|
3.指定优化目标和约束条件 在优化工作空间Outline中选择Optimization的子处理节点Objectives and Constraints，在右边的表格（Table）中可对各种变量（输入变量和输出变量）指定优化目标和约束条件。具体操作时，可以根据需要增加Table的行数，每一行中在变量列表中选择一个变量，并为其指定优化目标或约束条件。
下面对各种变量支持的目标和约束条件类型作简要的介绍。 对于连续型输入变量，提供如下的优化目标选项： No Objective 即不设置目标，输入变量在指定的优化域（后面介绍）范围内变化。 Minimize 即最小化，使输入变量在优化域指定范围内的取值尽可能小，也就是尽量取接近取值下限的值。 Maximize 即最大化，使输入变量在优化域指定范围内的取值尽可能大，也就是尽量取接近取值上限的值。 Seek Target 即寻找目标值，使输入变量在优化域取值范围内尽量靠近用户所指定的目标值（Target）。 对于输出变量，提供如下的优化目标选项： No Objective 即不设置输出参数的优化目标。 Minimize 即设置此输出变量优化目标为最小化，在GDO中将被作为一个优化目标，寻求达到此变量可能的最小值。 Maximize 即设置此输出变量优化目标为最大化，在GDO中将被作为一个优化目标，寻求达到此变量可能的最大值。 Seek Target 即设置此输出变量的优化目标为接近一个用户所指定的目标值Target，在GDO中将被作为一个优化的目标。 对于离散型输入变量或带有Manufacturable过滤器的连续性输入变量，提供如下的约束条件选项： No Constraint 即对此变量不设置任何约束条件。 Value =Bound 即设置约束条件为使得此变量尽量靠近优化域取值范围的下限Lower Bound。 Value >= Lower Bound 即设置约束条件为输入变量大于等于优化域取值范围的下限Lower Bound。 Value <= Upper Bound 即设置约束条件为输入变量小于等于优化域取值范围的上限Upper Bound。 对于输出变量，提供如下的约束条件选项： No Constraint 即对此输出变量不设置任何约束条件。 Value >= Lower Bound 即设置此输出变量大于等于指定的下限值Lower Bound，在GDO中被作为一个不等式约束条件。 Value <= Upper Bound 即设置此输出变量小于等于指定的上限值Upper Bound，在GDO中被作为一个不等式约束条件。 Lower Bound <= Value <= Upper Bound 即设置此输出变量介于指定的上限值Upper Bound及下限值Lower Bound之间，在GDO中被作为一个不等式约束条件，此处需要满足Lower Bound<Upper Bound。 在各目标和约束条件Properties的Decision Support Process中，可设置与优化决策相关的选项。对于Objective或Constraint，可设置Objective Importance或Constraint Importance为Default、Lower或Higher，如果存在多个优化目标或多个约束条件，可以按指定的重要性加权。对于约束条件，还提供了Constraint Handling 选项，如果Constraint Handling 选项被设置为Strict，则此约束条件被处理为硬性约束条件，不满足约束条件的样本点即认为不可行；如果被设置为 Relaxed ，则约束被视作一种目标，此时允许样本点违背约束条件。 对于没有设置任何Objective的优化问题（纯约束满足问题）只能通过Screening方法求解，当至少指定了一个优化目标后，其他优化算法就可用了。 如果对于设计变量指定了目标，则此设置不会影响各种优化方法的样本生成，但是会影响到后续最佳备选设计结果的排序。 4.指定优化域 在优化工作空间Outline的Domain节点下，指定各设计变量取值范围的上下限Lower Bound以及Upper Bound，对于离散型变量或带有Manufacturable Values过滤器的连续型变量的Level上下限。这些上下限应在DOE取值上下限以内，以达到缩小优化搜索域、提高分析效率的效果，后续优化中形成的样本点将全部位于缩减后的优化域中。 对于NLPQL以及MISQP优化方法，还可以在Domain节点下指定优化搜索时各输入变量的Starting Value，在此处指定的参数初始值一定要位于上面指定的Lower Bound以及Upper Bound之间。 5.优化求解 优化设置完成后，点工具栏上的Update按钮，或返回Project Schematic界面，选择Optimization组件，右键菜单中选择Update，即启动优化求解过程。在优化工作空间的Objectives and Constraints以及Domain工作节点的Monitoring列以及History Chart提供了优化过程参数监控功能，可以观察任意一个指定了目标或约束条件的变量的优化过程曲线，如果关心的变量已经满足要求的条件，则可以提前中断优化分析过程。 6.优化结果的查看与分析 优化分析完成后，可通过优化工作空间Result工作节点下的各种图表工具对优化结果进行查看或进行进一步的分析，这些工具包括查看备选设计点结果、查看敏感性图、查看多目标权衡图、查看样本图。下面进行简单的介绍。 首先是查看备选设计结果。一般情况下不会仅仅得到一个结果，往往会给出几个备选方案。这些备选方案（Candidate Points）的会基于其目标函数值与优化目标之间的差距来评分，三个红色的X表示最差，而三个红色的五角星表示最佳。
对响应面优化而言，必须验证结果的正确性。差距较大时可将备选设计点作为Verification Point，重新计算时考虑验证点，修正响应面，重新优化分析。
GDO的敏感性图（Sensitivities chart）为输出变量关于输入变量的全局敏感性，仅当优化方法为MOGA时可查看此敏感性结果。 在优化分析求解结束后，在优化结果下会自动创建Tradeoff图（权衡图）。
Tradeoff图是2-D或3-D的散点图，表示生成的GDO样本点，这些样本点的颜色代表它们所属的帕累托前沿，由红色向蓝色过渡，红色表示最差，蓝色表示最好。如果没有生成足够数量的Pareto Front，用户可以在Tradeoff图的属性中拖动滑块，以便增加更多的前沿点，以作为备用的设计方案；也可以在Tradeoff chart中选择帕累托前沿点作为设计点插入，进行进一步的验证分析。
样本图(Samples chart)是允许用户查看GDO样本点的另一个后处理工具，GDO计算完成后会自动形成此结果。样本图采用平行图的形式描绘全部的输入及输出参数，即一系列平行的Y轴分别表示不同的输入和输出参数，每一个样本点按照其各参数值用一条折线在平行图中表示。样本图的优势是可以同时显示出所有的样本图，而权衡图最多仅能同时显示三个变量。样本图提供了两种颜色显示方法，即by Samples或by Pareto Fronts。在Samples模式下，会区分显示优化备选方案样本点及其他样本点的颜色；在Pareto前沿模式下，各样本点的折线按照此点所属的Pareto front来显示颜色，从蓝色到红色表示其所属的帕累托前沿。
注：本文内容主要参考资料为《工程结构优化设计方法与应用》（中国铁道出版社，2015），相关算例请参考原书。
|
|
|
