车窗贴亮条:利用ANSYS进行优化设计时的几种优化算法1

　　优化技术

　　理解计算机程序的算法总是很有用的，尤其是在优化设计中。在这一部分中，将提供对下列方法的说明：零阶方法，一阶方法，随机搜索法，等步长搜索法，乘子计算法和最优梯度法。(更多的细节参见ANSYS Theory Reference 第20章。)

　　零阶方法

　　零阶方法之所以称为零阶方法是由于它只用到因变量而不用到它的偏导数。在零阶方法中有两个重要的概念：目标函数和状态变量的逼近方法，由约束的优化问题转换为非约束的优化问题。

　　逼近方法：

　　本方法中，程序用曲线拟合来建立目标函数和设计变量之间的关系。这是通过用几个设计变量序列计算目标函数然后求得各数据点间最小平方实现的。该结果曲线(或平面)叫做逼近。每次优化循环生成一个新的数据点，目标函数就完成一次更新。实际上是逼近被求解最小值而并非目标函数。

　　状态变量也是同样处理的。每个状态变量都生成一个逼近并在每次循环后更新。

　　用户可以控制优化近似的逼近曲线。可以指定线性拟合，平方拟合或平方差拟合。缺省情况下，用平方差拟合目标函数，用平方拟合状态变量。用下列方法实现该控制功能：

　　Command: OPEQN

　　GUI: Main Menu>Design Opt>Method/Tool

　　OPEQN同样可以控制设计数据点在形成逼近时如何加权;见ANSYS Theory Reference。

　　转换为非约束问题

　　状态变量和设计变量的数值范围约束了设计，优化问题就成为约束的优化问题。ANSYS程序将其转化为非约束问题，因为后者的最小化方法比前者更有效率。转换是通过对目标函数逼近加罚函数的方法计入所加约束的。

　　搜索非约束目标函数的逼近是在每次迭代中用Sequential Unconstrained Minimization Technique(SUMT) 实现的。

　　收敛检查

　　在每次循环结束时都要进行收敛检查。当当前的，前面的或最佳设计是合理的而且满足下列条件之一时，问题就是收敛的：

　　& #61548; 目标函数值由最佳合理设计到当前设计的变化应小于目标函数允差。

　　& #61548; 最后两个设计之间的差值应小于目标函数允差。

　　& #61548; 从当前设计到最佳合理设计所有设计变量的变化值应小于各自的允差。

　　& #61548; 最后两个设计所有设计变量的变化值应小于各自的允差。

　　用下列方法指定目标函数和设计变量允差：

　　Command: OPVAR

　　GUI: Main Menu>Design Opt>Design Variables

　　Main Menu>Design Opt>Objective

　　收敛并不代表实际的最小值已经得到了，只说明以上四个准则之一满足了。因此，用户必须确定当前设计优化的结果是否足够。如果不足的话，就要另外做附加的优化分析。

　　有时候求解过程会在收敛前终止，这是因为发生下列情况之一：

　　& #61548; 指定的循环次数达到了。

　　& #61548; 连续的不合理设计达到了指定的值(OPSUBP命令的NINFS域)。缺省值为7。

　　零阶方法的特殊问题

　　由于目标函数和状态变量都是使用逼近的，因此优化设计和逼近数值具有同样的精确度。下面给出了一些得到较好的逼近的建议。

　　& #61548; 对于零阶方法，优化处理器开始通过随机搜索建立状态变量和目标函数的逼近。由于是随机搜索，收敛的速度可能很慢。用户有时可以通过给出多个合理的起始设计来加速收敛。只简单的运行一系列的随机搜索并删除所有不合理的设计。用下列方法之一运行随机搜索：

　　Command: OPTYPE,RAND

　　GUI: Main Menu>Design Opt>method/Tool

　　用下列方法删除所有不合理设计：

　　Command: OPSEL

　　GUI: Main Menu>Design Opt>Select/Delete

　　也可以运行多次单独的循环，并在每次运行前指定新的设计变量序列来生成起始设计序列。用下列方法：

　　Command: OPTYPE,RUN

　　GUI: Main Menu>Design Opt>Method/Tool

　　(如果对问题的特性有些认识的话，后一种方法更好些。)

　　注——做一些小的设计分析将有利于收敛。但如果设计之间差别不大，也就是说设计数据点“堆积”在一起时，用户就要指定优化处理器沿一个指定的路径分析，以避免丢掉好的设计。

　　& #61591; 如果零阶方法生成了许多不合理的设计的话，可能说明状态变量的近似不能良好的反映状态变量的实际情况。在这种情况下，可以处理如下：

　　& #8226;增加连续不合理设计的允许值，然后进行附加的零阶方法分析(如果合

　　理的设计好象要达到了)。用下列方法：

　　Command: OPSUBP,NINFS

　　GUI: Main Menu>Design Opt>Method/Tool

　　& #8226;在连续的逼近中不断的选择最佳设计，可以得到更好的曲线拟合。用

　　下列方法实现：

　　Command: OPSEL

　　GUI: Main Menu>Design Opt>Select/Delete

　　& #8226;在状态变量逼近时选择交叉项。用下列方法：

　　Command: OPEQN,KFSV

　　GUI: Main Menu>Design Opt>Method/Tool

　　一阶方法

　　同零阶方法一样，一阶方法通过对目标函数添加罚函数将问题转换为非约束的。但是，与零阶方法不同的是，一阶方法将真实的有限元结果最小化，而不是对逼近数值进行操作。

　　一阶方法使用因变量对设计变量的偏导数。在每次迭代中，梯度计算(用最大斜度法或共轭方向法)确定搜索方向，并用线搜索法对非约束问题进行最小化。

　　因此，每次迭代都有一系列的子迭代(其中包括搜索方向和梯度计算)组成。这就使得一次优化迭代有多次分析循环。

　　OPFRST命令(Main Menu>Design Opt>Method/Tool)有两个输入域可以用来改善一阶方法的收敛。用户可以指定计算梯度的设计变量范围变化程度，也可以指定线搜索步长的范围。一般来说，这两个输入值的缺省数值就足够了。见ANSYS Theory Reference。

　　收敛检查

　　一阶方法在收敛或中断时结束。当当前的设计序列相对于前面的和最佳序列满足下面任意一种情况时，问题就称为收敛：

　　& #61548; 目标函数值由最佳合理设计到当前设计的变化应小于目标函数允差。

　　& #61548; 从当前设计到前面设计目标函数的变化值应小于允差。

　　同时要求最后的迭代使用最大斜度搜索，否则要进行附加的迭代。

　　用下列方法指定目标函数允差：

　　Command: OPVAR

　　GUI: Main Menu>Design Opt>Objective

　　问题在收敛之前可能中断。在用OPFRST命令NITR域指定的最大迭代次数达到的情况下出现。

　　一阶方法的特殊情况

　　与零阶方法相比，一阶方法计算量大且结果精确。但是，精确度高并不能保证最佳求解。下面是一些注意点：

　　& #61548; 一阶方法可能在不合理的设计序列上收敛。这时可能是找到了一个局部最小值，或是不存在合理设计空间。如果出现这种情况，可以使用零阶方法，因其可以更好的研究整个设计空间。也可以先运行随机搜索确定合理设计空间(如果存在的话)，然后以合理设计序列为起点重新运行一阶方法。

　　& #61548; 一阶方法更容易获得局部最小值。(见后面“局部和全局最小值”的说明。)这是因为一阶方法从设计空间的一个序列开始计算求解，如果起点很接近局部最小值的话，就会选择该最小值而找不到全局最小值。如果怀疑得到的是局部最小值，可以用零阶方法或随机搜索验证，如上所述。

　　& #61548; 目标函数允差过紧将会引起迭代次数很多。因为本方法计算实际有限元解(而非逼近)，在计算过程中会根据给定的允差尽量找到确切的结果。

　　随机搜索法

　　对于随机搜索法[OPTYPE，RAND]，程序完成指定次数的分析循环，并在每次循环中使用随机搜索变量值。用户可以用OPRAND命令(Main Menu>Design Opt>Method/Tool)指定最大迭代次数和最大合理设计数。如果给出了最大合理设计数，在达到这个数值时循环将终止，而忽略最大迭代次数是否达到。

　　随机搜索法往往作为零阶方法的先期处理。它也可以用来完成一些小的设计任务。例如可以做一系列的随机搜索，然后通过查看结果来判断当前设计空间是否合理。

　　等步长搜索法

　　等步长搜索法[OPTYPE，SWEEP]用于在设计空间内完成扫描分析。将生成n*NSPS个设计序列，n是设计变量的个数，NSPS是每个扫描中评估点的数目(由OPSWEEP命令指定)。对于每个设计变量，变量范围将划分为NSPS-1个相等的步长，进行NSPS次循环。问题的设计变量在每次循环中以步长递增，其他的设计变量保持其参考值不变。设计序列中设计变量的参考值用OPSWEEP命令的Dset指定(Main Menu>Design Opt>Method/Tool)。

　　图示和列表显示等步长搜索结果

　　用下列方法图示设计变量数值和响应变量的数值关系：

　　Command: OPLSW

　　GUI: Main Menu>Design Opt>Tool Results>Sweeps

　　纵坐标表示目标函数或状态变量的实际数值。横坐标表示正交化(0到1)的设计变量，正交范围为设计变量的最大最小值[OPVAR]。

　　用下列方法生成列表的结果：

　　Command: OPRSW

　　GUI: Main Menu>Design Opt>Tool Results>Print

　　正交化的响应数据值和正交化的设计变量值将列出。目标函数和状态变量的结果与参考设计序列数值正交[OPSWEEP，Dset]。对于设计变量，0相应于最小值，1相应于最大值。

　　乘子计算法

　　本工具[OPTYPE，FACT]用二阶技术生成设计空间上极值点上的设计序列数值。(这个二阶技术在每个设计变量的两个极值点上取值。)可以用OPFACT命令(Main Menu>Design Opt>Method/Tool)指定是完成整体的还是部分子的评估。对于整体评估，程序进行2n次循环，n是设计变量的个数。1/2部分的评估进行2n/2次循环，依此类推。

　　图示和列表显示乘子计算结果

　　可以用棒式图和表格显示目标函数或状态变量的某些方面。例如，可以图示每个设计变量对目标函数的主要作用。用户同样可以查看两个和三个变量之间的互相作用。

　　用下列命令显示棒式图：

　　Command: OPLFA

　　GUI: Main Menu>Design Opt>Tool Results>Factorial

　　用下列命令对目标函数或状态变量的作用列表：

　　Command: OPRFA

　　GUI: Main Menu>Design Opt>Tool Results>Print

　　要得到更详细的说明，请查阅ANSYS Theory Reference 第20章“Design Optimization”。

　　最优梯度法

　　最优梯度法[OPTYPE，GRAD]计算设计空间中某一点的梯度。梯度结果用于研究目标函数或状态变量的敏感性。用下列方式指定在哪个设计序列计算梯度：

　　Command: OPGRAD

　　GUI: Main Menu>Design Opt>Method/Tool

　　本工具做的循环次数等于设计变量的数目。

　　图示和列表显示最优梯度法的结果

　　用户可以用图显示设计变量和响应变量的数值。纵坐标表示目标函数或状态变量的实际数值。横坐标表示设计变量一个小的(1%)变化值。用下列方法列表表示结果：

　　Command: OPRGR

　　GUI: Main Menu>Design Opt>Tool Results>Print

　　1%的变化值是相对于设计变量的变化范围(由OPVAR命令中MAX-MIN数值确定)，而不是相对于当前的设计变量数值的。