優(yōu)化作用的概述

ISIGHT中存在大量的優(yōu)化算法，每種優(yōu)化算法根據(jù)不同的分類，可以解決不同類型的問題。今天我們來看看ISIGHT都提供了哪些優(yōu)化算法，主要包括：AMGA、ASA、DownhillSimplex、Evol、Hooke-Jeeves、LSGRG、MISQP、MMFD、MOST、Multi-Island GA、Multi-Objective Particle Swarm、NCGA、NLPQL、NSGA-II、Pointer、Stress Ratio等，今天先總體簡單介紹一下，后續(xù)我會對每種優(yōu)化算法一一進行詳細介紹，敬請期待。

ISIGHT中的優(yōu)化技術分為三類：

1.數(shù)值型優(yōu)化技術（Numerical Optimization Techniques）

2.探索型優(yōu)化技術（Exploratory Techniques）

3.專家系統(tǒng)技術（Exper System Techniques）

下面對這些優(yōu)化技術中的優(yōu)化方法一一進行介紹。

數(shù)值型優(yōu)化技術

數(shù)值型優(yōu)化技術通常假定參數(shù)空間是單峰的、凸的和連續(xù)的，ISIGHT中使用了如下的數(shù)值型優(yōu)化技術如下，而數(shù)值型優(yōu)化技術又分為直接法和罰函數(shù)法：

（1）直接法，在搜索過程中直接處理約束。

ADS（Automated Design Synthesis）-based Techniques

修正可行方向法（Modified Method of Feasible Directions）

連續(xù)線性規(guī)劃（Sequential Linear Programming）

廣義既約梯度法（Generalized Reduced Gradient-LSGRG2）

可行方向法-CONMIN（Method of Feasible Directions-CONMIN）

混合整型優(yōu)化-MOST（Mixed Integer Optimization-MOST）

連續(xù)二次規(guī)劃法-DONLP（Sequential Quadratic Programming-DONLP）

連續(xù)二次規(guī)劃法-NLPQL（Sequential Quadratic Programming-NLPQL）

逐次逼近法（Successive Approximation Method）

（2）罰函數(shù)法，給目標函數(shù)增加懲罰項，將約束問題轉換成無約束問題。

ADS（Automated Design Synthesis）-based Techniques

外點罰函數(shù)法（Exterior Penalty）

Hooke-Jeeves直接搜索法（Hooke-Jeeves Direct Search Method）

探索型優(yōu)化技術

探索型優(yōu)化技術避免了集中在局部區(qū)域的搜索，這些技術遍歷整個參數(shù)空間搜索全局最優(yōu)設計點。ISIGHT中的這種技術包括：

遺傳算法（Genetic Algorithm）

批處理遺傳算法（Genetic Algorithm with Bulk Evaluation）

模擬退火算法（Simulated Annealing）

專家系統(tǒng)技術

專家系統(tǒng)技術使優(yōu)化沿著用戶定義的方向進行改變，改變哪一項？怎么改變？什么時候改變？這些都有用戶自己定義。

ISIGHT中這樣的技術為指導啟發(fā)式搜索方法（Directed Heuristic Search-DHS）。如果用戶知道輸入怎樣影響輸出結果的話，可以試試這種方法，效率很高。

至此，ISIGHT中的優(yōu)化算法概述就基本介紹到這，敬請期待優(yōu)化算法詳述……