Optimierung
optiSLang bietet leistungsfähige Lösungsverfahren für vielfältige multidisziplinäre, nichtlineare und multikriterielle Optimierungsprobleme.
Methodenübersicht
Approximation der Zielfunktion
- Gradienten-basierte Optimierung (NLPQLP, L-BFGS)
- Evolutionäre Algorithmen (Genetische Algorithmen, Evolutionsstrategien)
- Pareto-Optimierung
- Globale Response Surface Methoden (linear, quadratisch, moving least square)
- Adaptive Response Surface Methode (ARSM)
Kenndaten
Optimierung der Form einer Seitenbarriere bezüglich Dummyverletzungskriterien
- kontinuierliche, diskrete und binäre Optimierungsparameter (zig-Tausend)
- Formulierung von Konstruktionsrandbedingungen
- Nebenbedingungen der Gleichheit und Ungleichheit (parameterfreie Bedingungen)
- sinnvolle Voreinstellungen für die algorithmischen Parameter
Fokus
Die Abstimmung von Messungen und Simulationen als Optimierungsproblem
Die Abstimmung von Messungen und Simulationen sind ein klassisches Problem der Modellvalidierung. Sollte die Differenz zwischen gemessenen und errechneten Daten zu groß sein, kann ein Optimierungsproblem für die Minimierung dieser Differenz formuliert werden. Solche Optimierungsprobleme der Abstimmung von Messungen und Simulationen werden häufig als Identifikations-problem bezeichnet. optiSLang kann für automatische Identifikationsprozesse genutzt werden, indem es Sensitivitätsanalysen und anschließend evolutionäre Algorithmen durchführt. Praktische Erfahrungen haben gezeigt, dass erfolgreiche Optimierungsprobleme oft nur dann formuliert werden können, wenn der Designraum mittels Sensitivitätsparametern erstellt werden kann.
Postprozessing
Ergebnisfenster
Die Ergebnisse der Optimierung werden durch ein interaktives Postprocessing visualisiert. Für alle Parameter und Antwortgrößen können Histories visualisiert und einzelne Designs selektiert werden.
Distributoren
optiSLang wird weltweit vertrieben, hier finden sie die Liste unserer Distributoren.
Ihr Ansprechpartner
