产品
PRODUCTS

AI算法优势

OASIS奥希思专有的优化算法包括:

- SOGO(单目标全局优化):用以解决含一个优化目标和多个小计算量约束的问题

- MOGO(多目标全局优化):用以解决含多个优化目标和多个小计算量约束的问题

- SOGO-C(单目标大计算量约束全局优化):用以解决含大计算量约束或者高约束的单目标全局优化问题

       基于20多年的加拿大著名大学团队的潜心研究成果,以上算法智慧地集成了人工智能,机器学习,统计,和数学的各种方法,可以高效率地找到最优的设计。

9
OASIS奥希思优化算法的一般流程:

       首先,算法用智能实验设计方法,或者说抽样方法,来生成探索点。OASIS奥希思软件再驱动计算机分析/仿真软件 (或者物理实验) 来评价生成的样本。然后OASIS奥希思对这些样本和评价结果进行建模、学习、统计分析、数学规划和寻优。处理完的结果用来指导下一次迭代的智能抽样。以上过程循环迭代直到收敛。

OASIS奥希思优化算法寻找帕累托曲线的打点过程:
图片8

OASIS奥希思优化算法的特点: 

       OASIS奥希思软件具有行业内领先的技术,集成了业界领先的AI算法,可以方便地与其它仿真模型集成或直接使用实验数据,进行高效的参数化设计优化,特别擅长解决一些大变量、强约束、昂贵约束以及黑箱问题。同时OASIS奥希思的智能封装优化算法,可以实现一键优化,无需选择优化算法和参数。此外,OASIS奥希思还提供可视化评估优化结果以及直观的决策支持功能。总结下来,OASIS奥希思具有以下明显的技术特点:  

  • 全局、多目标优化,特别擅长解决一些大变量、强约束以及黑箱问题
  • 适用于线性或非线性,离散或连续变量,单峰或多峰的优化问题
  • 从解决10变量以下的小规模问题到解决大规模问题,均呈现卓越的性能
  • 更加简单明了的图形用户界面
  • 用户无需挑选算法;软件自动选择算法
  • 用户无需调整算法参数;算法自动调整
  • 用最少的仿真调用次数找到最好的优化设计
  • 收敛速度更快速,质量好,稳健性高
  • 多维度的设计变量进行直观有效的可视化分析
  • 提供直观的决策支持功能,通过设置评价标准的权重实现设计方案的筛选、排序和敏感性分析,帮助用户进行科学决策

OASIS奥希思同时给企业和用户带来了巨大的价值:

  • 加速设计速度,缩短产品开发周期
  • 创新设计流程,实现智能设计升级
  • 提供最佳的系统级的设计方案
  • 降低产品成本,提高产品质量,实现企业价值最大化
  • 解放工程师,让工程师专注于挖掘设计问题的内在结构和知识
  • 给企业高层提供科学的决策支持工具