产品
PRODUCTS
+ 查看更多
AI算法优势+ 查看更多
AI算法优势
+ 查看更多
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。
OASIS奥希思优化算法的一般流程:
首先,算法用智能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:
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