分类 数值计算与优化

UNG自适应优化是一种能快速获取优化结果的优化算法，它综合利用了均匀试验设计、神经网络预测和遗传算法优化，既可以进行单目标优化也可以进行多目标优化，适用于计算分析过程复杂的情况，可以和CAE接口组件配合使用，也可以调用用户编写的自定义程序组件。

均匀试验方法是一种常用的试验方法，它是一种只考虑试验点在实验范围内均匀散布的一种实验设计方法。由于均匀设计只考虑试验点的“均匀散布”而不考虑“整齐可比”，因而可以大大减少实验次数。均匀试验方法与CAE分析相结合，可用于发现数据的内在规律，也可与优化方法相结合，以寻求问题的优化解。

多目标的神经网络遗传算法优化采用电子表格的自定义程序组件中的“神经网络遗传算法优化（多目标）”来实现。优化方法求解时需要给出用于训练神经网络的试验数据，优化求解时也能处理变量和变量之间关系的约束问题。

单目标的神经网络遗传算法优化采用电子表格的自定义程序组件中的“神经网络遗传算法优化（单目标）”来实现。优化方法求解时需要给出用于训练神经网络的试验数据，优化求解时也能处理变量和变量之间关系的约束问题

人工免疫算法优化采用自定义程序组件中的“人工免疫算法优化”来实现。优化方法求解时需要给出每个优化变量的变化区间（约束）范围，优化求解时也能处理变量之间关系的约束问题。

遗传算法优化采用自定义程序组件中的“遗传算法优化”来实现。优化方法求解时需要给出每个优化变量的变化区间（约束）范围，优化求解时也能处理变量之间关系的约束问题。

模拟退火法优化采用自定义程序组件中的“模拟退火法优化”来实现。该优化方法求解时需要给出每个优化变量的变化区间（约束）范围，对于变量之间关系的约束问题，需要在目标函数中采用惩罚项的方式来求解。

基于约束的模糊优化方法考虑了约束的模糊性，将普通优化问题中的优化目标表达为模糊约束的形式，采用基于约束的模糊优化方法，可以得到约束的最大满足状态时的优化结果。