产品
PRODUCTS
AI算法优势
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。
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
