Навигация:

Модуль для Оптимизации

Модуль для Оптимизации GT Opt pSeven Core содержит большой набор инновационных методов для оптимизации модели или нескольких моделей (в случае многодисциплинарной оптимизации). В зависимости от потребностей пользователя модуль автоматически предлагает тот или иной алгоритм, наиболее подходящий для решения конкретной задачи. Таким образом, для большинства пользователей поиск наилучшего решения автоматизирован и не требует дополнительных настроек. Однако это не означает, что пользователь никак не может повлиять на процесс оптимизации. Напротив, модуль GT Opt технологии pSeven Core может быть легко сконфигурирован под вашу конкретную задачу: легко можно изменить практически любые составляющие, в том числе и процесс выбора подходящего алгоритма и параметры для каждого метода. Возможность выбирать как автоматический, так и ручной режим работы модуля делает GT Opt практически универсальным инструментом для решения оптимизационных задач.

Набор уникальных алгоритмов собственной разработки DATADVANCE, доступный в модуле GT Opt, позволяет решать большинство существующих классов задач инженерной оптимизации.

Однокритериальная оптимизация

Однокритериальная оптимизация с ограничениями применяется как для простых расчетных моделей, так и для задач, объединяющих в себе сложные расчётные цепочки. Более того, в зависимости от класса рассматриваемой задачи и заданных характеристик модуль автоматически корректирует выбор подходящего алгоритма.

Спектр доступных и используемых алгоритмов простирается от относительно простых «классических» методов математического программирования, адаптированных к особенностям инженерных приложений, до специальных высокоэффективных алгоритмов, например, методы последовательного квадратичного программирования с квадратичными ограничениями и адаптивной фильтрацией. Подчеркнём, что все методы GT Opt адаптированы для эффективного решения практически значимых инженерных задач, характеризуемых зашумлённостью данных, наличием областей невычислимости и т.п.

Многокритериальная оптимизация с ограничениями

Для решения задач многокритериальной оптимизации в модуле имеются уникальные алгоритмы построения Парето-фронта и обеспечения оптимальности полученных решений. Во многих задачах данные методы намного более эффективны, чем другие широко применяемые подходы, в частности потому, что максимально избегают вычислений вдали от оптимального множества. Вместо этого (в этом и состоит ключевое преимущество) модуль GTOpt определяет несколько оптимальных решений, отталкиваясь от которых двигается в окрестности Парето-фронта, восстанавливая, таким образом, полное оптимальное множество.

Одно- и многокритериальная оптимизация в условиях неопределенности

Представленный метод одно- и многокритериальной оптимизации в условиях неопределенности собственной разработки DATADVANCE основан на использовании методов стохастического программирования и поддерживает все виды возможных ограничений. Основой метода является адаптивный выбор числа рассматриваемых реализаций случайных параметров. Идея заключается в том, что вдали от оптимального решения нет никакой необходимости рассматривать большое число реализаций, и уже сравнительно небольшой размер ансамбля обеспечивает прогресс алгоритма. Чем ближе оптимальное решение, тем больше должно быть число включённых в рассмотрение случайных реализаций. Таким образом, объём ансамбля перестает быть свободным параметром, как это часто случается при стандартном рассмотрении, а всецело определяется текущей итерацией алгоритма. Оборотной стороной такого рассмотрения является то, что метод всегда контролирует погрешность аппроксимации данных задачи. Отдельно стоит упомянуть, что алгоритм не нуждается в явном задании распределений случайных параметров. Необходимые свойства распределений восстанавливаются по ансамблю случайных реализаций.

Одно- и многокритериальная оптимизация в условиях неопределенности

Оптимизация на основе метамоделей (суррогатных моделей)

Оптимизация на основе суррогатных моделей (также называемых аппроксимационными или метамоделями, SBO) реализована с использованием другого модуля pSeven Core — GT Approx. Это пример сочетания возможностей различных модулей pSeven Core: модули оптимизации и аппроксимации используются совместно и в результате предоставляют пользователю эффективную методологию глобальной оптимизации. Метод основан на методе установления наиболее вероятного лучшего решения, однако во многом превосходит известные реализации этого подхода. В частности, в рамках одного метода удалось достичь как хорошей глобализации поиска решения, так и сохранить свойства локальной сходимости обычных оптимизационных методов. Заметим, что алгоритм прекрасно справляется и с многоэкстремальными многокритериальными задачами при наличии ограничений благодаря использованию современных методов адаптивной фильтрации.