6. Loop de otimização DAKOTA-OpenFOAM | Otimização sem derivativos

O vídeo apresenta a quarta parte do estudo de otimização do formato do corpo rombudo, focando em técnicas de otimização sem derivativos e automação de CFD. Utilizando a caixa de ferramentas DAKOTA, a demonstração emprega Salome para geração de geometria e malha, OpenFOAM 11 como solucionador de caixa preta, scripts Bash e Python para pós‑processamento automático, e Python para visualização. A sequência de tópicos inclui: 00:00 Introdução - Preliminares; 02:32 Escolha de um método de otimização, diretrizes gerais e matriz de decisão; 04:40 Referência ao livro de Vanderplaats sobre otimização; 06:15 Arquivo de entrada do DAKOTA e métodos sem derivativos; 07:30 Otimização global eficiente EGO, um dos métodos favoritos no DAKOTA; 12:05 Início de estudo de otimização usando EGO; 15:25 Análise dos resultados do método EGO; 18:15 Avaliação do caso de teste; 20:31 Busca adaptável de malha MADS; 23:15 Início de estudo de otimização com MADS, seleção inicial do método; 25:33 Correção de escolha de método MADS; 26:53 Resultados do método MADS; 31:35 Arquivo de entrada do DAKOTA e métodos sem derivativos; 32:20 Algoritmo genético de objetivo único SOGA; 34:11 Ajuste fino dos parâmetros; 37:00 Estudo de otimização com SOGA; 39:32 Resultados do método SOGA; 41:39 Onde está a melhor solução no SOGA; 44:30 Aviso sobre dados tendenciosos na construção de metamodelos; 46:31 Correspondência de iteração com melhor solução no SOGA; 48:58 Busca de padrões ou asynch_pattern_search em DAKOTA; 49:58 Estudo de otimização com asynch_pattern_search; 51:00 Resultados do método asynch_pattern_search; 52:30 Comentários finais e principais conclusões.