IOSO (indirecta optimización en función de auto-organización ) es un multiobjetivo y multidimensional tecnología de optimización no lineal.
Enfoque IOSO
La tecnología IOSO se basa en el enfoque de la metodología de superficie de respuesta . En cada iteración de IOSO, el modelo de superficie de respuesta construido internamente para el objetivo se optimiza dentro de la región de búsqueda actual. Este paso es seguido por una llamada directa al modelo matemático real del sistema para el punto óptimo candidato obtenido de la optimización del modelo de superficie de respuesta interna. Durante la operación de IOSO, la información sobre el comportamiento del sistema se almacena para los puntos en la vecindad del extremo, de modo que el modelo de superficie de respuesta se vuelve más preciso para esta área de búsqueda. Los siguientes pasos se toman internamente mientras se pasa de una iteración de IOSO a otra:
- la modificación del plan del experimento;
- el ajuste adaptativo del área de búsqueda actual;
- la elección del tipo de función (global o de rango medio) para el modelo de superficie de respuesta;
- el ajuste del modelo de superficie de respuesta;
- la modificación tanto de los parámetros como de la estructura de los algoritmos de optimización; si es necesario, la selección de los nuevos puntos prometedores dentro del área de búsqueda.
Historia
IOSO se basa en la tecnología desarrollada durante más de 20 años por Sigma Technology, que surgió del IOSO Technology Center en 2001. Sigma Technology está dirigida por el prof. Egorov IN, director ejecutivo.
Productos
IOSO es el nombre del grupo de software de optimización de diseño multidisciplinario que se ejecuta en Microsoft Windows , así como en el sistema operativo Unix / Linux y fue desarrollado por Sigma Technology . Se utiliza para mejorar el rendimiento de sistemas y procesos tecnológicos complejos y para desarrollar nuevos materiales en función de la búsqueda de sus parámetros óptimos. IOSO se integra fácilmente con casi cualquier herramienta de ingeniería asistida por computadora (CAE).
El grupo de software IOSO consta de:
- IOSO NM: Optimización multiobjetivo;
- IOSO PM: Optimización multiobjetivo en paralelo;
- IOSO LM: optimización multinivel y multiobjetivo con cambio adaptativo de la fidelidad del modelo de objeto (modelos de baja, media y alta fidelidad);
- IOSO RM: Optimización de diseño robusto y software de control óptimo robusto;
Propósito
Mejora del rendimiento y optimización del diseño.
IOSO NM se utiliza para maximizar o minimizar las características del sistema o del objeto, que pueden incluir el rendimiento, el costo o las cargas del objeto en cuestión. La búsqueda de valores óptimos para las características del objeto o del sistema se lleva a cabo mediante el cambio óptimo en el diseño, la geometría u otros parámetros del objeto.
Búsqueda de leyes de gestión de sistemas óptimas
A menudo es necesario seleccionar o coordinar parámetros de gestión para el sistema mientras está en funcionamiento para lograr un cierto efecto durante la operación del sistema o para reducir el impacto de algunos factores en el sistema.
Identificación de modelos matemáticos
Cuando el proceso de diseño implica el uso de modelos matemáticos de objetos de la vida real, ya sean comerciales o corporativos, existe el problema de coordinar los hallazgos del experimento y los resultados del cálculo del modelo. Todos los modelos implican un conjunto de factores o constantes desconocidos. La búsqueda de los valores óptimos de los mismos permite coordinar los hallazgos del experimento y los resultados del cálculo del modelo.
Optimización de diseño robusto y control óptimo robusto
Introducción
La aplicación práctica de los resultados de la optimización numérica es difícil porque cualquier sistema técnico complejo es un sistema estocástico y las características de este sistema tienen carácter probabilístico. Nos gustaría enfatizar que, hablando de las propiedades estocásticas de un sistema técnico en el marco de las tareas de optimización, damos a entender que los parámetros importantes de cualquier sistema se encuentran dispersos estocásticamente. Normalmente ocurre durante la etapa de producción a pesar del nivel actualizado de tecnología moderna. Las desviaciones aleatorias de los parámetros del sistema conducen a un cambio aleatorio en la eficiencia del sistema.
Un valor extremo de eficiencia, obtenido durante el problema de optimización mientras se resuelve en el enfoque tradicional (determinista), es simplemente un valor máximo alcanzable y puede considerarse como un óptimo convencional desde el punto de vista de su realización práctica. Por tanto, se pueden considerar dos tipos diferentes de criterios de optimización. Uno de ellos es una eficiencia ideal que se puede lograr en las condiciones de una réplica práctica absolutamente precisa de los parámetros del sistema en consideración. Otros criterios de optimización son de naturaleza probabilística. Por ejemplo: expectativa matemática de la eficiencia; la probabilidad total de asegurar restricciones preestablecidas; variación de la eficiencia, etc. Es evidente que el extremo de uno de estos criterios no garantiza el aseguramiento del alto nivel de otro. Más aún, estos criterios pueden contradecirse entre sí. Por tanto, en este caso tenemos un problema de optimización multiobjetivo .
Concepto de optimización de diseño robusto de IOSO
El concepto IOSO de optimización de diseño robusto y control óptimo robusto permite determinar la solución práctica óptima que podría implementarse con alta probabilidad para el nivel tecnológico dado de las plantas de producción. Muchos enfoques probabilísticos modernos emplean la estimación de criterios de eficiencia probabilística solo en la etapa del análisis de obtención de una solución determinista, o usan evaluaciones significativamente simplificadas de criterios probabilísticos durante el proceso de optimización. La característica distintiva de nuestro enfoque es que durante la optimización del diseño robusto resolvemos el problema de optimización que involucra la formulación estocástica directa, donde la estimación de los criterios probabilísticos se logra en cada iteración. Este procedimiento produce de forma fiable una solución óptima totalmente robusta. La alta eficiencia de la optimización del diseño robusto es proporcionada por las capacidades de los algoritmos IOSO para resolver problemas de optimización estocástica con un gran nivel de ruido.
Referencias
- EN Egorov. Método de optimización indirecta sobre la base de la autoorganización. ICOTA'98, Perth, Australia, 1 ... 3 de julio, 1998 Conference Proceedings, vol.2, págs. 683–690
- Brian H. Dennis, Igor N. Egorov, Helmut Sobieczky, George S. Dulikravich, Shinobu Yoshimura. OPTIMIZACIÓN PARALELA DE TERMOELASTICIDAD DE PASAJES DE REFRIGERACIÓN SERPENTINA 3-D EN CUCHILLAS DE TURBINA. GT2003-38180, Actas de Turbo Expo 2003; Energía para tierra, mar y aire; 16-19 de junio de 2003, Atlanta, Georgia, EE. UU.
- Brian H. Dennis, Igor N. Egorov, George S. Dulikravich, Shinobu Yoshimura. OPTIMIZACIÓN DE UN GRAN NÚMERO DE PASAJES DE REFRIGERANTE UBICADOS CERCA DE LA SUPERFICIE DE UNA CUCHILLA DE TURBINA. GT2003-38051, Actas de Turbo Expo 2003; 2003 ASME Turbo Expo; Atlanta, Georgia, del 16 al 19 de junio de 2003
- Egorov, IN, Kretinin, GV y Leshchenko, IA "Estrategia de optimización del diseño robusto de la tecnología IOSO". WCCM V, Quinto Congreso Mundial de Mecánica Computacional, 7 al 12 de julio de 2002, Viena, Austria
- Egorov, IN, Kretinin, GV y Leshchenko, IA "How to Execute Robust Design Optimization" (.pdf, 395Kb), 9º Simposio AIAA / ISSMO sobre Análisis y Optimización Multidisciplinarios, 4 a 6 de septiembre de 2002, Atlanta, Georgia
enlaces externos
Ejemplos de aplicación
- Optimización de las piezas del motor de turbina de gas mediante métodos de simulación numérica (pdf, 1500Kb)
- Optimización de las características de tensión del ventilador Sam146 por IOSO (pdf, 120Kb)
- Optimización paralela de termoelasticidad de conductos de enfriamiento serpentinos en 3D en álabes de turbina (pdf, 260Kb)
- Optimización de disco de turbina orientada a la reducción de masa y estrés (pdf, 680Kb)
- Calibración de sistemas de control por microprocesador (pdf, 480Kb)
- Optimización de concentraciones de elementos de aleación en acero (pdf, 370 Kb)
- Aplicación de IOSO NM y ABAQUS en estructuras civiles de centrales nucleares (pdf, 550Kb)