Размерность задачи оптимизации |
Под “средней размерностью” понимается число переменных до 20…50 (в разных алгоритмах Z реализуются различные возможности). Под “большой размерностью” понимается число переменных до 100…200. |
Нелинейные ограничения типа "неравенство" |
Для задач средней размерности 20…50 нелинейных ограничений. Для задач большой размерности – без ограничений. |
Нелинейные ограничения типа "равенство" |
Каждое ограничение типа "равенство" преобразуется либо в два ограничения типа "неравенство", либо используется метод штрафных функций (могут использоваться любые, произвольно выбранные параметры и типы штрафов, в том числе в виде разрыва типа скачек, т.к. алгоритмы оптимизации инвариантны к топологии целевой функции). |
Число критериев при решении многокритериальных задач оптимизации |
Для задач средней размерности до 5…10. Для задач большой размерности – до 20…40 (при необходимости и более – в соответствии с потребностями пользователя). |
Число процессоров, которые могут быть использованы при параллельной оптимизации |
Без ограничений, в соответствии с потребностями и возможностями пользователя. Например, при 5 варьируемых переменных и двух критериях оптимизации может использоваться 2,…9,…23,.., 100 и более CPU. |
Число уровней математических моделей, которые могут быть использованы при многоуровневой оптимизации |
Возможно использование до 3-х различных уровней математических моделей – LFM, MFM, HFM. LFM строиться адаптивно программными средствами наших алгоритмов response surface technology без участия пользователя. Математические модели MFM и HFM разрабатываются пользователем (например, MFM – 2D CFD, HFM – 3D CFD). При потребности пользователя в процессе оптимизации может использоваться и большее число уровней анализа (например, 2D, квази-3D и 3D ). Отличием в уровне математической модели может являться лишь только изменение уровня дискретизации расчетной сетки. |
Требования к топологии целевой функции и ограничений |
Отсутствуют какие-либо ограничения по топологии целевых функции и ограничений кроме одного. Это - возможность определения оптимизируемой функции и ограничений в какой-либо отдельной части пространства, в котором проводятся исследования. |
Необходимость начальной точки для запуска процесса поиска экстремума |
Отсутствует необходимость задания начальной точки для запуска процесса оптимизации. |
Использование предварительной информации в процессе поиска |
Имеется возможность полного использования предварительно полученной информации об оптимизируемом объекте, включая имеющиеся базы данных. |
Особенности динамики поиска экстремума |
В пределах одной итерации имеется возможность остановки процесса оптимизации с последующим продолжением по истечении любого времени без каких-либо дополнительных действий пользователя. В случае необходимости возможно продолжение процесса оптимизации с измененной стратегией поиска и использования полученной дополнительной информации. |
Информация о существовании решения в допустимой области |
Отсутствует потребность в какой-либо информации о существовании решения в допустимой области. В случае некорректно поставленной задачи (отсутствие допустимого решения), в процессе оптимизации, будет найдено решение, характеризующееся минимально возможным нарушением заданных ограничений. |
Требования к устойчивости вычислительного процесса для анализ модуля |
Процедуры поиска экстремума обладают высоким уровнем устойчивости вычислительного процесса. Поэтому допускается аварийное завершение работы кода анализа в процессе оптимизации при изменении оптимизируемых параметров. Более того, возможно наличие областей поиска, где вообще может отсутствовать возможность определения критерия оптимизации и ограничений. В этих ситуациях накладывается лишь требование отсутствия зацикливания вычислительного процесса внутри кода анализа. |
Требования к пользователю |
Пользователь должен уметь корректно поставить задачу оптимизации:
- выбрать критерий (критерии) оптимизации;
- определить функциональные ограничения;
- выбрать оптимизируемые параметры и назначить допустимые пределы их изменения;
- подготовить свой расчетный модуль для обмена информацией между оптимайзером и кодом анализа на уровне входа (варьируемые переменные) и выхода (критерий оптимизации и ограничения).
Не требуется осуществлять каких-либо дополнительных модификаций кода анализа для подготовки их к оптимизации. Поэтому интеграция программных продуктов с оптимайзером осуществляется быстро и оперативно. |
Требования к знанию особенностей процедуры оптимизации |
Параметры алгоритмов IOSO технологии задаются программно и адаптивно изменяются в процессе поиска экстремума без участия пользователя. |
Требования к языку программирования для кода анализа |
Объединение программных продуктов с оптимайзером осуществляется на уровне исполняемых модулей, обмен информацией между ними выполняется только посредством внешнего файла. Поэтому код анализа может быть реализован на любом языке программирования. |
