思易特公司_Isight_04_优化算法

格式：pdf
大小：2.55 MB
文档页数：87

下载文档原格式

/ 87

isight 优化案例patran

isight 优化案例patran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）的复杂程度己远超予平常人的想象，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，形成个统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.国外已在该领城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isI（GHT、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。

isIGIIT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》。

木书分为优化基础、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r.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！。

基于axi4-lite接口的jesd204b核配置与优化

• 152•IC 1组成的反相加法器电路其输出电压U O可以用以下公式计算：其中U L 、U M 分别为混音器电路的左声道输入信号电压以及中间声道输入信号电压，见图1所示，电压单位为伏特，电阻单位为欧姆。

将以上加法器电路与标准的反相加法器电路相比，可以看到标准的反相加法器电路其同相端输入电压为“0”，而本混音器的加法器电路其同相输入端被钳位在4.5V （混音器供电为9V ），故以上求输出电压U O 公式中出现了4.5V 的升压（相比较标准的反相加法器电路）。

混音器的左话筒拾取的左声道信号经音量调节电位器VR 1、隔直流电容器C 2、限流电阻R 1进入IC 1反相输入端，假如其中有一个音频信号（如+1mV ）出现在加法器反相输入端，则该音频信号会令IC 1的输入电位失去平衡，故在反相输入端与同相输入端之间的不平衡信号会令IC 1有负极性电压输出（韩广兴，电子元器件与实用电路基础(修订版)：电子工业出版社，2005）。

一个开环运算放大器两输入端之间电位差即使小于一个mV ，由于运算放大器高度的开环增益，可以令运算放大器输出趋向满度的正极性输出或负极性输出，但在该混音器电路中，事实上只有-1.5mV 的输出，正是由于反馈电阻R 4的存在，原理如下。

由于这时假定了只有左声道有输入信号，故以上加法器这时可以作为一个反向比例放大电路对待，所以放大器有-1.5mV 的输出，而输入为+1mV ，正是由于左声道输入电阻R 1以及反馈电阻R 4的分压作用，平衡了放大器的净输入电位，这时IC 1组成的电路属于线性放大器的范畴。

3.2 左～中～右声道混音器工作过程右～中声道混音器的工作原理与以上左～中声道混音器工作原理相同，电路图如图1所示，工作原理不再赘述。

中间声道话筒产生的音频信号通过中间声道输入电位器VR 2进入混音器电路，左～中声道混音器与右～中声道混音器的平衡，由平衡电位器VR 3控制，VR 3调到中间位置时，中间话筒的信号同时都进入左、右两混音器电路，由IC 1及IC 2组成的增强型加法器电路完美解决立体声混音。

iSIGHT集成Matlab优化实例

1
2
3
4
Step 2.2.3 第三步：设置目标函数，fence的面积Area最大。 1. 单击objectives;2. 在Area前打钩；3. directions下面单击选择maximize；
4.Apply。
1 2
3
4
Step 2.2.4 第四步：选择优化算法。 1。单击general;2. 单击optimization technique右侧的下拉箭头，选择NLPQL； 3. 每个算法下面有些参数可以设置，这里默认就OK了。 4.至此，optimization设置完成，OK返回。
Step 2.1 连接Optimization。具体做法：在driver标签里面，把Optimization 图标拖到task1上面，松开！
Step 2.2 双击
，设置Optimization ，这下分4步：
Step 2.2.1 第一步：设置优化变量：fence的长Length，宽Width。
1. 单击variables;2. 在变量前打钩；3. 设置每个变量的初始值及取值范围 [lower bound, upper bound] ；4.Apply。
后记
1. 同一个问题，选择不同的算法，得到的结果可能不一样。 So，要做深入研究，必须弄清楚各个算法。
2. 计算程序很核心，要在程序里面把问题描述清楚。但越简单越好，不容易出错。
3. 刚刚学习，请大家多多指教！
1
2
弹出如下窗口，开始优化。进度显示在1位置。
1
Step 3.2 1.单击history ，进行优化现场直播。 2. 出现经典的黑白格子旗，恭喜你，优化完成了。
2 1
从表中看出，最后一次迭代，Length=100,Width=100时，满足Perimeter=400的约束条件下，Area达到最大为10000。

基于ISIGHT的地下室顶板无梁楼盖数值优化

基于ISIGHT的地下室顶板无梁楼盖数值优化【摘要】本文研究基于ISIGHT软件对地下室顶板无梁楼盖进行数值优化。

引言部分介绍了研究背景和研究目的。

正文内容包括ISIGHT软件介绍、地下室顶板无梁楼盖设计原理、基于ISIGHT的优化方法、数值优化结果分析以及影响因素探讨。

结论部分总结了优化设计的有效性，并展望了未来的研究方向。

通过本文的研究，可以有效提高地下室顶板无梁楼盖的设计效率和性能，为相关工程实践提供科学依据。

【关键词】ISIGHT软件、地下室顶板、无梁楼盖、数值优化、设计原理、优化方法、结果分析、影响因素、优化设计、有效性、未来研究、展望1. 引言1.1 研究背景地下室顶板无梁楼盖的设计仍存在一些问题和挑战，如如何保证结构的稳定性和承载能力，如何优化设计方案以满足不同的需求等。

基于ISIGHT的地下室顶板无梁楼盖数值优化研究具有重要的理论和实践意义。

通过引入优化方法和技术，可以有效提高地下室顶板无梁楼盖的设计效率和性能，为工程实践提供可靠的技术支持。

本研究旨在探讨基于ISIGHT的地下室顶板无梁楼盖数值优化方法，以期为相关领域的研究和实践提供新的思路和方法。

1.2 研究目的本研究的目的旨在通过基于ISIGHT的地下室顶板无梁楼盖数值优化，探讨如何在减少材料成本和提高结构强度的前提下，实现结构设计的最优化。

具体而言，通过引入ISIGHT软件的优化功能，结合地下室顶板无梁楼盖的设计原理，探究如何在保证结构安全的前提下，最大限度地减少结构重量，从而达到节约材料和降低成本的目的。

本研究旨在探讨不同影响因素在优化设计中的作用，进一步完善优化设计的方法和策略。

通过研究地下室顶板无梁楼盖的数值优化过程，可以为建筑结构设计提供一种新的设计思路和方法，为工程实践中的结构设计和工程施工提供技术支持，促进地下室结构的发展和应用。

最终的目的是提高结构设计的效率和质量，实现建筑结构的可持续发展。

2. 正文2.1 ISIGHT软件介绍ISIGHT软件是一种多学科设计优化软件，它能够集成不同的软件和模拟工具，实现多个工程学科的耦合分析和优化。

基于Isight的仪表板横梁优化

中图分类号：Ｕ４６３．８３７；ＴＢ１１５．１文献标志码：Ｂ
ＯｐｔｉｍｉｚａｔｉｏｎｏｎｃｒｏｓｓｃＣａｒｂＤｅａｍｂＤａｓｅｄａｏ０ｎＩｓｉｇｈｔ
基于Ｉｓｉｇｈｔ的仪表板横梁优化
蔡庆荣，董丹丹，夏建新，江峰
（泛亚汽车技术中心，上海２０１２０１）
摘要：在汽车仪表板横梁（ＣｒｏｓｓＣａｒＢｅａｍ，ＣＣＢ）的设计开发初始阶段，选取一些设计参数作为设
计变量，利用ＳＦＥ建立针对这些变量的参数化模型，选取适＂３的Ｄ－ＯＥ正交矩阵列表输出参数化模
型．使用Ｋｒｉｇｉｎｇ方法构建性能结果的响应面近似模型，通过主效应和贡献量的对比分析发现圆管
ｂａｓｅｄｏｎｔｈｅｓｅｌｅｃｔｅｄｖａｒｉａｂｌｅｓ．ＡｐｒｏｐｅｒＤＯＥｏｒｔｈｏｇｏｎａｌｍａｔｒｉｘｔａｂｌｅｉｓｄｅｔｅｒｍｉｎｅｄｔｏｏｕｔｐｕｔｓａｍｐｌｅｍｏｄｅｌｓ．Ｋｒｉｇｉｎｇｍｅｔｈｏｄｉｓｕｓｅｄｔｏｃｒｅａｔｅｒｅｓｐｏｎｓｅａｐｐｒｏｘｉｍａｔｅｓｕｒｆａｃｅｏｆｔｈｅｓａｍｐｌｅｒｅｓｕｌｔｓ．ＩｔｉｓｆｏｕｎｄｔｈａｔｔｕｂｅｒａｄｉｕｓａｎｄｔｈｉｃｋｎｅｓｓａｒｅｔｈｅｍｏｓｔｉｍｐｏｒｔａｎｔｖａｒｉａｂｌｅｓａｃｃｏｒｄｉｎｇｔｏＡＮＯＶＡａｎａｌｙｓｉｓ，ｗｈｉｃｈｃｏｕｌｄｐｒｏｖｉｄｅｇｕｉｄｅｌｉｎｅｆｏｒｆｕｔｈｒｅｒＣＣＢｄｅｓｉｇｎ．Ｍｅａｎｗｈｉｌｅ，ｔｈｅｏｐｔｉｍｉｚａｔｉｏｎａｌｇｏｉｔｒｈｍｉｎＩｓｉｇｈｔｉｓｕｓｅｄｔｏｉｆｎｄｏｐｔｉｍｕｍｄｅｓｉｇｎｉｎｄｅｓｉｇｎｓｐａｃｅ．Ｔｈｅｏｐｔｉｍｕｍｄｅｓｉｇｎｉｓｖａｌｉｄａｔｅｄｉｎｖｉｒｔｕａｌｓｉｍｕｌａｔｉｏｎｓａｎｄｔｈｅｏｐｔｉｍｕｍａｃｔｕａｌｐｒｏｄｕｃｔｓｔｒｕｃｔｕｒｅｉｓｏｂｔａｉｎｅｄ．Ｋｅｙｗｏｒｄｓ：ｃｒｏｓｓｃａｒｂｅａｍ；ｐａｒａｍｅｔｅｒｉｚａｔｉｏｎｍｏｄｅｌｉｎｇ；Ｋｒｉｇｉｎｇ；Ｉｓｉｇｈｔ

Isight平台理论与方法及其在产品结构设计与优化中的应用研究

10.16638/ki.1671-7988.2021.08.021Isight平台理论与方法及其在产品结构设计与优化中的应用研究李佳霖，李劲松，李美（海南大学机电工程学院，海南海口570228）摘要：Isight平台是集成、自动化和优化设计过程的通用软件框架，广泛应用于产品结构设计和优化工作中。

文章不仅对其理论和方法进行了详细的描述，而且给出了一个工业实例，以说明该平台的应用。

结果表明，Isight平台能够集成多种类型的软件，并基于其数据集成和数据处理等能力实现自动分析，与传统的产品设计和优化方法相比具有更大的优势。

此外，文章对同类研究问题也具有一定的指导意义和参考价值。

关键词：Isight平台；数据集成；数据处理；多目标优化；算法中图分类号：U461.99 文献标识码：A 文章编号：1671-7988(2021)08-63-05Isight Platform Theory and Method and its Application in Product StructureDesign and OptimizationLi Jialin, Li Jingsong, Li Mei（College of Mechanical Engineering ,Hainan University, Hainan Haikou 570228）Abstract:The Isight platform, which is a generic software framework for integration, automation, and optimization of design processes, is widely used in product structure design and optimization jobs. This study not only provides a detailed description on its theory and method, but gives an industrial case in order to illustrate the application of the platform. The results show that the Isight platform can integrate many types of software and realize automatic analysis based on its capability such as data integration and data processing, and have more advantages compared with the traditional product design and optimization methods. In addition, this paper also has certain guiding significance and reference value for the same type of research problems.Keywords: Isight platform; Data integration; Data processing; Multi-objective optimization; AlgorithmCLC NO.: U461.99 Document Code: A Article ID: 1671-7988(2021)08-63-05前言在传统产品结构设计和优化中，在获得最终方案之前，通常需要根据方案参数的变化进行多次模拟分析和实验验证。

Isight 安装教程

北京思易特科技有限责任公司
t 安装教程 Isigh Isight
本教程介绍了 Isight 软件在 Windows 操作系统中的安装方法，主要包含如下内容： � 安装准备 � Isight 服务器端安装方法 � Isight 客户端安装及 license 配置方法 � Isight 软件版本升级配置方法

5
北京思易特科技有限责任公司
图 7. 法律声明
备注：该图为步骤 9 中选择第 2 种方式后出现的界面。 14. （适用于许可文件和服务器的安装），选择 license.dat 后，点击 Next。在安装程序计算所需要硬盘空间之后，在安装摘要中将会显示被安装软件的名称及其被安装的位置，如图 8 所示。
图 11，Config services 界面
1、进入 Config Services 界面

10
北京思易特科技有限责任公司
� 命名一个 Isight-FD 4.5 的 Service name(本例中命名为 Fiper License) � 修改 Path to lmgrd.exe file: <Isight-FD 4.5_install_directory>\ bin\win32\lmgrd.exe � 修改 Path to the license file: <Isight-FD 4.5_install_directory>\license\license.dat（更新后的许可文件） � 选择 Use Services � 选择 Start Server at Power Up, 可使之作为后台服务开机自动启动 � 点击按钮：Save Service 2、进入 Start/Stop/Reread 界面点击按钮： Start server ，开启 Isight-FD 4.5 的 License 服务，如下图 12 所示。

isight多学科优化软件

* 以螺旋桨设计为例：
设计变量：
例子：传统设计流程
参数文件
1. 2. 3.
螺距拱度分布侧斜纵倾分布
Matlab UG
CAD文件
型线数据文件
Gambit Fluent
仿真结果文件达到设计目标和满足约束： 1. 2. 3. 最大化：效率最优化：压/ 吸力面压力分布推力系数＝常数
性能指标： 1. 2. 3. 效率压/ 吸力面压力分布推力系数
型线数据文件
流体模型文件

设计流程自动化, 缩短设计迭代的周期计算机辅助的现代设计方法, 辅助经验设计星云智熵科技（北京）股份有限公司@2014
iSIGHT主要工作
• •
集成及过程自动化设计方案寻优
星云智熵科技（北京）股份有限公司@2014
集成的软件概览(不完全统计)
结构、材料

SPICE Maxwell 2D/3D Speed Saber Designer FLUX2D/3D IDEAS-ESC Mentor Cadence Ansoft. HFSS …
FLUENT CFX TASCflow Flotherm STREAM STAR-CD …
HYSYS Aspen AMESim gPROMS chemkin …
优化方法优化方法近似模型
CAE CAE
有效准确的近似建模方法：
（1~4）阶响应面模型（RSM方法）径向基神经网络模型（RBF方法）
星云智熵科技（北京）股份有限公司@2014
质量工程方法概览
在设计中考虑随机输入变量分析并改进设计质量
可靠性：处于安全约束内的概率
稳健性：性能随不确定因素的波动水平

excited-isight联合仿真教程(多目标优化)

effort
无iSIGHT整合计算经验者可
快速使用
4
Review
AWS “Connect to iSIGHT”自动完成的工作

建立和管理iSIGHT的数据模型（参数）Creates and manages iSIGHT data
model (parameters)

建立和管理iSIGHT的工作流模型 Creates and manages iSIGHT process flow
8
例一： Generate Results
画出结果曲线(需优化的)
观察扭振峰值，制订优化目标
9
例一： Generate Results
调入优化目标曲线(图中绿线)
优化目标曲线可在原结果数据基础上制作：
可先将原结果导出为文本
文件
手工编辑调整（或来自其
它计算）
10
例一： Generate Results
24
例二：
例二: Optimization of Damper and Flywheel (2/8)

Step 2: Assign parameters for a speed range
25
例二：
例二: Optimization of Damper and Flywheel (3/8)
Step 3:
31
18
例一： iSIGHT
存盘(缺省名)，并执行
n
存盘（缺省名）
o
运行
19
例一： iSIGHT
监控执行
Go to Monitor and Open database *.db-file
n
监控
o

Isight-10-多目标优化

多目标遗传算法（MOGA）
• 多目标遗传算法(Multi-Objective Genetic Alorithm，以下记为 MOGA），不需要归一化可以直接处理多目标最优化问题。
多目标遗传算法（MOGA ）
NSGA-II方法
• NSGA-II，作为1994年发布的NSGA(Non-Dominated SortingGenetic Algorithm)的改良版，由K. Deb，S. Agrawal等在2000年提出。
Isight 多目标遗传算法求解悬臂梁3 目标优化 ——重量、强度、变形
\lab_第10章_多目标优化\beam.zmf
回顾：悬臂梁减重优化——单目标、两变量版
演示：悬臂梁减重优化——三目标、四变量版
NSGAII
NSGAII 20x25→99 Pareto Points
NCGA
NCGA 20x25→192 Pareto Points
Pareto解。 • 由于目标函数间的矛盾性质，一般说来使每个目标函数同时达到各自最优值的
解是不存在的。多目标最优问题的解为Pareto最优解的条件是解的任何一个目标函数的值在不使其他目标函数值恶化的条件下已不可能进一步改进。 • 很显然的，Pareto最优解不止一个，事实上在一般多目标优化问题中，Pareto 最优解常是连续的而且有无限多个，这就构成了Pareto前沿的概念。 • 多目标优化问题的最终解是从所有pareto最优解中挑一个最优折衷解。
Pareto前沿比较
EDM数据挖掘
• 非劣个体通常都被存档 • 父代探索种群是从archive中
根据拥挤度进行淘汰选择 • 交叉、变异运算 • 非支配排序 • 拥挤距离排序 • 新的非劣个体存档 • 生成新的父代探索种群

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、"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、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)。

16
大纲
� � � � �
参数的概念优化算法概述数值优化算法全局优化算法多目标优化算法

17
Isight 现代设计工具: Optimization
作用 Isight 设计工具
优化算法 Optimization Algorithms
� 对于构造好的优化问题（设计变量、目标函数
Y OU CA N TRY, BUT S TAYINSIDE THE FENCES
G. N. Vanderplaats
�目标：找寻最高点 � 设计变量：经度和纬度 �约束：围栏范围内

3
THE OPTIMIZATION PROCESS 优化概念：逐步改进的过程
S3 X2 S2 X1 S1
设计变量 :
10 ≤ Beam Height ≤ 80 mm 10 ≤ Flange Width ≤ 50 mm
�
约束 :
Stress ≤ 16 MPa
�
目标 :
最小化质量 (最小化面积)
解解:: Beam Beam Height Height = = 38.4 38.4 Flange Flange Width Width = = 22.7 22.7 Stress = = 16 16 Stress Area = Area = 233.4 233.4

12
ObjectiveAndPenalty参数
�
ObjectiveAndPenalty = Objective + Penalty
� ObjectiveAndPenalty = 0.45 + 10.0036 = 10.4536
�
以ObjectiveAndPenalty的值为依据，计算 feasibility参数
� 等式约束: � 不等式约束（下限）: � 不等式约束（上限）: (hk(x) - Target) W k/SFk = 0 (LB - gj(x)) Wj/SFj<= 0 (gj(x) - UB) W j/SFj<= 0
�
Constraint Violations:
� equality constraint violation: (hk(x) - Target) W k/SFk � inequality constraint violation: � inequality constraint violation: (LB - gj(x)) Wj/SFj (gj(x) - UB) W j/SFj
� 1~3 � 7~9
�
Task Process Status
� 标征Simcode执行是否成功 � 默认 < 0
�
Penalty

8
Objective参数的计算
�
将设为目标变量的输出参数根据设置的权重和比例因子进行加权求和 :
Wi X i Objective = ∑ SFi
*
{ }
x (k +1) = x (k) + α (k) S (k)
f( x (1) ) > f( x (2) ) > ⋯ > f( x (k) ) > f( x (k +1) ) > ⋯
X
0
G. N. Vanderplaats
�在围栏设定的范围内探索搜寻的方向以接近最终目标 �按照一定的方向搜寻，直至达到最高点 �重复收敛

4
参数的概念
�
优化问题用参数来表征
� 设计变量——设计中可以改变的输入参数 � 约束——设置有约束范围的输出参数 � 目标变量——表征优化目标的输出参数

11
Penalty计算示例
� �
Penalty用于对坏点（违反约束的不可行解）设置罚值，进行惩罚。 Penalty = base + multiplier *Σ(violationexponent) multiplier*
� default values: base = 10, multiplier = 1,exponent = 2
� Efficiency = 0.83 ScaleFactor = 1.0
�
Objective = Σ (WiXi)/SFi = (2 * 640) / 1000 - (1 * 0.83) / 1.0 = 0.45

10
Penalty参数的计算
� �
对违反约束的解计算罚值 Penalty Constraints:
外点罚函数法（Exterior Penalty） Hooke-Jeeves直接搜索法(Hooke-Jeeves Direct Search Method) － HJ
绝大多数工程问题是约束问题
转换法
有约束情况
直接法
广义简约下降梯度法 (Generalized Reduced Gradient - LSGRG2) 可行方向法– CONMIN（Method of Feasible Directions – CONMIN）混合整型优化– MOST（Mixed Integer Optimization – MOST）修正可行方向法（Modified Method of Feasible Directions－ADS）序列线性规划 (Sequential Linear Programming- ADS) 序列二次规划法– DONLP（Sequential Quadratic Programming – DONLP）序列二次规划法– NLPQL（Sequential Quadratic Programming – NLPQL）逐次逼近法（Successive Approximation Method）

15
�
将工程设计问题转化成数学优化问题
设计空间 Beam Height Flange Width
�
Area = 300 Area = 400
Loads at free end Flange Width, mm
50 40 30 20 10 设计空间 Stress = 16 10 20 30 40 50 60 70 80 Beam Height, mm 可行设计空间
�
变量的概念
� 输入参数，一般为优化问题的设计变量 � 潜在的变量：Isight中的参数，但是设为常值
�
目标的概念
� 优化的过程中需要最大化或最小化的性能参数 � 一般为输出参数，但输入参数也可设为目标变量

6
定义参数
�
约束的概念（Constraints）
� 设计变量的变化范围 � 输出参数的限值

21
数值算法概念: 迭代模式
X (k+1) = X (k) +α (k ) S(k )
使得：

22
迭代法基本思想
�
迭代法的基本思想是：首先给出 f ( x ) 的极小点 x
(1) x 的一个初始估计（称为 (k ) ( 2) ( 3) (k ) 初始点），然后计算一系列的点 x , x ,..., x ,...，希望点列 x 的极限就是 f ( x ) 的一个极小点。

14
名词解释
�
设计变量 - X 独立的系统参数（输入）
�
例: 材料厚度约束 – g(X), h(X)
独立参数（输出）的边界和上下限
例: 最大的应力小于材料 Strength
�
目标变量 – F(X) 性能指标用独立的性能参数来衡量
例: 最小化质量, 重量
�
设计空间由设计变量的边界值确定的范围可行设计空间由设计变量的边界和约束确定可行设计空间
�
用于指导优化过程：在优化的过程中需要将其不断变小
� 目标设置趋势为最小化的将直接加权求和 � 目标设置趋势为最大化的将用值的相反数来加权求和

9
Objective计算示例：
�
最小化Mass and 最大化Efficiency
� Mass = 640 ScaleFactor = 1000 Weight = 2.0 Weight = 1.0
�
辅助参数的概念（ Auxiliary Parameters）
� 在迭代探索过程中并不是独立的参数，也不是需要考察的性能参数

7
Isight 已使用参数
�
Objective
� Isight在优化过程中依此判断下一步如何迭代
�
Feasibility
� 通过与以前的方案相比，评价该方案的可行性
�
Penalty = 10+1 * Σ(violation2) 10+1*
� Stress = 19, UB = 16, ScaleFactor = 100, Weight = 2.0 � Violation = (19 - 16) * 2.0/100 = 0.06
�
Penalty = 10 + 1 * (0.062) = 10.0036
� 快速高效、精度高 � 处理多峰问题易陷于局部最优解 � 分为直接处理约束和计算罚函数两类
�
全局优化算法
� 全局性、但精度不高 � 计算花费较大
�
多目标优化算法
� 一次获得Pareto峰 � 计算花费较大
19
数值优化算法原理
� � �
所谓算法就是解决问题的计算方法或处理过程，或者说是解决问题的方法步骤。一般可以分为数值型的算法和非数值型的算法两类。数值型的算法往往可以找到现成的数学、物理或化学公式；而非数值型的算法基本上是对问题的处理步骤。
Isight 培训
优化方法
Optimization