Isight参数优化理论与实例详解

章节摘录

版权页：   插图：   ②Maximum Evaluations最大评估的次数，默认取100。 ③Relative Step Size相对步长。算法最初寻优时，扰动的范围就是由此参数值和设计变量的初始值来决定。（例如，某个设计变量的初始值为1.0，Relative Step Size为0.5，那么寻优时，初始的扰动范围就是0.5）。它默认取0.5。 ④Step Size Reduction Factor步长缩减因子。此值只能介于0.0和0.1之间。值越大，对于高度非线性问题来说，收敛的可能性也就越大，但是用于函数评估的花费也会相应增大；值越小，函数评估花费和程序运行的时间也会越小，但是不收敛的风险也会增加。此值默认为0.5。 ⑤Termination Step Size运行终止的步长。当算法运行到每次迭代包含的任务进程数越来越少时，这个参数就会被启用。如果当前的步长值小于设置的终止步长，那么优化就会终止并且当前返回当前的最优解。终止步长值越大（例如1.0E—4），则寻优的时间就越短，但是最优解的精度也会降低；反之，终止步长值越小（例如1.0E—7），则寻优的时间就会相应变长，但是能得到一个更加精确地最优解。此值默认取1.0E—6。 ⑥Penalty Base罚函数基准值。通过目标函数和罚函数的组合值来评估设计点的优劣。当计算某个设计的罚函数时，此参数值适用于所有违反了一个或多个的设计点。这样就使得算法能清楚的区分出那些具有轻微向上和向下违反约束的设计点。 罚函数的计算公式如下： 这里：VIOLATIONi是第i个违反约束的值，Wi是对应的权重，Si是对应的比例因子。如果没有违反约束的值时，PenaltyBase值就被设为0.0。默认为0.0。 ①Penalty Multiplier罚函数倍数。用来增加或减少违反的约束对整个设计优劣的影响程度。默认为1000.0。 ②Penalty Exponent罚函数指数。用来增加或减少总的违反的约束对罚函数值的影响的非线性性。此参数的类型为整形。默认为2。 ③Maximum Failed Runs最大容许的计算失败次数。假如最大失败次数超过了这个值，则优化组件会自动终止寻优。 ④Failed Run Penalty Value对所有失败解进行惩罚的值。默认为1.0E30。 ⑤Failed Run Objective Value所有失败解的目标值。默认为1.0E30。 6.3 Downhill Simplex算法 6.3.1 算法描述 由Nelder和Mead于1965年提出的求解多维空间非线性优化问题的搜索方法，使用了单纯形（Simplex）的概念，并通过改变Simplex顶点位置以及尺寸，持续在设计空间中移动。DS方法搜索过程示意图如图6—3所示。

内容概要

　　赖宇阳：毕业于清华大学热能系动力工程与控制专业，现任北京树优信息技术有限公司总经理。自2000年开始从事多学科设计优化（MDO）和六西格玛设计（DFSS）的研究和应用工作，成功领导了Isight在中国的产品研发和技术服务团队。

书籍目录

第1章 初识Isight3

1.1 Isight起源和发展3

1.2 主要功能5

1.3 模块构成6

1.4 安装要求7

1.5 在Windows上安装Isight8

1.6 在Unix/ Linux上安装Isight14

1.7 运行主界面16

第2章 应用程序集成(Code Integration)18

2.1 组件库（Component Library）18

2.2 Calculator计算器组件19

2.3 Excel组件21

2.4 Data Exchanger文本读/写组件23

2.5 OS Command命令行组件32

2.6 Simcode程序集成组件36

2.7 Script脚本组件41

2.8 Matlab组件44

2.9 Abaqus有限元分析过程集成48

2.10 Patran有限元前处理集成49

2.11 Sculptor/Fluent形状变形和流体仿真集成52

2.12 Adams Car车辆动力学仿真集成58

2.13 附录：常用商业CAD/CAE程序集成方法62

第3章 工作流和数据映射(Workflow/Data Mapping)66

3.1 Sim-flow工作流66

3.2 Loop循环控制68

3.3 Condition条件控制68

3.4 组件发布和重用69

3.5 Parameter参数控制70

3.6 Mapping参数映射72

3.7 Dataflow数据流73

3.8 File Parameter文件参数74

3.9 设置模型本地运行目录{rundir}77

3.10 模型检查功能79

3.11 练 习79

第4章 试验设计方法（Design of Experiments）88

4.1 基本概念88

4.2 算法介绍89

4.2.1 参数试验90

4.2.2 全因子设计90

4.2.3 部分因子设计90

4.2.4 正交数组91

4.2.5 中心组合设计（Central Composite Design, CCD）93

4.2.6 Box-Behnken设计93

4.2.7 拉丁超立方设计94

4.2.8 最优拉丁超立方设计95

4.2.9 自定义数据文件95

4.3 结果分析95

4.3.1 系数表95

4.3.2 Pareto图96

4.3.3 方差分析97

4.3.4 主效应图98

4.3.5 交互效应98

4.3.6 相关性图99

4.3.6 相关矩阵图100

4.4 DOE组件操作100

4.4.1 算法配置100

4.4.2 定义因子 101

4.4.3 设计矩阵 102

4.4.4 后处理 102

4.5 练 习103

4.5.1 二因子多峰问题103

4.5.2 飞行器概念设计问题109

第5章 梯度优化算法(Gradient Optimization)115

5.1 基本概念115

5.2 MMFD算法118

5.3 LSGRG算法120

5.4 NLPQL算法121

5.5 MOST算法122

5.6 MISQP算法123

5.7 练 习123

第6章 直接搜索方法(Direct Search)129

6.1 基本概念129

6.2 HookeJeeves算法129

6.3 Downhill Simplex算法132

6.4 练 习134

第7章 全局优化算法(Global Optimization)138

7.1 基本概念138

7.2 MIGA算法139

7.3 ASA算法142

7.4 PSO算法144

7.5 Pointer算法146

7.6 练 习147

提高篇

第8章 近似建模方法(Approximation Models)153

8.1 基本概念153

8.2 响应面(RSM)模型154

8.3 神经网络(RBF/EBF)模型156

8.4 切比雪夫（Chebyshev）正交多项式模型157

8.5 克里格(Kriging)模型157

8.6 练 习158

第9章 组合优化策略(Hybrid Optimization Strategy)170

9.1 Task Plan组件和Exploration组件170

9.2 DOE抽样与梯度优化混合策略（Task Plan组件）172

9.3 全局优化和梯度优化组合（Task Plan组件）176

9.4 基于近似模型更新的全局优化(Exploration组件)180

9.5 基于Pointer2 智能算法的策略（Exploration 组件） 183

第10章 多目标优化算法(MultiObjective Optimization)187

10.1 基本概念187

10.1.1 向量的自然序188

10.1.2 解的占优关系189

10.1.3 Pareto最优解集和Pareto前沿189

10.1.4 归一化方法：加权法191

10.1.5 非归一化方法192

10.2 NSGA-II算法193

10.3 NCGA算法194

10.4 AMGA算法195

10.5 PE算法195

10.6 二目标全局优化问题198

第11章 蒙特卡洛模拟（Monte Carlo Simulation）203

11.1 基本概念203

11.2 算法介绍205

11.2.1 简单随机抽样205

11.2.2 描述抽样206

11.3 算法配置207

11.4 练 习208

第12章 田口稳健性设计（Taguchi Robust Design）213

12.1 基本概念213

12.1.1 信号因子、控制因子和噪音因子213

12.1.2 稳健性设计214

12.1.3 质量损失函数215

12.2 算法介绍216

12.2.1 正交表的构造216

12.2.2 静态特性评价指标217

12.2.3 动态特性评价指标218

12.3 练习与指导219

第13章 6 Sigma质量设计（Design For Six Sigma）224

13.1 基本概念224

13.1.1 6 Sigma设计224

13.1.2 DFSS设计过程（DMAIC) 227

13.1.3 Isight的 DFSS算法框架 228

13.1.4 田口设计与DFSS设计的比较229

13.2 6 Sigma分析230

13.2.1 基于可靠性评价技术230

13.2.2 基于蒙特卡洛抽样233

13.2.3 基于试验设计234

13.3 6 Sigma优化234

13.4 练 习236

13.4.1 焊缝优化问题（确定性优化）236

13.4.2 焊缝优化问题(6 Sigma质量分析)238

13.4.3 焊缝优化问题(6 Sigma质量优化)242

编辑推荐

《CAD/CAE工程师标准培训教程:Isight参数优化理论与实例详解》可供企业从事产品设计、仿真分析和优化的科研人员和工程师阅读参考，也可以作为高校工程专业研究生和本科生开展优化课程教学的辅助教材。

作者简介

《CAD/CAE工程师标准培训教程:Isight参数优化理论与实例详解》是Dassault／Simulia公司推荐的Isight参数化软件培训教材和工具书，以最新版本Isight 5.5为依据，对Isight进行参数优化的基本思路、理论方法、操作步骤、应用技巧进行了详细介绍。《CAD/CAE工程师标准培训教程:Isight参数优化理论与实例详解》从实际应用出发，结合作者的使用经验，采用step by step的方式对操作过程和步骤进行讲解，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。

图书封面

---

 Isight参数优化理论与实例详解下载

---