改麦设it变探索算法和优”Are■---iesignreqiiiremjents理择血自足tittit(AdequateDesign)Know-icnciKcjilion”Are、iksiynryquircuicnbti认Iicd?足够设it{AdequateDesign]人的軽和列第用井析和皿评改吏设it变iSIGHT优化设计一Optimization1概述1.1传统劳动密集型的人工设计1.2iSIGHT智能软件机器人驱动的设计优化1.3优化问题特征♦设计变量数目♦设计变量取值类型；/连续型、离散型、整数型、连续/离散混含型•有无约束条件♦解空间线性、非线性•解空间的多峰性、凸性♦计算时间•计算精度（1）约束2）线車约|:可行区域—目标函数等©ft3）非线性4）多峰性5）离散取值6）组合问题J.'-I■■雷孙冋题2井立定界法比如.X,領料的JMfcAB,^-郭冗4x1.12^1■•*Juty'.fD£云坯巧…耳）£0h（心心..・□）=Q=fQ〜『一抑7）优化问题按特征分类对优化设计的研究不断证实，没有任何单一的优化技术可以适用于所有设计问题。实际上，单一的优化技术甚至可能无法很好地解决一个设计问题。不同优化技术的组合最有可能发现最优设计。优化设计极大地依赖于起始点的选择，设计空间本身的性质（如线形、非线形、连续、离散、变量数、约束等等）。就此问题提供两种解决方案。第一，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，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优化算法概述包含的优化方法可以分为四大类：数值优化、全局探索法、启发式优化法和多目标多准则优化算法数值优化（如爬山法）一般假设设计空间是单峰的，凸起的和连续的，本质上是一种局部优化技术。全局探索技术则避免了局限于局部区域，一般通过评估整个设计空间的设计点来寻找全局最优。启发式技术是按用户定义的参数特性和交叉影响方向寻找最优方案。多目标优化则需要权衡，正是提供了一种易于使用的多目标准则权衡分析框架。另外自开始新增加了优化器，它是、、单纯形法以及线性单纯形法的组合。包含的具体算法按分类列表如下Pointer智能型优化醤爹功能的忧化第曙组合2CONMIN:MethodorFeasiDeDirect'0"rMFD可行方向法3MMIFD:ModifiedMethodofFeasibleDirection修正可行方向法斗SLP:SequentialLinearProgramminig谨坎銭性规划法5SQP-DONLP:SequentialQuadraticProgrammiinig岸列二虫规划法6SQP-NLPQL:SequentialQuadraticProgrammiing庠列2京规划法
