6. Loop optimasi DAKOTA-OpenFOAM | Optimasi bebas turunan

Kasus pengoptimalan bentuk benda tumpul - Bagian 4. Dalam kasus demo ini, kami menggunakan alat-alat berikut: Pembuatan geometri: Salome. Pembuatan jaring: Salome. Pemecah kotak hitam: OpenFOAM 11. Pasca-pemrosesan otomatis: skrip bash dan Python. Pembuatan plot: Python. Alat pengoptimalan dan orkestrasi: DAKOTA 6.19.0 00:00 Pendahuluan - Pendahuluan 02:32 Memilih metode pengoptimalan. Panduan umum dan matriks keputusan. 04:40 Buku bagus tentang optimasi oleh Vanderplaats 06:15 File masukan DAKOTA - Beberapa metode bebas turunan 07:30 Optimasi global yang efisien EGO - Salah satu metode favorit saya di DAKOTA 12:05 Mari kita luncurkan studi optimasi menggunakan metode EGO 15:25 Mari kita lihat hasil dari metode EGO 18:15 Kasus uji yang sangat indah 20:31 Metode pencarian adaptif mesh MADS 23:15 Mari kita luncurkan studi optimasi menggunakan metode MADS - Saya memilih metode yang salah 25:33 Mari kita luncurkan studi optimasi menggunakan metode MADS - Metode yang tepat kali ini 26:53 Mari kita lihat hasil dari metode MADS 31:35 File masukan DAKOTA - Beberapa metode bebas turunan 32:20 Algoritma genetika objektif tunggal SOGA 34:11 Penyetelan halus parameter metode 37:00 Mari kita luncurkan studi optimasi menggunakan metode SOGA 39:32 Mari kita lihat hasil dari metode SOGA 41:39 Metode SOGA - Di mana solusi terbaik? 44:30 Peringatan: jangan gunakan data yang bias untuk membangun meta-model. 46:31 Metode SOGA - Iterasi apa yang sesuai dengan solusi terbaik? 48:58 Metode pencarian pola atau asynch_pattern_search di DAKOTA 49:58 Mari kita mulai studi pengoptimalan menggunakan metode asynch_pattern_search 51:00 Mari kita lihat hasil dari metode asynch_pattern_search 52:30 Penutup - Poin-poin utama