当前位置：文档之家 › iSIGHT优化技术

iSIGHT优化技术

  • 格式：pdf
  • 大小：340.08 KB
  • 文档页数：20

下载文档原格式

  / 20

合集下载

Isight-11-多学科设计优化-MDO-介绍

Isight-11-多学科设计优化-MDO-介绍

多学科设计优化—— 基本概念
• 多学科设计优化（Multidisciplinary Design Optimization） – 美国国家航空宇航局（NASA）Langley 研究中心的多学科分支机构 （MDOB）对多学科设计优化的定义如下： • Multidisciplinary Design Optimization (MDO) is a methodology for the design of complex engineering systems and subsystems that oherently exploits the synergism of mutually interacting phenomena. – 多学科设计优化是一种针对于涵盖多个学科领域的复杂系统进行设 计优化的方法，强调各学科子系统在独自设计优化的基础上的相互 之间的并行协作 – 多学科设计优化的主要思想是在复杂系统设计的整个过程中集成各 个学科的知识、分析不建模理论和计算方法，应用有效的设计优化 策略组织和管理计算过程，充分发挥学科与家的技术优势，通过实 现并行设计优化，获得系统的整体最优解
多学科设计优化—— 特点
• 按系统中各学科属性将复杂系统分解为子系统，其分解形 式不工业界通用的设计组织形式相一致
• 各子系统具有相对独立性，便于发挥学科与家在某一领域 的技术优势，应用适合于该学科的分析和优化工具进行建 模和优化，提高子系统分析求解的准确度和效率，同时便 于对学科优化设计模型进行调控
• 方法：通过学科级优化，采用松弛因子等方法实现系统级协调的方式 ，将多学科问题分解为系统级和学科级两层优化。
• 原理：协同优化算法的原理是将一复杂的目标函数分解成简单的子目 标函数，然后再将这些子目标函数进行协同优化。 – 基本思想是每个子空间在设计优化时可暂时丌考虑其它子空间的 影响，只需满足本子系统的约束，它的优化目标是使该子空间设计优 化方案不系统级优化提供的目标方案的差异最小 – 各个子系统设计优化结果的丌一致性，通过系统级优化来协调， 通过系统级优化和子系统优化之间的多次迭代，最终找到一个一致性 的最优设计

isight参数优化理论和实例详解

isight参数优化理论和实例详解

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。

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。

ISIGHT工程优化案例分析

ISIGHT工程优化案例分析

iSIGHT工程优化实例分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月于西南交通大学目录第一章认识iSIGHT (1)1.1 iSIGHT软件简介 (1)1.2 iSIGHT工作原理简介 (5)1.3 iSIGHT结构层次 (6)第二章结构优化设计理论基础 (8)2.1 优化设计与数值分析的关系 (8)2.2 优化设计基本概念 (8)2.3 优化模型分类 (10)2.4 常用优化算法 (11)2.5大型结构优化策略与方法 (25)第三章iSIGHT软件界面与菜单介绍 (31)3.1 iSIGHT软件的启动 (31)3. 2 iSIGHT软件图形界面总论 (31)3.3 任务管理界面 (35)3.4 过程集成界面 (42)3.5 文件分析界面 (45)3.6 过程监控界面 (49)3.4 多学一招—C语言的格式化输入/输出 (52)第四章iSIGHT优化入门 (54)4.1 iSIGHT优化基本问题 (54)4.2 iSIGHT集成优化的一般步骤 (54)4.3 iSIGHT优化入门—水杯优化 (55)第五章模压强化工艺优化 (85)5.1 工程背景与概述 (85)5.2 优化问题描述 (85)5.3 集成软件的选择 (86)5.4有限元计算模型介绍 (86)5.5 模压强化优化模型 (87)5.8 iSIGHT集成优化 (90)5.9优化结果及其分析 (97)5.10 工程优化点评与提高 (98)第六章单梁起重机结构优化设计 (99)6.1 工程与概述 (99)6.2 优化问题描述 (99)6.3 集成软件的选择 (100)6.4起重机主梁校核有限元计算模型介绍 (101)6.5 主梁优化模型 (101)6.8 iSIGHT集成优化 (103)6.9优化结果及其分析 (108)6.10 工程优化点评与提高 (109)6.11 多学一招—ANSYS中结果输出方法 (109)第七章涡轮增压器压气机叶片优化设................................................... 错误!未定义书签。

Isight优化算法之——混合整型优化法

Isight优化算法之——混合整型优化法

Isight优化算法之——混合整型优化法混合整型优化⽅法-MOST⾸先认定所给的设计问题是连续的，并使⽤连续⼆次规划法得到⼀个初始的峰值。

如果所有的设计变量都是实数型的，优化过程停⽌。

否则，对每⼀个⾮实数型参数寻找⼀个最近的设计点，该点满⾜⾮实数型参数的限制条件。

这些峰值作为新的迭代的起始点。

在这个过程中，连续的⾮实数型参数被作为重点考虑的对象，直到所有的限制条件都得到满⾜，优化过程结束。

混合整型优化-MOST技术起源于⼀个优化包，MOST（Multifunctional Optimization System Tool）。

MOST结合了⽤来解决实值问题的连续⼆次规划优化、处理整数型和离散型参数的⼀个分歧定限法（branch-and-bound）外部回路、处理多⽬标问题的⼀系列标准程序、和让⽤户提供梯度的能⼒。

这个优化包的界⾯⽀持除了多⽬标优化问题之外的所有特性。

这些特性的组合使⽤这种技术类似连续⼆次规划-DONLP或连续⼆次规划-NLPQL和逐次逼近法的组合。

这种技术从忽略设计变量的所有整数型和离散型限制开始，并且在连续设计空间上应⽤了SQP。

开始时提出⼀个优化值的初始值X。

如果所有的设计变量事实上是实数型的，那么X很可能不能满⾜那些限制。

在这种情况下，这种技术会应⽤⼀个分歧定限法搜索来找到适合限制的点。

分歧定限过程开始时独⽴地考虑整数型和离散型的设计变量。

典型的情况下，设计变量v的值xv会处在两个允许的值当中（例如，如果v的值必须是个整数，对于⼀些N来说是N和N 1）。

这个技术通过把xv放置在这些允许的值当中来构建两个设计点x‘和x’‘，评估这两个点，并且不管哪⼀个⽣成更好的⽬标值都先将它们放在⼀边。

在这个分⽀过程结束的时候，会积累下⼀个满⾜⼀个整数型或离散型变量限制的⼀个新序列。

然后，将每个分⽀点依次处理，通过应⽤每个整数型或离散型的值作为⼀个新的输⼊约束来限定问题，并且重新进⾏完整的分歧定限法循环，从分⽀点开始。

ISIGHT里面的优化方法

ISIGHT里面的优化方法

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 Direc‎t ion 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。

iSIGHT优化设计—Optimization

iSIGHT优化设计—Optimization

iSIGHT优化设计—Optimization 1 概述1.1 传统劳动密集型的人工设计1.2 iSIGHT智能软件机械人驱动的设计优化1.3 优化问题特点（1）约束（3）非线性（6）组合问题（7）优化问题按特点分类对优化设计的研究不断证明，没有任何单一的优化技术能够适用于所有设计问题。

事实上，单一的优化技术乃至可能无法专门好地解决一个设计问题。

不同优化技术的组合最有可能发觉最优设计。

优化设计极大地依托于起始点的选择，设计空间本身的性质（如线形、非线形、持续、离散、变量数、约束等等）。

iSIGHT 就此问题提供两种解决方案。

第一，iSIGHT 提供完备的优化工具集，用户可交互式选用并可针对特定问题进行定制。

第二，也是更重要的，iSIGHT 提供一种多学科优化操作模式，以便把所有的优化算法有机组合起来，解决复杂的优化设计问题。

2 优化算法概述iSIGHT 包括的优化方式能够分为四大类：数值优化、全局探讨法、启发式优化法和多目标多准那么优化算法。

数值优化（如登山法）一样假设设计空间是单峰的，凸起的和持续的，本质上是一种局部优化技术。

全局探讨技术那么幸免了局限于局部区域，一样通过评估整个设计空间的设计点来寻觅全局最优。

启发式技术是按用户概念的参数特性和交叉阻碍方向寻觅最优方案。

多目标优化那么需要衡量，iSIGHT 正是提供了一种易于利用的多目标准那么衡量分析框架。

另外自iSIGHT v9.0 开始新增加了Pointer 优化器，它是GA、MPQL、N-M 单纯形法和线性单纯形法的组合。

iSIGHT 包括的具体算法按分类列表如下:2.1 数值方式iSIGHT 纳入了十二种数值优化算法。

其中八种是直接法，在数学搜索进程中直接处置约束条件。

而Exterior Penalty 方式和Hooke-Jeeves 方式是罚函数法，它们通过在目标函数中引入罚函数将约束问题转化为无约束问题。

2.2 全局探讨法iSIGHT 全局探讨法包括遗传算法和模拟退火算法，它们不受凸（凹）面性、滑腻性或设计空间持续性的限制。

基于iSIGHT的多学科设计优化技术研究与应用

基于iS IGHT 的多学科设计优化技术研究与应用泰山石膏股份有限公司　任　利 山东农业大学机械与电子工程学院　邵园园临沂师范学院工程学院　韩　虎 摘　要:阐述了多学科设计优化技术,在iSI GHT 、Pr o /E 和Ansys 软件集成环境下,对轴承座进行多学科设计优化。

并对在单学科设计优化和多学科设计优化的环境下得到的优化结果进行了比较,得出了多学科设计优化结果更加有效地达到了优化目标的结论。

关键词:多学科设计优化;iSI GHT;软件集成Abstract:The technol ogy of multidisci p linary design op ti m izati on is elaborated 1Bearing bl ock multidisci p linary de 2sign op ti m izati on is conducted under the integrated envir on ment of iSI GHT,Pr o /E and Ansys,and the op ti m izati on result is better than that fr om single -disci p linary design op ti m izati on 1Keywords:multidisci p linary design op ti m izati on;iSI GHT;s oft w are integrati on1　多学科设计优化技术多学科设计优化(Multidisci p linary Design Op 2ti m izati on -MDO )是当前国际上飞行器设计研究中一个最新、最活跃的领域。

按照Jar osla w Sobieszczanski -Sobieski 的看法[1],MDO 是用于进行系统设计的方法,这种系统包括多个相互耦合的学科,设计师可以在这些学科上显著地影响系统的性能。

isight集成优化简单实例解析


7
of
18
单梁起重机结构优化设计
集成软件
本案例选择大型通用软件ANSYS11.0进行强度校核 分析。 可以在ANSYS 中建立主梁的几何模型， 并对其 划分网格
8
of
18
单梁起重机结构优化设计
主梁优化模型 1、目标函数选择
根据要求质量应该是最终的目标函数，在主梁 跨距一定的情况下截面面积与质量成正比，所以优化 时选取截面面积A 作为目标函数，其与有优化变量如 下关系式成立： A=wl x tl + t2 +w3 x t3
11 of
18
ISIGHT集成优化
1、输入文件分析
输入文件格式及优化变量在其中的位置如6.7所述。由于设计变量定义在 文件的开始，并且每一个设计变量值前面都有“=”，所以通过搜索的方式 让光标移到相应的变量前，再进行替换操作，相关设置如图
12 of
18
2、参数计算
在参数运算之前，首先 需要定义梁截面面积参数 AREA。 点击过程集成界面 工作栏上的参数按钮 ， 则弹出如图所示对话框。点 击图中的“Add”按钮，参 数“OBJ”下面的一行被激 活，用户可以在“Task Task1”一栏中输入所添加 变量的名称“AREA”，然后 确认返回过程集成界面。 参数计算设置
18 of
18
THANK YOU 谢谢！
1
of
18
ISIGHT 包含的设计方法
优化设计
设计方法
试验设计 逼近计算 质量工程
2
of
18
ISIGHT
工作原理简介
基于数值分析软件的结构和工作过程，在进行数值分析的时候， 可以通过修改模拟计算模块的输入文件来完成模型的修改，iSIGHT 正是基于这种原理工作的。iSIGHT通过一种搭积木的方式快速集成 和耦合各种仿真软件，将所有设计流程组织到一个统一、有机和逻 辑的框架中，自动运行仿真软件，并自动重启设计流程，使整个设 计流程实现全数字化和全自动化。

iSIGHT优化技术

二、 优化技术的分类
21
本部分对 iSIGHT 中每种优化技术进行简要的介绍。 iSIGHT 中的优化技术分为三类： l 数值型优化技术（Numerical Optimization Techniques） l 探索型优化技术（Exploratory Techniques） l 专家系统技术（Expert System Techniques） 这些优化技术如下所示：
其中，J 是起作用和冲突的约束的集合
Φ 是一个大的正数 Θ j 是约束的一个偏离因子 对于起作用的约束 Θ j = 0 对于冲突的约束 Θ j > 0
起作用和冲突的约束如下确定：
如果 CT ≤ g j (x) ≤ CTMIN ， g j (x) 是起作用的 如果 g j (x) > CTMIN ， g j (x) 冲突
这种技术使用广义既约梯度法解决约束非线性优化问题。既约梯度法是目前求解非线性 优化问题的最有效的方法之一。这种方法使用一种搜索方向，在这个方向上对于一些小偏移 所有约束都仍然起作用。同时这种方法通过消去某些变量在降维空间中的运算，能够较快的 确定最优解，可用来求解大型的问题。
广义既约梯度法有如下特性： l 适合于非线性的设计空间； l 不适合不连续的设计空间； l 在初始设计点周围遍寻局部空间； l 依照起作用的约束来优化设计； l 直接处理不等和等式约束。 LSGRG2 用一般既约梯度算法来解决约束非线性优化问题。算法用一条使得活动约束仍 在小偏移上起作用的搜索路径。广义既约梯度方法是对原始的既约梯度法的扩展。这个扩展 包括在每一个不等约束上加上一个松弛变量：
次的迭代中将原问题在 X i 处以一阶泰勒级数展开。如此反复，以线性规划问题去近似非线
性规划问题，希望每次迭代得到的新的设计点都比前一个设计点更接近原问题的最优点。而 在新的设计点上的近似子问题，也愈来愈接近原非线性问题最优点的附近区域。最终线性规 划问题的最优点可以以很高的精度接近原问题的最优点。

isight参数优化理论与实例详解

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。

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。

  1. 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Φ(x) = F(x) + P(x)
转换出的无约束问题就是使 Φ(x) 最小化或最大化。
对于罚函数法的效率和鲁棒性和直接法比较的研究显示，直接法更加健壮，只需要很少 的函数评估。而当你使用一个罚函数法的时候，函数评估的次数会成倍增加。
罚函数法包括： l 外点罚函数法（Exterior Penalty） l Hooke-Jeeves直接搜索法(Hooke-Jeeves Direct Search Method)
有关上述表达方式的几点说明：
l 所有问题在 iSGHT 内部都被转换成一个加权的最小化问题。目标包含有很多 iSIGHT
参数，目标根据重要程度都有相应的权重因子和规模因子。如果一个目标是最大化，
那么就在它的权重因子前加负号。
l 如果你的优化技术是一个基于罚函数的技术，那么最小化问题就象上面所述，只需
22
2．探索型优化技术
探索型优化技术避免了集中在局部区域的搜索，这些技术遍历整个参数空间搜索全局最 设计优点。iSIGHT中这种技术有：
l 遗传算法（Genetic Algorithm） l 批处理遗传算法（Genetic Algorithm with Bulk Evaluation） l 模拟退火算法（Simulated Annealing） 3．专家系统技术 专家系统技术使优化沿着用户定义的方向进行改变，改变哪一项，怎么改变，什么时候 改变，这些都由用户自己定义。iSIGHT 中这样的技术为有指导启发式搜索方法（Directed Heuristic Search－DHS）。如果用户知道输入怎样影响输出结果的话，这种方法效率很高。
二、 优化技术的分类
21
本部分对 iSIGHT 中每种优化技术进行简要的介绍。 iSIGHT 中的优化技术分为三类： l 数值型优化技术（Numerical Optimization Techniques） l 探索型优化技术（Exploratory Techniques） l 专家系统技术（Expert System Techniques） 这些优化技术如下所示：
l 广义既约梯度法(Generalized Reduced Gradient - LSGRG2) l Hooke-Jeeves直接搜索法(Hooke-Jeeves Direct Search Method) l 可行方向法– CONMIN（Method of Feasible Directions – CONMIN） l 混合整型优化– MOST（Mixed Integer Optimization – MOST） l 连续二次规划法– DONLP（Sequential Quadratic Programming– DONLP） l 连续二次规划法– NLPQL（Sequential Quadratic Programming – NLPQL） l 逐次逼近法（Successive Approximation Method） 数值型搜索技术又可以分成如下两类： （1）直接法（Direct methods） 直接法在搜索过程中直接处理约束。 直接法包括： l 广义梯度下降法(Generalized Reduced Gradient - LSGRG2) l 可行方向法– CONMIN（Method of Feasible Directions – CONMIN） l 混合整型优化– MOST（Mixed Integer Optimization – MOST） l 修正可行方向法（Modified Method of Feasible Directions－ADS） l 连续线性规划 (Sequential Linear Programming- ADS) l 连续二次规划法– DONLP（Sequential Quadratic Programming – DONLP） l 连续二次规划法– NLPQL（Sequential Quadratic Programming – NLPQL） l 连续逼近法（Successive Approximation Method） （2）罚函数法（Penalty methods） 罚函数方法和直接法不同，他们并不直接处理约束。罚函数法通过给目标函数增加一 个惩罚项将约束问题转换成无约束问题进行处理：
1．数值型优化技术
数值型优化技术通常假定参数空间是单峰的、凸的和连续的，该软件中使用了如下的数 值型优化技术：
l ADS (Automated Design Synthesis)-based Techniques l 外点罚函数法（Exterior Penalty） l 修正可行方向法（Modified Method of Feasible Directions） l 连续线性规划 (Sequential Linear Programming)
Isight 优化技术(Optimization)
一、 iSIGHT 对优化问题的表达
不同的优化软件对优化问题的表达方式是不一样的，iSIGHT 对优化问题表述如下：
目标： 满足
∑ Minimize i
Wi SFi
×
Fi ( X )
等式约束：
(hk
(
X
)
−
T
arg
et)
×
Wk SFk
= 0 ；k＝1，…，K
三、 数值型优化技术
下面对每种优化技术进行一下介绍。
1．外点罚函数法(Exterior Penalty)
外点罚函数法广泛的用于含有约束条件的优化问题。在处理含有约束条件的优化问题 时，借助惩罚函数把约束问题转化为无约束的问题，进而用无约束的最优化方法求解。实现 这一目标的途径是由目标函数和约束函数组成辅助函数来完成的。如果该问题存在最优解， 其优化结果通常是可信的，并且相对来说更容易找到真正的最优解。当惩罚因子趋向∞
l 能快速得到一个优化设计； l 能处理不等式和等式约束； l 在优化中能十分准确地满足约束。 下面是修正可行方向法的解决问题步骤：
1. q = 0, x = x0
2. q = q + 1
23
3. 求 F (x) 和 g j (x) 的值； j = 1,2,...., M
4. 确定临界的约束集，J
外点罚函数法的公式表达如下：
2．修正可行方向法(Modified Method of Feasible Directions)
修正可行方向法是直接数值优化技术中的一种，主要用来解决约束优化问题。该方法可 以快速地获得最优解。约束可以是等式的，也可以是不等式的，并且获得最优解时可以以很 高的精度满足约束条件。该方法有如下特点：
次的迭代中将原问题在 X i 处以一阶泰勒级数展开。如此反复，以线性规划问题去近似非线
性规划问题，希望每次迭代得到的新的设计点都比前一个设计点更接近原问题的最优点。而 在新的设计点上的近似子问题，也愈来愈接近原非线性问题最优点的附近区域。最终线性规 划问题的最优点可以以很高的精度接近原问题的最优点。
该方法主要解决约束优化问题，编程简单，已经在很多实际工程设计问题中得到了应用。 该方法有如下一些特点：
l 容易规划并且可应用于许多实际工程设计问题中； l 在选择移动界限和这些界限中的缩减因子以有效地获得最优值方面较为困难。 以下是执行连续线性规划的步骤： 1. 使目标和约束函数线性化：
F (x) ≅ F (x0 ) + ∇F (x0 ) * dx
5. 计算 ∇F (x) 和 ∇g j (x) ， j ∈ J 6. 确定可用和可行的搜索方向， S q 7. 进行一维搜索寻找 a * 8. 令 x q = x q−1 + a *×S q
9. 检查收敛性；如果不收敛转到第 2 步 修正可行性方向法技术用以下几种方法之一来寻找每一次迭代的搜索方向： （1）如果没有约束起作用或冲突，那么使用无约束方法中的变梯度法。 （2）如果有任何约束起作用并且没有约束冲突，使用修正可行性方向法：
24
图 1 起作用和冲突约束识别
3．连续线性规划 (Sequential Linear Programming) 连续线性规划法首先将目标函数和约束条件在起始设计点 X 0 处以一阶泰勒级数展开，
将原问题转化为线性规划问题。这样就可以用线性规划中的算法进行求解，得到下一次的设
计点 X i 。一般说来，这个新的设计点 X i 比起始设计点 X 0 更接近原问题的最优点。在下一
在后面加上惩罚项即可。
l 所有的等式约束 h(x)都有一个范围，± DeltaForEqualityConstra intViolation ，
在这个范围内约束不认为是冲突的。默认的范围是±0.00001。每个约束也有权重 因子和规模因子。 l 所有不等式约束 g(x)都认为是非线性的。如果一个输出参数有上下边界，那么 iSIGHT 就会自动转换成两个不等式约束。每个约束也有权重因子和规模因子。 l iSIGHT 设计变量 X，可以是实数、整数或离散变量。如果 X 是实数和整数变量，那 么 X 值必须满足上下边界条件，如果没有边界条件，默认值是 1E15。这个默认值 也可以通过参数对话框进行修改。 l iSIGHT 按照每个设计变量都有上下边界来进行计算，如果变量是离散的，iSIGHT 需要设计变量的值在给定的约束集合内，ISIGHT 内部默认的上边界是 n－1，下边 界是 0，其中 n 为系统允许值，这个值可以通过 API 函数进行修改。
不等式约束：
Wj SF j
× (LB
−
g
j ( X ))
≤
0
Wj SF j
× (g
j(X)
− UB)
≤
0 ；j＝1，…，L
设计变量： 对于整型和实型数 LB ≤ iSIGHTInputParameter ≤ UB
SF
SF
SF
对于离散型参数是输入参数集合 S

其中，SF——规模因子，默认值为 1.0；
W——权重因子，默认值为 1.0；