发一个自己做的Modelcenter和Isight的比较

ggbaby

计算对象：二维渠道内的水流混合
结构：
-------------------------------------------------------------------------------
-》Hot        _                          |_|
-》Cold                        |  |
-------------------------------------------------------------------------------
通过进行正交矩阵分析，发现有3个量是显著因子。
1<=L1<=3
0.3<=W1<=0.7
0.3<=W2<=0.7
约束条件为DeltaP小于8500Pa
Object: DeltaT最小

分别用Modelcenter的Data Explore的SEQOPT和Isight进行优化分析。
结果如下：
Modelcenter结果
"design variable (Model.test2.L1)","design variable (Model.test2.W1)","design variable (Model.test2.W2)","constraint (Model.test2.DeltaP)","objective (Model.test2.DeltaT)"
"3","0.5","0.7","13484","55.793"
"3","0.7","0.5","15680","40.748"
"3","0.3","0.3","1632.7","69.92"
"3","0.5","0.5","6619.8","63.886"
"3","0.7","0.3","11584","44.843"
"3","0.3","0.7","9919","61.411"
"3","0.5","0.3","3798.2","66.577"
"3","0.7","0.7","22339","32.302"
"3","0.3","0.5","3845.5","68.32"
"1","0.5","0.5","6574.2","47.023"
"1","0.7","0.3","12076","16.189"
"1","0.3","0.7","9562.2","35.31"
"1","0.5","0.3","4032.4","53.418"
"1","0.7","0.7","22418","5.3762"
"1","0.3","0.5","3599.9","59.377"
"1","0.5","0.7","13074","19.896"
"1","0.7","0.5","16051","10.611"
"1","0.3","0.3","1622.6","67.379"
"2","0.5","0.3","3780.2","61.6"
"2","0.7","0.7","22214","14.23"
"2","0.3","0.5","3643.1","63.969"
"2","0.5","0.7","13229","43.068"
"2","0.7","0.5","15604","26.372"
"2","0.3","0.3","1569.1","68.929"
"2","0.5","0.5","6397.5","56.007"
"2","0.7","0.3","11542","31.315"
"2","0.3","0.7","9700.6","52.531"
"1","0.6140625","0.3","7198.5","34.313"
"1","0.40078125","0.65546875","9220.5","33.715"
"1.26953125","0.61171875","0.3046875","6951.1","39.688"
"1.12890625","0.60390625","0.30625","6759.6","39.155"
"1.3359375","0.60390625","0.32265625","6849.8","42.07"
"1","0.64140625","0.3","8404","28.406"
"1","0.42578125","0.62421875","8482.4","37.013"
"1.09375","0.63125","0.31015625","7971.7","32.173"
"1.28125","0.63671875","0.31796875","8190.2","34.53"
"1.0390625","0.61328125","0.371875","8105.7","33.398"
"1","0.63671875","0.32265625","8493.4","28.837"
"2.3515625","0.64453125","0.3","8099.3","45.977"
"2.42578125","0.64296875","0.30859375","8131.9","46.985"
"2.46484375","0.621875","0.3078125","7192.4","51.111"
"2.3203125","0.6265625","0.30625","7355.6","48.691"
"1","0.64296875","0.3","8480.6","28.093"
"1","0.365625","0.64921875","8397.2","38.944"
"2.48046875","0.57578125","0.48984375","8310.8","54.225"
"2.40625","0.571875","0.4921875","8223.3","53.842"
"2.4609375","0.375","0.3765625","2783.2","67.651"
"1","0.64375","0.3","8519.3","27.91"
"1","0.60625","0.41796875","8551.2","32.362"
"1.484375","0.41015625","0.62734375","8385.1","48.642"
"1.33203125","0.41328125","0.6234375","8274","46.266"
"2.49609375","0.4140625","0.5921875","7468.1","58.723"
"2.5625","0.40859375","0.59609375","7506","59.3"
"2.46484375","0.39375","0.5859375","6942.7","59.545"
"1.45703125","0.40703125","0.39296875","3306.9","62.765"
"1.59765625","0.40390625","0.41015625","3433.9","62.821"
"1.56640625","0.41640625","0.4046875","3535.4","62.41"
"1.125","0.64296875","0.3","8349.5","30.84"
"1","0.66796875","0.3","9853","22.539"
"1","0.61796875","0.3","7355","33.566"
"1","0.64296875","0.325","8830.5","27.531"
"1.03125","0.64296875","0.3","8441.7","28.838"
"1","0.64921875","0.3","8793.7","26.822"
"1","0.63671875","0.3","8180.8","29.337"
"1","0.64296875","0.30625","8562.2","28.04"

第43个得到最佳值 DeltaT 为28.093
DESIGN: 43

       Input               Value   
       Model.test2.L1   1.000000e+000
       Model.test2.W1   6.429687e-001
       Model.test2.W2   3.000000e-001

       Output                   Type         Truth Value     Model Value      Abs Error       Rel Error      Violation  
       Model.test2.DeltaT     objective     2.809300e+001   2.808046e+001   1.254234e-002   4.464580e-004        --      
       Model.test2.DeltaP    constraint     8.480600e+003   8.481966e+003  -1.366408e+000  -1.611216e-004  0.000000e+000

用Isight 9.0计算
1.使用SQP-DONLP,计算70次无最佳结果

43  1.000002  0.3  0.5  0.5  0.300002  0.300002  1622.6  67.379  67.379  0.0  67.379  3  9  none  2  0  0  0  NewPlan:Step1  none
44  1.0002020002  0.3  0.5  0.5  0.300002  0.300002  1622.8  67.374  67.374  0.0  67.374  3  9  none  2  0  0  1  NewPlan:Step1  none
45  1.000002  0.3  0.5  0.5  0.3001320002  0.300002  1623.4  67.374  67.374  0.0  67.374  3  8  none  2  0  0  1  NewPlan:Step1  none
46  1.000002  0.3  0.5  0.5  0.300002  0.3001320002  1623.4  67.374  67.374  0.0  67.374  3  8  none  2  0  0  1  NewPlan:Step1  none
47  1.25000375000073  0.3  0.5  0.5  0.684618792901062  0.684618792901062  20339  8.8107  8.8107  140161921010.0  140161921018.811  3  1  none  2  0  0  0  NewPlan:Step1  none
48  1.12500287500037  0.3  0.5  0.5  0.492310396450531  0.492310396450531  6177.2  49.946  49.946  0.0  49.946  3  9  none  2  0  0  0  NewPlan:Step1  none
49  1.12521537528787  0.3  0.5  0.5  0.492310396450531  0.492310396450531  6177.2  49.95  49.95  0.0  49.95  3  7  none  2  0  0  1  NewPlan:Step1  none
50  1.12500287500037  0.3  0.5  0.5  0.492459627490176  0.492310396450531  6181.7  49.93  49.93  0.0  49.93  3  9  none  2  0  0  1  NewPlan:Step1  none
51  1.12500287500037  0.3  0.5  0.5  0.492310396450531  0.492459627490176  6180.7  49.934  49.934  0.0  49.934  3  7  none  2  0  0  1  NewPlan:Step1  none
52  3.0  0.3  0.5  0.5  0.7  0.7  22339  32.302  32.302  191517921010.0  191517921042.302  3  1  none  2  0  0  0  NewPlan:Step1  none
53  2.06250143750018  0.3  0.5  0.5  0.7  0.7  22234  15.009  15.009  188622756010.0  188622756025.009  3  1  none  2  0  0  0  NewPlan:Step1  none
54  1.35937751562532  0.3  0.5  0.5  0.7  0.7  22246  8.0506  8.0506  188952516010.0  188952516018.051  3  1  none  2  0  0  0  NewPlan:Step1  none
55  1.14844033906286  0.3  0.5  0.5  0.52866155728844  0.528603757825969  7790.2  43.873  43.873  0.0  43.873  3  9  none  2  0  0  0  NewPlan:Step1  none
56  1.14865518309677  0.3  0.5  0.5  0.52866155728844  0.528603757825969  7787.1  43.886  43.886  0.0  43.886  3  7  none  2  0  0  1  NewPlan:Step1  none
57  1.14844033906286  0.3  0.5  0.5  0.528814423444169  0.528603757825969  7792.8  43.872  43.872  0.0  43.872  3  9  none  2  0  0  1  NewPlan:Step1  none
58  1.14844033906286  0.3  0.5  0.5  0.52866155728844  0.528756618201751  7796.2  43.854  43.854  0.0  43.854  3  9  none  2  0  0  1  NewPlan:Step1  none
59  1.0321048045398  0.3  0.5  0.5  0.541238671111334  0.7  13971  17.64  17.64  29931841010.0  29931841027.64  3  1  none  2  0  0  0  NewPlan:Step1  none
60  1.09027257180133  0.3  0.5  0.5  0.534950114199887  0.648090857011064  11571  24.866  24.866  9431041010.0  9431041034.866  3  1  none  2  0  0  0  NewPlan:Step1  none
61  1.13389839724748  0.3  0.5  0.5  0.530233696516301  0.558475532622243  8577.8  40.274  40.274  6052849.99999989  6052890.27399989  3  1  none  2  0  0  0  NewPlan:Step1  none
62  1.14116936815517  0.3  0.5  0.5  0.529447626902371  0.543539645224106  8174.3  42.263  42.263  0.0  42.263  3  9  none  2  0  0  0  NewPlan:Step1  none
63  1.14138348509199  0.3  0.5  0.5  0.529447626902371  0.543539645224106  8156.9  41.776  41.776  0.0  41.776  3  9  none  2  0  0  1  NewPlan:Step1  none
64  1.14116936815517  0.3  0.5  0.5  0.529600571665061  0.543539645224106  8162.6  41.733  41.733  0.0  41.733  3  9  none  2  0  0  1  NewPlan:Step1  none
65  1.14116936815517  0.3  0.5  0.5  0.529447626902371  0.543693999188628  8162.2  41.769  41.769  0.0  41.769  3  7  none  2  0  0  1  NewPlan:Step1  none
66  1.0  0.3  0.5  0.5  0.7  0.7  22418  5.3762  5.3762  193710724010.0  193710724015.376  3  1  none  2  0  0  0  NewPlan:Step1  none
67  1.0  0.3  0.5  0.5  0.614723813451185  0.7  16607  11.669  11.669  65723449010.0  65723449021.669  3  1  none  2  0  0  0  NewPlan:Step1  none
68  1.07109836555974  0.3  0.5  0.5  0.550766673539574  0.7  14221  17.918  17.918  32729841010.0  32729841027.918  3  1  none  2  0  0  0  NewPlan:Step1  none
69  1.13416226789563  0.3  0.5  0.5  0.531579531566091  0.560848937705739  8659.4  39.356  39.356  25408369.9999999  25408409.3559999  3  1  none  2  0  0  0  NewPlan:Step1  none
70  1.1376658180254  0.3  0.5  0.5  0.530513579234231  0.552194291464922  8415.3  40.96  40.96  0.0  40.96  3  9  none  2  0  0  0  NewPlan:Step1  none
71  1.1378795846072  0.3  0.5  0.5  0.530513579234231  0.552194291464922  8416.3  40.945  40.945  0.0  40.945  3  9  none  2  0  0  1  NewPlan:Step1  none
72  1.1376658180254  0.3  0.5  0.5  0.530666630592154  0.552194291464922  8420.7  40.94  40.94  0.0  40.94  3  9  none  2  0  0  1  NewPlan:Step1  none
73  1.1376658180254  0.3  0.5  0.5  0.530513579234231  0.552349510894069  8417.9  40.962  40.962  0.0  40.962  3  7  none  2  0  0  1  NewPlan:Step1  none
74  1.09469338145579  0.3  0.5  0.5  0.612707321456417  0.496308182704915  10059  29.123  29.123  2430481010.0  2430481039.123  3  1  none  2  0  0  0  NewPlan:Step1  none
75  1.11617959974059  0.3  0.5  0.5  0.571610450345324  0.524251237084919  8983.9  36.178  36.178  234159220.0  234159256.178  3  1  none  2  0  0  0  NewPlan:Step1  none
76  1.1322942634542  0.3  0.5  0.5  0.540787797012004  0.545208527869921  8514.4  39.831  39.831  207369.99999999  207409.83099999  3  1  none  2  0  0  0  NewPlan:Step1  none
77  1.1349800407398  0.3  0.5  0.5  0.535650688123117  0.548701409667422  8452.8  40.302  40.302  0.0  40.302  3  9  none  2  0  0  0  NewPlan:Step1  none
78  1.13519353874387  0.3  0.5  0.5  0.535650688123117  0.548701409667422  8452.5  40.304  40.304  0.0  40.304  3  7  none  2  0  0  1  NewPlan:Step1  none
79  1.1349800407398  0.3  0.5  0.5  0.53580425319193  0.548701409667422  8455.7  40.285  40.285  0.0  40.285  3  9  none  2  0  0  1  NewPlan:Step1  none
80  1.1349800407398  0.3  0.5  0.5  0.535650688123117  0.548856279808389  8458.2  40.285  40.285  0.0  40.285  3  8  none  2  0  0  1  NewPlan:Step1  none
81  1.0  0.3  0.5  0.5  0.7  0.470166600782782  15376  11.415  11.415  47279376010.0  47279376021.415  3  1  none  2  0  0  0  NewPlan:Step1  none
82  1.05249416597371  0.3  0.5  0.5  0.628258602186192  0.509434005225102  11183  23.691  23.691  7198489010.0  7198489033.691  3  1  none  2  0  0  0  NewPlan:Step1  none
83  1.11435857204828  0.3  0.5  0.5  0.558802666638886  0.538884558556842  8906.1  36.954  36.954  164917220.0  164917256.954  3  1  none  2  0  0  0  NewPlan:Step1  none
84  1.13283282405716  0.3  0.5  0.5  0.538061394908788  0.547679227067776  8495.8  40.026  40.026  0.0  40.026  3  9  none  2  0  0  0  NewPlan:Step1  none
85  1.13304610733957  0.3  0.5  0.5  0.538061394908788  0.547679227067776  8495.4  40.032  40.032  0.0  40.032  3  7  none  2  0  0  1  NewPlan:Step1  none
86  1.13283282405716  0.3  0.5  0.5  0.538215201048278  0.547679227067776  8498.7  40.007  40.007  0.0  40.007  3  9  none  2  0  0  1  NewPlan:Step1  none
87  1.13283282405716  0.3  0.5  0.5  0.538061394908788  0.547833994990483  8498.3  40.018  40.018  0.0  40.018  3  7  none  2  0  0  1  NewPlan:Step1  none
88  1.0  0.3  0.5  0.5  0.7  0.3  12076  16.189  16.189  12787776010.0  12787776026.189  3  1  none  2  0  0  0  NewPlan:Step1  none
89  1.0  0.3  0.5  0.5  0.7  0.423839613533888  14362  12.699  12.699  34363044010.0  34363044022.699  3  1  none  2  0  0  0  NewPlan:Step1  none
90  1.06822812208405  0.3  0.5  0.5  0.610774285306061  0.516719323684304  10413  27.004  27.004  3659569010.0  3659569037.004  3  1  none  2  0  0  0  NewPlan:Step1  none
91  1.12637235385985  0.3  0.5  0.5  0.545332683948515  0.544583236729429  8632.7  39.038  39.038  17609300.0000002  17609339.0380002  3  1  none  2  0  0  0  NewPlan:Step1  none
92  1.13218677703743  0.3  0.5  0.5  0.53878852381276  0.547369628033941  8512.4  39.944  39.944  153769.999999991  153809.943999991  3  1  none  2  0  0  0  NewPlan:Step1  none
93  1.13266936637747  0.3  0.5  0.5  0.538245367282082  0.547600894782107  8496.5  40.013  40.013  0.0  40.013  3  7  none  2  0  0  0  NewPlan:Step1  none
94  1.13288263331411  0.3  0.5  0.5  0.538245367282082  0.547600894782107  8496.5  40.018  40.018  0.0  40.018  3  7  none  2  0  0  1  NewPlan:Step1  none
95  1.13266936637747  0.3  0.5  0.5  0.53839919181881  0.547600894782107  8502.1  39.989  39.989  4420.00000000153  4459.98900000153  3  1  none  2  0  0  1  NewPlan:Step1  none
96  1.13266936637747  0.3  0.5  0.5  0.538245367282082  0.547755654871585  8501.2  39.996  39.996  1450.00000000175  1489.99600000175  3  1  none  2  0  0  1  NewPlan:Step1  none
97  1.0  0.3  0.5  0.5  0.7  0.3  12076  16.189  16.189  12787776010.0  12787776026.189  3  1  none  2  0  2  0  NewPlan:Step1  none
98  1.0  0.3  0.5  0.5  0.7  0.423800447391054  14362  12.699  12.699  34363044010.0  34363044022.699  3  1  none  2  0  0  0  NewPlan:Step1  none
99  1.06817849732695  0.3  0.5  0.5  0.611042462820953  0.516650782934344  10422  26.973  26.973  3694084010.0  3694084036.973  3  1  none  2  0  0  0  NewPlan:Step1  none
100  1.12622027947242  0.3  0.5  0.5  0.545525076835969  0.544505883597331  8636.5  39.043  39.043  18632260.0  18632299.043  3  1  none  2  0  0  0  NewPlan:Step1  none
101  1.13202445768696  0.3  0.5  0.5  0.538973338237471  0.54729139366363  8511.7  39.907  39.907  136900.000000017  136939.907000017  3  1  none  2  0  0  0  NewPlan:Step1  none
102  1.13252086766584  0.3  0.5  0.5  0.538412992173125  0.547529628077195  8499.9  39.973  39.973  0.0  39.973  3  9  none  2  0  0  0  NewPlan:Step1  none
103  1.13273411975261  0.3  0.5  0.5  0.538412992173125  0.547529628077195  8499.1  39.996  39.996  0.0  39.996  3  7  none  2  0  0  1  NewPlan:Step1  none
104  1.13252086766584  0.3  0.5  0.5  0.538566833472343  0.547529628077195  8505.3  39.949  39.949  28099.9999999923  28139.9489999923  3  1  none  2  0  0  1  NewPlan:Step1  none
105  1.13252086766584  0.3  0.5  0.5  0.538412992173125  0.547684381040002  8504.8  39.98  39.98  23049.999999993  23089.979999993  3  1  none  2  0  0  1  NewPlan:Step1  none
106  1.0  0.3  0.5  0.5  0.7  0.3  12076  16.189  16.189  12787776010.0  12787776026.189  3  1  none  2  0  2  0  NewPlan:Step1  none
107  1.0  0.3  0.5  0.5  0.7  0.423764814038597  14362  12.699  12.699  34363044010.0  34363044022.699  3  1  none  2  0  0  0  NewPlan:Step1  none
108  1.06804846940032  0.3  0.5  0.5  0.611189150243696  0.516588424567545  10429  26.936  26.936  3721041010.0  3721041036.936  3  1  none  2  0  0  0  NewPlan:Step1  none
109  1.12607362783929  0.3  0.5  0.5  0.545690607980182  0.54443550772623  8640.2  38.983  38.983  19656050.0000002  19656088.9830002  3  1  none  2  0  0  0  NewPlan:Step1  none
110  1.13187614368319  0.3  0.5  0.5  0.539140753753831  0.547220216042098  8511.9  39.895  39.895  141619.999999991  141659.894999991  3  1  none  2  0  0  0  NewPlan:Step1  none
111  1.13245639526757  0.3  0.5  0.5  0.538485768331196  0.547498686873685  8502.6  39.957  39.957  6770.00000000189  6809.95700000189  3  1  none  2  0  0  0  NewPlan:Step1  none
112  1.13251442042601  0.3  0.5  0.5  0.538420269788933  0.547526533956844  8499.9  39.973  39.973  0.0  39.973  3  8  none  2  0  0  0  NewPlan:Step1  none
113  1.13251764404593  0.3  0.5  0.5  0.538416630981029  0.547528081017019  8499.9  39.973  39.973  0.0  39.973  3  8  none  2  0  0  0  NewPlan:Step1  none
114  1.13251925585588  0.3  0.5  0.5  0.538414811577077  0.547528854547107  8499.9  39.973  39.973  0.0  39.973  3  8  none  2  0  0  0  NewPlan:Step1  none
115  1.13252006176086  0.3  0.5  0.5  0.538413901875101  0.547529241312151  8499.9  39.973  39.973  0.0  39.973  3  8  none  2  0  0  0  NewPlan:Step1  none
116  1.13252046471335  0.3  0.5  0.5  0.538413447024113  0.547529434694673  8499.9  39.973  39.973  0.0  39.973  3  8  none  2  0  0  0  NewPlan:Step1  none
117  1.1325206661896  0.3  0.5  0.5  0.538413219598619  0.547529531385934  8499.9  39.973  39.973  0.0  39.973  3  8  none  2  0  0  0  NewPlan:Step1  none
118  1.13252076692772  0.3  0.5  0.5  0.538413105885872  0.547529579731564  8499.9  39.973  39.973  0.0  39.973  3  8  none  2  0  0  0  NewPlan:Step1  none
119  1.13252081729678  0.3  0.5  0.5  0.538413049029499  0.547529603904379  8499.9  39.973  39.973  0.0  39.973  3  8  none  2  0  0  0  NewPlan:Step1  none
120  1.13252084248131  0.3  0.5  0.5  0.538413020601312  0.547529615990787  8499.9  39.973  39.973  0.0  39.973  3  8  none  2  0  0  0  NewPlan:Step1  none
121  1.13252085507358  0.3  0.5  0.5  0.538413006387219  0.547529622033991  8499.9  39.973  39.973  0.0  39.973  3  8  none  2  0  0  0  NewPlan:Step1  none
122  1.13194665174927  0.3  0.5  0.5  0.53924356741784  0.547288804087198  8517.8  39.891  39.891  316849.999999974  316889.890999974  3  1  none  2  0  0  0  NewPlan:Step1  none
123  1.13223375970755  0.3  0.5  0.5  0.538828279795483  0.547409216082196  8512.4  39.944  39.944  153769.999999991  153809.943999991  3  1  none  2  0  0  0  NewPlan:Step1  none
124  1.13244909067627  0.3  0.5  0.5  0.538516814078715  0.547499525078445  8507.3  39.963  39.963  53299.9999999894  53339.9629999894  3  1  none  2  0  0  0  NewPlan:Step1  none
125  1.13251368996688  0.3  0.5  0.5  0.538423374363684  0.54752661777732  8499.9  39.973  39.973  0.0  39.973  3  8  none  2  0  0  0  NewPlan:Step1  none
126  1.13272694133588  0.3  0.5  0.5  0.538423374363684  0.54752661777732  8499.1  39.996  39.996  0.0  39.996  3  7  none  2  0  0  1  NewPlan:Step1  none
127  1.13251368996688  0.3  0.5  0.5  0.538577216701121  0.54752661777732  8505.3  39.949  39.949  28099.9999999923  28139.9489999923  3  1  none  2  0  0  1  NewPlan:Step1  none
128  1.13251368996688  0.3  0.5  0.5  0.538423374363684  0.547681370439097  8504.8  39.98  39.98  23049.999999993  23089.979999993  3  1  none  2  0  0  1  NewPlan:Step1  none
129  1.0  0.3  0.5  0.5  0.7  0.3  12076  16.189  16.189  12787776010.0  12787776026.189  3  1  none  2  0  2  0  NewPlan:Step1  none
130  1.0  0.3  0.5  0.5  0.7  0.42376330888866  14362  12.699  12.699  34363044010.0  34363044022.699  3  1  none  2  0  0  0  NewPlan:Step1  none
131  1.0587306226982  0.3  0.5  0.5  0.645060711429822  0.516585790555155  12334  20.04  20.04  14699556010.0  14699556030.04  3  1  none  2  0  0  0  NewPlan:Step1  none
132  1.12513538324001  0.3  0.5  0.5  0.549087108070298  0.544432535055103  8739.5  38.413  38.413  57360260.0  57360298.413  3  1  none  2  0  0  0  NewPlan:Step1  none
133  1.1317758592942  0.3  0.5  0.5  0.539489747734346  0.547217209505098  8523.8  39.853  39.853  566449.999999965  566489.852999965  3  1  none  2  0  0  0  NewPlan:Step1  none
134  1.13243990689961  0.3  0.5  0.5  0.538530011700751  0.547495676950097  8507.3  39.963  39.963  53299.9999999894  53339.9629999894  3  1  none  2  0  0  0  NewPlan:Step1  none
135  1.13250631166016  0.3  0.5  0.5  0.538434038097391  0.547523523694597  8499.9  39.973  39.973  0.0  39.973  3  8  none  2  0  0  0  NewPlan:Step1  none
136  1.13251000081352  0.3  0.5  0.5  0.538428706230538  0.547525070735958  8499.9  39.973  39.973  0.0  39.973  3  8  none  2  0  0  0  NewPlan:Step1  none
137  1.1325118453902  0.3  0.5  0.5  0.538426040297111  0.547525844256639  8499.9  39.973  39.973  0.0  39.973  3  8  none  2  0  0  0  NewPlan:Step1  none
138  1.13252086766584  0.3  0.5  0.5  0.538412992173125  0.547529628077195  8499.9  39.973  39.973  0.0  39.973  3  8  none  2  0  2  0  NewPlan:Step1  none

2.使用Approximate,计算27步，得到最佳结果33.
139  0.974427929427391  0.3  0.5  0.5  0.497976793085644  0.489692619632869  6351.7  47.418  47.418  0.0  47.418  3  7  none  2  0  0  0  Approximation1  ModelInitialization
140  1.37428159185101  0.3  0.5  0.5  0.410658341689916  0.619965080376134  8148.5  48.009  48.009  0.0  48.009  3  7  none  2  0  0  0  Approximation1  none
141  1.06780516283373  0.3  0.5  0.5  0.537324142936888  0.540485371757859  8329.1  39.094  39.094  0.0  39.094  3  9  none  2  0  0  0  Approximation1  none
142  0.941328848367728  0.3  0.5  0.5  0.570715529065638  0.535787724432175  9388.2  29.923  29.923  788899250.000001  788899279.923001  3  1  none  2  0  0  0  Approximation1  none
143  1.20025732511556  0.3  0.5  0.5  0.496304400426802  0.555817586359215  7710.5  46.03  46.03  0.0  46.03  3  7  none  2  0  0  0  Approximation1  none
144  0.874013327356248  0.3  0.5  0.5  0.420214495385521  0.625802202707094  8438  33.878  33.878  0.0  33.878  3  9  none  2  0  0  0  Approximation1  none
145  1.27714476817155  0.3  0.5  0.5  0.53501585823584  0.602639155291884  9984.5  36.601  36.601  2203740260.0  2203740296.601  3  1  none  2  0  0  0  Approximation1  none
146  1.27093323691023  0.3  0.5  0.5  0.543276854628798  0.594536656038431  9921.9  35.987  35.987  2021799620.0  2021799655.987  3  1  none  2  0  0  0  Approximation1  none
147  1.22155041659848  0.3  0.5  0.5  0.549162471838841  0.54688888075386  8764  40.506  40.506  69696010.0  69696050.506  3  1  none  2  0  0  0  Approximation1  none
148  1.0  0.3  0.5  0.5  0.543781933465481  0.537239536045681  8484.9  36.404  36.404  0.0  36.404  3  7  none  2  0  0  1  NewPlan:Step1  none
149  1.00000200005204  0.3  0.5  0.5  0.54404017565849  0.537471316564234  8497.8  36.337  36.337  0.0  36.337  3  7  none  2  0  0  1  NewPlan:Step1  none
150  1.00000200005179  0.3  0.5  0.5  0.544059379998909  0.537488476058275  8501.2  36.308  36.308  1450.00000000175  1486.30800000175  3  1  none  2  0  0  1  NewPlan:Step1  none
151  1.00000200005188  0.3  0.5  0.5  0.544052253575018  0.537482110712244  8501.2  36.308  36.308  1450.00000000175  1486.30800000175  3  1  none  2  0  0  1  NewPlan:Step1  none
152  1.00000200036613  0.3  0.5  0.5  0.544046833162353  0.537477262902501  8497.8  36.337  36.337  0.0  36.337  3  7  none  2  0  0  1  NewPlan:Step1  none
153  1.00000200005185  0.3  0.5  0.5  0.544054849207008  0.537484427907328  8501.2  36.308  36.308  1450.00000000175  1486.30800000175  3  1  none  2  0  0  1  NewPlan:Step1  none
154  1.00000200005189  0.3  0.5  0.5  0.544051187252793  0.537481157020093  8501.2  36.308  36.308  1450.00000000175  1486.30800000175  3  1  none  2  0  0  1  NewPlan:Step1  none
155  1.00000200051875  0.3  0.5  0.5  0.544048039146612  0.537478337829377  8497.8  36.337  36.337  0.0  36.337  3  7  none  2  0  0  1  NewPlan:Step1  none
156  1.00000200005187  0.3  0.5  0.5  0.544053107042564  0.537482871415022  8501.2  36.308  36.308  1450.00000000175  1486.30800000175  3  1  none  2  0  0  1  NewPlan:Step1  none
157  1.0000020000519  0.3  0.5  0.5  0.544050642970931  0.537480670432407  8501.2  36.308  36.308  1450.00000000175  1486.30800000175  3  1  none  2  0  0  1  NewPlan:Step1  none
158  1.00000200056722  0.3  0.5  0.5  0.544048425915156  0.537478682450517  8497.8  36.337  36.337  0.0  36.337  3  7  none  2  0  0  1  NewPlan:Step1  none
159  1.00000200005188  0.3  0.5  0.5  0.544052130219054  0.537481998699544  8501.2  36.308  36.308  1450.00000000175  1486.30800000175  3  1  none  2  0  0  1  NewPlan:Step1  none
160  1.00000200005191  0.3  0.5  0.5  0.544050273499413  0.537480340188938  8501.2  36.308  36.308  1450.00000000175  1486.30800000175  3  1  none  2  0  0  1  NewPlan:Step1  none
161  1.00000200005193  0.3  0.5  0.5  0.54404859729021  0.537478842731355  8497.8  36.337  36.337  0.0  36.337  3  7  none  2  0  0  1  NewPlan:Step1  none
162  1.00000200005189  0.3  0.5  0.5  0.544051484180918  0.537481421513333  8501.2  36.308  36.308  1450.00000000175  1486.30800000175  3  1  none  2  0  0  1  NewPlan:Step1  none
163  1.00000200005191  0.3  0.5  0.5  0.544049994610223  0.537480090936459  8497.8  36.337  36.337  0.0  36.337  3  7  none  2  0  0  1  NewPlan:Step1  none
164  1.00000200005188  0.3  0.5  0.5  0.54405255620859  0.537482378939525  8501.2  36.308  36.308  1450.00000000175  1486.30800000175  3  1  none  2  0  0  1  NewPlan:Step1  none
165  1.00000200005189  0.3  0.5  0.5  0.544051240530399  0.537481203812577  8501.2  36.308  36.308  1450.00000000175  1486.30800000175  3  1  none  2  0  0  1  NewPlan:Step1  none
166  1.00000200005191  0.3  0.5  0.5  0.544049996894149  0.537480092919431  8497.8  36.337  36.337  0.0  36.337  3  7  none  2  0  0  1  NewPlan:Step1  none
167  1.00000200005188  0.3  0.5  0.5  0.544052157615435  0.537482022882532  8501.2  36.308  36.308  1450.00000000175  1486.30800000175  3  1  none  2  0  0  1  NewPlan:Step1  none
168  1.0000020000519  0.3  0.5  0.5  0.544051037572135  0.537481022474689  8501.2  36.308  36.308  1450.00000000175  1486.30800000175  3  1  none  2  0  0  1  NewPlan:Step1  none
169  1.00000200005191  0.3  0.5  0.5  0.544049970167081  0.537480069000374  8497.8  36.337  36.337  0.0  36.337  3  7  none  2  0  0  1  NewPlan:Step1  none
170  1.00000200005189  0.3  0.5  0.5  0.544051838507055  0.537481737823665  8501.2  36.308  36.308  1450.00000000175  1486.30800000175  3  1  none  2  0  0  1  NewPlan:Step1  none
171  1.0000020000519  0.3  0.5  0.5  0.544050863448707  0.537480866902536  8501.2  36.308  36.308  1450.00000000175  1486.30800000175  3  1  none  2  0  0  1  NewPlan:Step1  none
172  1.00000200005191  0.3  0.5  0.5  0.544049928526805  0.537480031768292  8497.8  36.337  36.337  0.0  36.337  3  7  none  2  0  0  1  NewPlan:Step1  none

结论：
1. 从这个看，Modelcenter计算43步比Isight还是有很大的优势。所有的设置都是使用的默认参数。
2. Isight 的模型远比Modelcenter多。
3. Modelcenter没有Robust设计。
4.Isight9.0的Fast Parse比以前的方便很多。

问题，为什么会造成这个结果。差距那么大应该不正常按。。。

ggbaby

另外，RSM模型Isight得到的没有Modelcenter得到的好，用Modelcenter回归出来的拿着的确很容易就分析出来最优值了。Isight的不能，得到的结论很怪异。。

另外再问个问题。
我看Isigh里面的数据是18位的浮点，怎么更改称8位的科学记数法啊。
18位真的没有必要。

ggbaby

没有斑竹出来评论一下?

ariesmoo

让我想起了当年的Monder及系列mj....
各对比一下前两行数据，我想懂点优化算法常识的人就会知道这种比较really really really dz.

ariesmoo

防止还有类似的人做无用功，我重申一下，一点iSIGHT常识，以前已经很多人都讲过的。iSIGHT的数据库是记录仿真的所有次数的，即像SQP系列包含寻找梯度方向的仿真步，需要寻找n次方向，n为设计变量数，即每次更新迭代实际上是n+1次。即这里的n+1=4跟Modelcenter的1次是相同的。For Example:对比一下iSIGHT DB的前5行和Modelcenter的前2行。。。43×4＝172.....，172Vs70，我需要再多说什么么？

43  1.000002  0.3  0.5  0.5  0.300002  0.300002  1622.6  67.379  67.379  0.0  67.379  3  9  none  2  0  0  0  NewPlan:Step1  none
44  1.0002020002  0.3  0.5  0.5  0.300002  0.300002  1622.8  67.374  67.374  0.0  67.374  3  9  none  2  0  0  1  NewPlan:Step1  none
45  1.000002  0.3  0.5  0.5  0.3001320002  0.300002  1623.4  67.374  67.374  0.0  67.374  3  8  none  2  0  0  1  NewPlan:Step1  none
46  1.000002  0.3  0.5  0.5  0.300002  0.3001320002  1623.4  67.374  67.374  0.0  67.374  3  8  none  2  0  0  1  NewPlan:Step1  none
47  1.25000375000073  0.3  0.5  0.5  0.684618792901062  0.684618792901062  20339  8.8107  8.8107  140161921010.0  140161921018.811  3  1  none  2  0  0  0  NewPlan:Step1  none
个人一直认为这种比较真的意义十分的寥寥，当然入门的时候做点这种事情也无可厚非。

ariesmoo

“回归出来的拿着的确很容易就分析出来最优值”，我还真想知道到底怎么实现这一点。

ggbaby

话不是这么说.我是这两个软件的正版用户,拿来比比没有什么吧.
不管怎么说,我关心的是工程应用,如果我作东西,计算工作时间绝对是很重要的...Isight 花了两天时间,还到不到一个比较好的结论,Modelcenter8个多小时就得出了最优的结论.你还说什么你的模型多,模型好?
我是用户,用户只要看最终结果..
你的明白?
本来只是看看出了什么偏差,怎么解决,谁知道冒出你这么个人.靠 ...
你们的MR. Sheh也没有你牛啊.

ggbaby

你这个是胡扯,我的这个程序,每次计算花多少时间我自己清楚的很 ,Isight计算一次的时间和Modelcenter计算一次的时间是基本相同的.怎么可能说你ISight计算4次才写一步?那我的CPU多出3个? 少呼悠了...
而且Isight的那个计算之所以中断,是因为我发现时间太长了,居然还没有结果,然后手工中断的.别YY什么"43×4＝172.....，172Vs70，我需要再多说什么么？"
....

ariesmoo wrote:
防止还有类似的人做无用功，我重申一下，一点iSIGHT常识，以前已经很多人都讲过的。iSIGHT的数据库是记录仿真的所有次数的，即像SQP系列包含寻找梯度方向的仿真步，需要寻找n次方向，n为设计变量数，即每次更新迭代实际上是n+1次。即这里的n+1=4跟Modelcenter的1次是相同的。For Example:对比一下iSIGHT DB的前5行和Modelcenter的前2行。。。43×4＝172.....，172Vs70，我需要再多说什么么？

43  1.000002  0.3  0.5  0.5  0.300002  0.300002  1622.6  67.379  67.379  0.0  67.379  3  9  none  2  0  0  0  NewPlan:Step1  none
44  1.0002020002  0.3  0.5  0.5  0.300002  0.300002  1622.8  67.374  67.374  0.0  67.374  3  9  none  2  0  0  1  NewPlan:Step1  none
45  1.000002  0.3  0.5  0.5  0.3001320002  0.300002  1623.4  67.374  67.374  0.0  67.374  3  8  none  2  0  0  1  NewPlan:Step1  none
46  1.000002  0.3  0.5  0.5  0.300002  0.3001320002  1623.4  67.374  67.374  0.0  67.374  3  8  none  2  0  0  1  NewPlan:Step1  none
47  1.25000375000073  0.3  0.5  0.5  0.684618792901062  0.684618792901062  20339  8.8107  8.8107  140161921010.0  140161921018.811  3  1  none  2  0  0  0  NewPlan:Step1  none
个人一直认为这种比较真的意义十分的寥寥，当然入门的时候做点这种事情也无可厚非。

ggbaby

这个还不容易?回归出来的2次多项式,带入最优点的数据,Modelcenter的数据基本和计算相符,而带入Isight的公式, 压力为负值.所以明显和计算结果不相符.

ariesmoo wrote:
“回归出来的拿着的确很容易就分析出来最优值”，我还真想知道到底怎么实现这一点。

ariesmoo

这年头DZ还真多。。。俨然当年Monder再世，说话习惯，思路，IQ都差不太多。怀念伊，嘻嘻。 连优化算法一无所知的dz还嚷嚷着做工程应用，赞。

RSM.....你认为只要是相同的数据库，Modelcenter，iSIGHT，Matlab，甚至自己编一个有区别么？跟外行说真累。

ggbaby

ariesmoo wrote:
这年头DZ还真多。。。俨然当年Monder再世，说话习惯，思路，IQ都差不太多。怀念伊，嘻嘻。 连优化算法一无所知的dz还嚷嚷着做工程应用，赞。

RSM.....你认为只要是相同的数据库，Modelcenter，iSIGHT，Matlab，甚至自己编一个有区别么？跟外行说真累。

数据库是不一样的..
各自用自己的计算结果得到的RSM.
另外,各个的算法页是不一样的.Modelcenter 有一个自己的Data explore的东西,具体的解算过程manual上面没有仔细说...
我之所以提出这个,并不是说拿出各自相同的东西来比较,而是用了Modelcenter的Data explore来计算后,然后看看用Isight里面的什么模型可以达到这个结算速度.如此而已.

你可能有一个误解:
这两个东西的计算模型应该是不一样的.
所以,你所说的什么1步,4步都是没有道理的...

ggbaby

Modelcenter前面27步是一个Full Fractor计算,不是什么优化算法.所以才显得比较怪异.据说是波音自己独特的一个算法..

ariesmoo

先赞研究态度：）。
1 Full Factorial就是DOE的FF，最古老传统的DOE方法，从你的数据库可以看出先做了一个3水准的3因子FF，即3^3＝27次。
2 iSIGHT optimization和DOE是分开的，可以在Task Plan里定义FF+SQP，等同于这里Modelcenter的算法。
3 DOE有3个主要作用，1 看敏度，减小优化问题规模 2 可以得到近似估计最优解，利用这一点为数值优化算法寻初始优化点，可以一定概率上避免陷入局部最优解，避免数值优化算法的缺点，如这里的SQP。3 为Apprixmation建立数据库。
4 你这里的优化中Modelcenter算法实际上使用了DOE第2作用，得到的解更优是肯定的。
5 Approximation的精度严重依赖于数据库，optimization的数据库除非是遗传算法的数据库可以勉强外，都肯定不能用于建立近似模型。因为根本在设计空间里就不满足均匀性。而DOE的数据库恰巧是均匀的，伪随机的。。所以一般都使用DOE的数据库建立近似模型，恰巧你这里modelcenter就是使用了FF+OPt的数据库，FF是重点，后面的SQP的数据库纯粹没用，增加计算量而已。你使用了iSIGHT 的OPT的数据库，作出的Appr自然是很差的。
6 n+1的说法是肯定对的，看看Modelcenter的数据库一对比就知道了，Modelcenter肯定没列出求解梯度方向的数据，所以是真实的迭代步，iSIGHTn+1次才是一个迭代步。
6

ggbaby

"FF是重点，后面的SQP的数据库纯粹没用，增加计算量而已。你使用了iSIGHT 的OPT的数据库，作出的Appr自然是很差的。"
   对isight,我做了一个FF.优化是从47开始的,首先是27个Full,然后才是开始优化.但是,明显不一样的是,Isight的优化并没有建立在这个的基础上的..要么就直接用这个建立一个二次方程,然后全部用迭代计算了..
而Modelcenter明显是先建立一个FF基础上的多项式,然后找到最优,然后计算,重新建立多项式这么一个循环过程...

ggbaby

其实我在Isight里面是用了DOE的,我的这个结果是从47开始的  
对isight,我做了一个FF.优化是从47开始的,首先是27个Full,然后才是开始优化.但是,明显不一样的是,Isight的优化并没有建立在这个的基础上的..要么就直接用这个建立一个二次方程,然后全部用迭代计算了..
而Modelcenter明显是先建立一个FF基础上的多项式,然后找到最优,然后计算,重新建立多项式这么一个循环过程...

ariesmoo

1 iSIGHT主要是设置的问题。我估计你的DOE设置里采取了默认。就是set parameters to estimated optimum....，大体是这个选项。默认是不选的，选了之后DOE的最优值才是send to 下一个STEP的。
2 我重新理清一下思路，你是不是想用 1 FF建立数据库，并选中一个优化初始解 2 OPtimization based on RSM2阶，这里RSM这里是基于FF的？ iSIGHT这个是很容易实现的。而且实现过程也是内循环在RSM上优化，然后外循环逐渐更新局部近似模型，直到最后收敛。
3 但个人的意见，如果你是完全想使整个这个过程自动化，其实工程中很少试图使STEP1和STEP2完全自动化的，中间应该有人干预，当然有些问题也不一定。主要是因为RSM这里，如果是 STEP1 FF ，然后STEP2 SQP自动化是没有问题的。但中间加了RSM，为了收敛性起见，这里RSM的适用性最好能得到论证。尽并不是所有问题都是适用于RSM近似的。尽管仅从理论上来说，基于RSM做的优化内循环仅是寻找一个局部寻优方向，并不是全局的RSM。

zxkchina

挖个坟，抛开软件说一下这个问题。

首先明确一下楼主的问题，楼主说的不是非常清楚，按照我的理解，这是两个水管分别流入冷热水，然后流经挡块，水流混合。约束条件是圧损不能太大，目标是混合水温要均匀，优化变量是挡块的位置和形状参数。

其次明确一下优化的手段，楼主说的也不是很清楚，我综合上面的帖子，按照我的理解，首先使用了FF做doe，然后基于这些点建立rsm，然后sqp在rsm上寻优，将寻找到的优点带入CFD实际计算，利用实际计算的点更新rsm，再回到sqp在rsm上寻优这步，直到找到优点。在modelcenter中就是那个Boeing的design explorer

再说一下我看这个问题。
1大致估计一下该问题的实际的解在空间中应该是一个光滑、连续多峰、多维函数。
2所以pass掉单独用sqp等优化算法
3在modelcenter这个时候通常可以选择design explorer（就是楼主所用的方法）或者moga；变量不是很多，单目标，那么先用design explorer试试
4关于rsm在这个问题中的适用性。这个取决于对这个实际CFD问题的认识。基于我对这个问题的判断，我会选择kgring而不是多项式进行rsm构造。理由是，变量+目标数量不多，实际解的曲面光滑连续，如果CFD模型比较细致的话，因为流速压力等都不是很大，计算结果也应该不会有尖锐的波峰波谷，局部最优点的数量如果有也不会很多（这个嘛，用人脑自己移动下挡块人肉估计下就可以了），那么使用ff的27个点做rsm应该问题不大。而且其实初始rsm并不需要那么精确，只需要能大致反映出解空间的结构，能够弥补sqp难以全局寻优的弱点就可以了。至于不采用多项式的原因是，比较担心多项式的病态。
5从上面帖子的结果可以看出，这种方法还是不错的，不管哪个软件，都在比较合理的步数内找到了优点。
6假设实际运行结果很不理想（和上面帖子的不同），原因基本上会是在rsm上，解空间的曲面复杂度超过实现的大致估计，陷入局部最优。我会选择moga，从ff继续（而不是从不理想的优化结果继续，因为全局的鲁棒性）
7这个问题不大有可能超过moga

最后再说一下上面帖子中的几个不妥当。
原文如下：
“3 但个人的意见，如果你是完全想使整个这个过程自动化，其实工程中很少试图使STEP1和STEP2完全自动化的，中间应该有人干预，当然有些问题也不一定。主要是因为RSM这里，如果是 STEP1 FF ，然后STEP2 SQP自动化是没有问题的。但中间加了RSM，为了收敛性起见，这里RSM的适用性最好能得到论证。尽并不是所有问题都是适用于RSM近似的。尽管仅从理论上来说，基于RSM做的优化内循环仅是寻找一个局部寻优方向，并不是全局的RSM。”
不妥当如下：
1.这个过程自动化进行在工程中有很多例子。
2.肉脑判断rsm对这个问题的适用性应该差不多可以的。

还有一个要商榷的：
“ Approximation的精度严重依赖于数据库，optimization的数据库除非是遗传算法的数据库可以勉强外，都肯定不能用于建立近似模型。因为根本在设计空间里就不满足均匀性。而DOE的数据库恰巧是均匀的，伪随机的。。所以一般都使用DOE的数据库建立近似模型，恰巧你这里modelcenter就是使用了FF+OPt的数据库，FF是重点，后面的SQP的数据库纯粹没用，增加计算量而已。”
首先，这里说肯定不能用于建立近似模型这是绝对错误的，无数工程实例有doe+rsm+sqp、doe+rsm+SIMPLEX或者doe+rsm+moga而使用优化算法取的点更新rsm的。
其次，能不能解释下为什么你认为其他优化算法的点不能用于建立rsm，而偏偏认为moga的点勉强可以。“ 因为按照上面的理由”doe的数据库恰巧是均匀的，伪随机的。“我看不出moga出来的点和其他点在均匀性上有什么本质区别。有这样的paper还是有这样的测试来支持这个结论呢？因为这个结论和我脑子里的知识非常不同。另外关于应该计算什么点来提高现有rsm，有一个mack算法，你可以查一下。

最后，关于软件的比较，的确是没有意义的事情，因为除非对优化算法和软件非常熟悉，使用很多的test function，否则都是没有意义的结论。我想，本贴中的这个问题，市面上的优化软件应该绝大多数都能正常的解决。楼主那里之所以出现比较什么的，我猜测应该是两个软件其实使用了不同的优化算法而已。只是设置比较隐蔽，没有发现。具体的说是mc中自动更新rsm，而在isight中楼主并没有。事实上，如果都选取同样的算法，并且在内部采取类似的设置的话，对于这样简单的问题，不同软件之间应该不会出现很大的差异。

b12088jp

刚开始接触，看讨论这么热闹，受益匪浅啊

cauzkj

zxkchina 发表于 2011-7-26 16:37
挖个坟，抛开软件说一下这个问题。

首先明确一下楼主的问题，楼主说的不是非常清楚，按照我的理解，这是两 ...

牛人！