为1.0e-6，设计空间为以（0,0）为圆心半径为3.0的圆域内，初始点为 （2.0,3.0）不在设计空间内部，NLPQL算法迭代27次能搜寻到全局最优解（0.986,0.975），LSGRG算法迭代10次找到局部最优解 （1.590,2.544），这个局部解刚好在设计区域的边界上，因为LSGRG算法的搜寻梯度和它的临界约束相关，MMFD算法迭代8次找到局部解
（1.523,2.342），这个点刚好满足目标函数高阶项接近零。以上结果可以发现，初始点不在设计区域内，NLPQL算法通过多次迭代能搜寻到全局最 优解，而LSGRG和MMFD算法能用较少的迭代次数搜寻到一个局部最优解而完成迭代过程。 下面考察3种算法在无约束情况下搜寻最优解的效率，去掉设计区域在圆域内的限制，设计空间改为无限平面域，初始点位置不变，从图4中可以看出NLPQL和LSGRG算法都能搜寻到全局最优解，而MMFD算法依然在一个局部最优解处停止搜寻，从迭代历程上看NLPQL算法和LSGRG算法相比能以更少的迭代次数获得全局最优解。 本文以数学函数表达式为例对比了isight中3中梯度算法的效率，在有约束情况下NLPQL 能搜寻到全局最优解，而LSGRG和MMFD 算法只能搜寻到局部解；在无约束情况下，NLPQL比LSGRG算法能更快速搜寻到全局最优解。
前言●Isight 简介 笔者自2000年开始接触并采用Isight软件开展多学科设计优化工作，经过12年的发展，我们欣喜地看到优化技术已经深深扎根到众多行业，帮助越来越多的中国企业提高产品性能和品质、降低成本和能耗，取得了可观的经济效益和社会效益。 作为工程优化技术的优秀代表，Isight 软件由法国Dassault/Simulia公司出品，能够帮助设计人员、仿真人员完成从简单的零部件参数分析到复杂系统多学科设计优化（MDO, Multi-Disciplinary Design Optimization）工作。Isight将四大数学算法（试验设计、近似建模、探索优化和质量设计）融为有机整体，能够让计算机自动化、智能化地驱动数字样机的设计过程，更快、更好、更省地实现产品设计。毫无疑问，以Isight为代表的优化技术必将为中国经济从“中国制造”到“中国创造”的转型做出应有的贡献！ ●本书指南 Isight功能强大，内容丰富。本书力求通过循序渐进，图文并茂的方式使读者能以最快的速度理解和掌握基本概念和操作方法，同时提高工程应用的实践水平。 全书共分十五章，第1章至第7章为入门篇，介绍Isight的界面、集成、试验设计、数值和全局优化算法；第8章至第13章为提高篇，全面介绍近似建模、组合优化策略、多目标优化、蒙特卡洛模拟、田口稳健设计和6Sigma品质设计方法DFSS（Design For 6Sigma）的相关知识。 ●本书约定
在本书中，【AA】表示菜单、按钮、文本框、对话框。如果没有特殊说明，则“单击”都表示用鼠标左键单击，“双击”表示用鼠标左键双击。 在本书中，有许多“提示”和“试一试”，用于强调重点和给予读者练习的机会，用户最好详细阅读并亲身实践。 本书内容循序渐进，图文并茂，实用性强。适合于企业和院校从事产品设计、仿真分析和优化的读者使用。 在本书出版过程中，得到了Isight发明人唐兆成（Siu Tong）博士、Dassault/Simulia（中国）公司负责人白锐、陈明伟先生的大力支持，工程师张伟、李保国、崔杏圆、杨浩强、周培筠、侯英华、庞宝强、胡月圆、邹波等参与撰写，李鸽、杨新龙也为本书提供了宝贵的建议和意见，在此向所有关心和支持本书出版的人士表示感谢。由于作者才疏学浅，错误疏漏之处在所难免，希望读者朋友们指正。
iSIGHT优化软件 1 iSIGHT软件简介 1.1 iSIGHT发展历程 ISIGHT是美国EngineousSoftware公司开发的基于WindowsNT和Unix平台的iSIGHT 是由美国 Engineious 公司出品的过程集成、优化设计和稳健性设计的软件，是基于WindowsNT和Unix平台的多学科设计优化框架。可以将数字技术、推理技术和设计探索技术有效融合，并把大量的需要人工完成的工作由软件实现自动化处理，好似一个软件机器人在代替工程设计人员进行重复性的、易出错的数字处理和设计处理工作。iSIGHT软件可以集成仿真代码并提供设计智能支持，从而对多个设计可选方案进行评估，研究，大大缩短了产品的设计周期，显著提高。 2004年初，Engineous 收购了 Synaps，一家地处亚特兰大的基于过程集成和设计优化（PIDO）的软件供应商。这次收购行为提供了一个非常好的契机，Engineous 将Synaps产品的先进技术融合到iSIGHT软件当中。 2004年秋，iSIGHT 9.0 发布，除了从Synaps产品中提取出的几个特别著名的功能外( Pointer优化器， fast parser，仿真云图， stress ratio optimizer, 自动生成EXCEL格式的报表 ) ，最新版本中包含的最主要的先进技术还有：selectable terms for response surface methods, 径向基函数（RBF）神经网络近似模型，动态田口稳健设计方法。 iSIGHT在缩短产品设计周期、降低产品成本、提高产品质量等方面，每天都在取得令人瞩目的突破。据美国权威市场调查公司Daratech统计，iSIGHT在过程集成和设计优化领域的全球市场占有率超过一半，已成为航空、航天、汽车、兵器、船舶、电子、动力、机械、教育研究等领域首选的过程集成、设计优化和可靠性稳健设计的综合解决方案。 赛特达科技有限公司是iSIGHT软件在中国地区的总代理。 虽然ISIGHT的起源可追溯到上世纪80年代，但该公司正式成立于1996年并致
0、proc文件中的几个重要的关键词 *save_as_model D:\optiext\extrusion.mud yes *write_marc D:\optiext\extrusion.dat yes *quit yes 1、Mentat的背景执行过程文件test.proc. 命令行： mentat -pr test.proc(必须有文件全名) 2、Marc的背景执行模型文件model.dat 命令行： run_marc -jid mode l -ver no -back no（可以省略扩展名） 3、提取Marc结果的python程序为MarcResult.py 其目的是从marc输出t16文件extrusion.t16中提取结果，输出到extrusion.res中去。（按照自己的需要进行修改） 使用方法 python ExtractMarcResult.py extrusion.t16 extrusion.res 源程序: from py_post import * import string import sys import time def Extract(fname1,fname2): p=post_open(fname1) ninc=p.increments() p.moveto(ninc-1) nodes=p.nodes() elements=p.elements() xlist=[] ylist=[] for i in range(0,elements): el=p.element(i) for j in range(0,el.len): nodeid=el.item[j] nodeseq=p.node_sequence(nodeid) node=p.node(nodeseq) if (node.x,nodeid) not in xlist: xlist.append(node.x,nodeid) if (node.x,nodeid) not in ylist: ylist.append(node.y,nodeid) xlist.sort()
对多个子目标同时进行优化的问题称为多目标优化问题，又称多准则优化问题、多性能优化问题。实际工程中，优化问题大多数属于多目标问题，目标之间一般都是互相冲突的，因此在设计时需要进行多目标的比较，并进行权衡和折衷。自20世纪70年代以来，多目标优化问题在国际上引起了广泛的关注，并迅速发 展为一门新兴的学科。 多目标优化算法主要分为两大类：归一化方法和非归一化方法。 归一化方法的解决方法通过加权或其他方式将多个目标转化为单一目标，然后通过成熟的单目标优化方法求解。加权法是归一化算法的代表算法之一，该算法主要是根据各子目标的重要程度分别指定相应的加权系数，将多目标问题单目标化，但其主要有两个缺点： （1）当目标函数的数量增加时，权重系数在目标空间里的等值面的关系不再直观； （2）如果Pareto前沿形状中存在没有凸起的部分，则无法求得这部分Pareto 最优解。且加权法的权值通常并不是决策者设定，而是优化者决定，这在很大程度上受到了优化者主观的影响。 非归一化方法是采用Pareto机制直接处理多个目标的优化技术，它不需要将多个目标转化为单一目标，因此解决了归一化方法的缺点。非归一化方法能够使所求解集的前沿与Pareto前沿尽量接近，并尽量均匀覆盖Pareto前沿。非
归一化方法中的代表方法是：多目标遗传算法、eArtius公司的ParetoExplorer方法等。Isight中集成了三种多目标遗传算法：NCGA、NSGA-II、AMGA，特点是： （1）不单独求一个个的Pareto解，而是一次性得到Pareto前沿； （2）作为多目标遗传算法的基础的遗传算法，是启发式的方法，具有自组织、自适应、自学习和“复杂无关性”的特征，因此算法不用了解优化问题的全部特 征就能完成问题的求解，易于操作、简单通用； （3）能够求解复杂的Pareto前沿，比如凹陷部分。 在原理上，多目标遗传算法将Pareto最优性条件运用在适应度的评价上，如果某个解在Pareto最优这个意义上比前辈更有提高，那就认为适应度得到了提高，以此进行进化施压。Isight中的三种多目标遗传算法各有优势。NSGA-II优点在于探索性能良好，在非支配排序中，因为接近Pareto前沿的个体被选择，使Pareto前进能力增强。导入了拥挤距离和拥挤距离排序的方法，在具有同样的Pareto顺序的层内，可以对个体进行排序，称为拥挤距离排序。进化过程中，将当前父代群体进行交叉和变异得到子群体，将两个群体合并。在目标空间中按照Pareto最优关系将群体中个体两两按其目标函数向量进行比较，将群体中所有个体分成多个依次控制的前沿层，在属于不同的Pareto层的情况下，利用评价Pareto优越性来评价个体的优劣。属于同一个Pareto层的个体，具有更大的拥挤距离的个体更优秀。 NCGA方法视各目标同等重要，通过排序后分组进行交叉的方法实现“相邻繁殖”的机制，从而使接近于Pareto前沿的解进行交叉繁殖的概率增大，加速计算 收敛过程。这种算法起源于分布式遗传算法的子种群概念，将交叉限定于设计空间的一定范围内，根据算法特性可知，具有相似特性的群体（邻域）之间的交叉更为有效。
105 4Optimization Techniques This chapter provides information related to iSIGHT’s optimization techniques. The information is divided into the following sections: “Introduction,” on page106 introduces iSIGHT’s optimization techniques. “Internal Formulation,” on page107 shows how iSIGHT approaches optimization. “Selecting an Optimization Technique,” on page112 lists all available optimization techniques in iSIGHT, divides them into subcategories, and defines them. “Optimization Strategies,” on page121 outlines strategies that can be used to select optimization plans. “Optimization Tuning Parameters,” on page124 lists the basic and advanced tuning parameters for each iSIGHT optimization technique. “Numerical Optimization Techniques,” on page147 provides an in-depth look at various methods of direct and penalty numerical optimization techniques. Technique advantages and disadvantages are also discussed. “Exploratory Techniques,” on page175 discusses Adaptive Simulated Annealing and Multi-Island Genetic Algorithm optimization techniques. “Expert System Techniques,” on page178 provides a detailed look at iSIGHT’s expert system technique, Directed Heuristic Search (DHS), and discusses how it allows the user to set defined directions. “Optimization Plan Advisor,” on page190 provides details on how the Optimization Plan Advisor selects an optimization technique for a problem. “Supplemental References,” on page195 provides a listing of additional references.
前言 ●Isight 5.5简介 笔者自2000年开始接触并采用Isight软件开展多学科设计优化工作，经过12年的发展，我们欣喜地看到优化技术已经深深扎根到众多行业，帮助越来越多的中国企业提高产品性能和品质、降低成本和能耗，取得了可观的经济效益和社会效益。 作为工程优化技术的优秀代表，Isight 5.5软件由法国Dassault/Simulia公司出品，能够帮助设计人员、仿真人员完成从简单的零部件参数分析到复杂系统多学科设计优化（MDO, Multi-Disciplinary Design Optimization）工作。Isight将四大数学算法（试验设计、近似建模、探索优化和质量设计）融为有机整体，能够让计算机自动化、智能化地驱动数字样机的设计过程，更快、更好、更省地实现产品设计。毫无疑问，以Isight 为代表的优化技术必将为中国经济从“中国制造”到“中国创造”的转型做出应有的贡献！ ●本书指南 Isight功能强大，内容丰富。本书力求通过循序渐进，图文并茂的方式使读者能以最快的速度理解和掌握基本概念和操作方法，同时提高工程应用的实践水平。 全书共分十五章，第1章至第7章为入门篇，介绍Isight的界面、集成、试验设计、数值和全局优化算法；第8章至第13章为提高篇，全面介绍近似建模、组合优化策略、多目标优化、蒙特卡洛模拟、田口稳健设计和6Sigma品质设计方法DFSS（Design For 6Sigma）的相关知识。 ●本书约定 在本书中，【AA】表示菜单、按钮、文本框、对话框。如果没有特殊说明，则“单击”都表示用鼠标左键单击，“双击”表示用鼠标左键双击。