Относительно оптимизации

Оптимизация используется для достижения лучшего результата данного действия при удовлетворении некоторых ограничений. Хороший пример оптимизации - минимизация веса проектируемой конструкции в авиакосмической промышленности, где проектирование конструкции самолета часто превалирует перед стоимостью. Понятие оптимизации предполагает, что действие, которое будет улучшено или оптимизировано, описано функцией, чья вариация может быть выражена относительно группы параметров, также называемых переменными или свободными параметрами.

Определение Оптимизации

Задан параметр f(x) CATIA выраженный в терминах других параметров CATIA, Product Engineering Optimizer предлагает три способа действия, посредством чего Вы можете найти f(x) минимум, f(x) максимум или данную величину f(x). Эти способы действий называются, соответственно: Minimization, Maximization и Target Value. Среди параметров, которые используются для определения f(x), те, которые могут изменяться, названы свободными параметрами. За один раз возможна оптимизация только одного параметра. В величине параметра требуется непрерывность. Множественные величины параметров не могут использоваться как свободные параметры.

Использование в качестве свободного параметра параметр, который ограничивается зависимостью, может провести к непредсказуемому результату.

Как определить алгоритм, который должен быть выполнен

Типы алгоритмов

Чтобы выполнить оптимизацию, Вы можете использовать каждый алгоритм из описанных ниже:

Conjugate Gradient (CG). Если свойства целевой функции известны (непрерывность, дифференцируемость в точке и с единственным оптимумом), то может использоваться градиент. Это выполняется обычно быстрее, чем при использовании Simulated Annealing.
Simulated Annealing. If the shape of the objective function is unknown, it is recommended to start with a Simulated Annealing then refine the results with a gradient descent. This approach is slow but works for a larger amount of functions. A good way to reach quickly a solution when using the Simulated Annealing consists in specifying a low number of consecutive iterations without improvements (15 or 20).

For both algorithms, the result can be refined by removing one or several variables from the list of free parameters and restart the computation.

The Termination Criteria

When an optimization is running, a message box displays the data of each iteration. You can stop the

computation by clicking 'Stop'. If you don't intervene on the computation process, the computation will

stop:

either when the value (minimum, maximum or target value) has been found
or when one of the specified termination criteria has been met.

Here are the termination criteria to be specified:

Maximum number of iterations
Number of iterations without improvement

Maximum duration of computation