.png)
局部最佳化
Optimus 的數值最佳化方法軟體提供了一套強大的局部最佳化算法，包括NLPQL，序列二次規劃（SQP），廣義簡約梯度（GRG）和自適應域法（ARM 指令1和2）。這些算法通常會快速匯合達到局部最佳。
.gif) |
.gif) |
這些算法要求目標函數的定義（最小值、最大值、達到目標值）、輸入參數的邊界、需要的等式或不等式約束的一組的輸出。這些局部最佳化算法可用於解決一般的約束最佳化問題。靈敏度為基礎算法，使用目標函數的靈敏度（或梯度）以及約束條件，就可找到一種有效的局部最佳方式。
全局最佳化
國家的最先進 Optimus alscontains 全局最佳化算法 - 包括差分進化（DE），自適應進化（SE），模擬退火（SA）與高效的全球最佳化（EGO）。所有這些算法解決了一般拘束的最佳化問題。
國家的最先進 Optimus alscontains 全局最佳化算法 - 包括差分進化（DE），自適應進化（SE），模擬退火（SA）與高效的全球最佳化（EGO）。所有這些算法解決了一般拘束的最佳化問題。
而局部最佳化算法有可能找到一個局部最佳，全局最佳化算法有很高概率找到全局最佳，因為他們看起來在設計空間多個地點同時進行。
離散最佳化
局部和全局最佳化方法擴展一組專用的離散最佳化算法來解決一般約束的局部和全局最佳化問題，包括連續和離散變量的組合。離散變量可以使用整數值、實際值的列表，或者字符串的列表來指定。特殊的搜索程序有效地考慮到輸入變量的離散性質。
局部和全局最佳化方法擴展一組專用的離散最佳化算法來解決一般約束的局部和全局最佳化問題，包括連續和離散變量的組合。離散變量可以使用整數值、實際值的列表，或者字符串的列表來指定。特殊的搜索程序有效地考慮到輸入變量的離散性質。
自適應混合方法
Optimus 的自適應區域最佳化（ARM指令2）和高效的全球最佳化（EGO）方法被開發為一個擴展響應面的技術。通過採集響應面的優點，Optimus 逐漸地尋找該最佳點的位置。隨著每一步近似響應面的分辨率變細，幫助該算法來定位最佳的設計。一旦信任區域得到很好的界定，Optimus 使用驗證實驗找到最終的最佳值，無需用戶干預。
思渤科技提供完整的產品諮詢、技術支援、產品訓練及售後服務，歡迎立即電洽思渤科技 03-6118-668 或來信。
