了解您的工程仿真模型的特性是开展确定性或鲁棒性优化项目的一个重要前提步骤。在此过程的早期使用试验设计方法(DOE),您可以通过合理的工程仿真采样规化来提高分析的效率,以最低的计算成本获得最多的有价值信息。
但是当您需要使用试验设计方法时,选择正确的算法可能并不简单。是应该使用标准的正交方法,还是应该选择随机采样策略? 是否应该优先使用低成本的空间探索技术,而忽略可能存在的非线性问题的风险?
Optimus现在提供了一种智能且全自动的方法,能充分利用您的仿真计算时间预算。最新的Optimus自适应试验设计方算法将从已有的样本数据中学习,来决定在设计空间中有价值区域里,迭代地添加新的采样点。这样不仅可以节省大量仿真计算时间,还可以您能允许的仿真计算的采样时间中,获得最有价值的信息。
©2024 Noesis Solutions • Use of this website is subject to our legal disclaimer
Cookie policy • Cookie Settings • Privacy Notice • Design & Development by Zenjoy