带DOE与近似代理的iSIGHT协同优化实例

AiQing

算例原始模型：
min  x1^2+x2^2
s.t.   x1+0.1*x2<=4
       0.1*x1+x2>=2
采用协调优化方法后，主系统模型：
Mainsys:
min   f1=xsys^2+ysys^2
s.t.    d1=(xsys-xsub1)^2+(ysys-ysub1)^2
d2=(xsys-xsub2)^2+(ysys-ysub2)^2
子系统模型：
Subsys1:
min   sub1=(xsys-xsub1)^2+(ysys-ysub1)^2
s.t.    c1=xsub1+0.1*ysub1
Subsys2:
min   sub2=(xsys-xsub2)^2+(ysys-ysub2)^2
s.t.    c2=0.1*xsub2+ysub2

由于一般系统级的一致性约束很难满足，所以要对系统级约束构造响应面。预先给定一组（xsys，ysys），带到２个子系统中进行子系统的优化，得到一组（sub1，sub2）,并传递给主系统（d1，d2），然后构造（xsys，ysys）关于（d1，d2）的二阶响应面，主系统就成为：
min   f1=xsys^2+ysys^2
s.t.    d1= g1(xsys, ysys)
         d2= g2(xsys, ysys)
    以上子系统1、2各自运用了CCD实验设计，响应面近似只针对主系统的约束。问题做了一个初步的处理，本人也是初学者。设置步骤说明和相关文件均在附件里。
    另外，由于此例事实上是iSIGHT官方培训的一个实例，所以只是在原来的基础上做了子系统的DOE与主系统的近似模型代理，设置正确与否还有待探讨，不过最后结果还是很好的。作为原来实例的一个扩展（包括PPT模版），将此实例发布于此,希望没有侵权SIGHTAN，并对其表示感谢.同时感谢提出问题的网友fenfen8686，如有不合理的地方,希望共同探讨进步。

[ 本帖最后由 AiQing 于 2006-11-22 22:07 编辑 ]

AiQing

附件是实例说明
带DOE与近似代理的iSIGHT协同优化实例

AiQing

以下贴出一些关键步骤设置的说明：
CO 关键步骤.part1

AiQing

以下贴出一些关键步骤设置的说明：
CO 关键步骤.part2

AiQing

以下贴出一些关键步骤设置的说明：
CO 关键步骤.part3

freeryan

辛苦楼主了，搂主的精神值得大家学习，我顶

strongsailor

楼上的朋友，你做的例子很详细，但是我提出些异议：
（1）CO结合响应面的方法，要求是子系统中在系统级设计变量的n个不同的值（实验设计所得）的情况下，对子系统的设计变量进行优化，然后根据根据n组数据对一致性约束建立响应面。而你的子系统的task设置有些不妥；
（2）你的系统级是根据系统级的db文件建立响应面模型的，有些不妥。

AiQing

原帖由 strongsailor 于 2006-11-22 20:59 发表
楼上的朋友，你做的例子很详细，但是我提出些异议：
（1）CO结合响应面的方法，要求是子系统中在系统级设计变量的n个不同的值（实验设计所得）的情况下，对子系统的设计变量进行优化，然后根据根据n组数据对一致 ...

strongsailor说得有理，在此表示感谢。其实协同优化的问题我完全是外行，只是因为这个问题才看了一些资料。
这个问题的初衷是这样的：
预先给定一组（xsys，ysys），带到２个子系统中进行子系统的优化，得到一组（sub1，sub2）,并传递给主系统（d1，d2），这样进行多次的求解，就有多组(xsys,ysys)——(d1,d2)，这样就可以通过RSM方法构造出主系统约束的近似模型，再进行主系统的求解，得到新的(xsys,ysys)，再重复前面的过程。
所以试验设计应该修正为在主系统进行，不知这样行否？！

strongsailor

试验设计应该是在子系统完成的，而且要结合优化。只不过你结合的方式有些不妥。你可以参考目前的一些文献阅读

AiQing

原帖由 strongsailor 于 2006-11-23 13:59 发表
试验设计应该是在子系统完成的，而且要结合优化。只不过你结合的方式有些不妥。你可以参考目前的一些文献阅读

感谢strongsailor的建议!
不过还是不太明白,能否稍具体说一下,或者给出一些文献题名,以便能找到相关文献.

wang3

大家有发现CO比MDF等单级优化算法好的地方么？给几条优点...

zhoubinghua2008

我正在学习这方面的知识，能否给我发一份啊，谢谢

zhoubinghua2008

我怎么没法查看查看附件的内容，请好心人给我发一下行吗？邮箱：[email=zhoubinghua2008@163]zhoubinghua2008@163[/email].com

lorcelong

这个资料给力啊楼主，学习中

dreamerou

不错的东西 正在找呢 呵呵 学习了

xiaoerh

楼主给力啊，学习了