GOPT
多学科仿真优化解决方案
GOPT作为多学科仿真优化软件，能够集成并自动化用户的仿真分析流程，实现设计-修改-再分析自动化，能应用现代设计方法（包括试验设计、敏感度分析、响应面建模、参数优化、参数识别、可靠性设计、鲁棒性设计）实现综合优化和自动化分析，涉及的学科包括几何造型、结构分析、计算流体力学、控制、动力学、振动与噪声、碰撞和疲劳等不同领域。
GOPT能够集成这些学科所涉及到的CAD/CAE商用软件、以及用户自开发的（基于C/C++、Visual Basic、Fortran、Java、以及其他编程语言）的程序代码。 GOPT适应产品研发的需求，具备形成完整的集成优化设计综合环境，能够很方便地集成已有的成熟仿真工作流程并且自动运行。建立的工作流能作为模板保存使用。工作流的管理可以定制，并支持远程调用和基于计算机集群的并行运行方式，充分利用硬件资源，提升运行速度。软件的集成优化能力及可靠性经过十年以上业界工程验证，达到通用商业化工程软件水平，在各行业中有广泛的应用。
自动化流程
- 集成和整合仿真模型
- CAD-1D/3D CAE仿真流程标准化管理和自动化运行
设计空间探索
- 设计试验，分析参数相关性和敏感度，获得关键设计信息
- 排除不可行设计，确定关键设计方案
- 在样本数据上建立响应面模型
设计优化和可靠性分析
- 实现工程级多学科优化
- 对不确定性因素进行分析
- 确保产品可靠性和鲁棒性
GOPT优化解决方案
基于实验数据的优化
- 生成实验方案
- 导入外部数据
- 相关性分析
- 建立响应面数学模型
- 基于数学模型的优化
基于实验数据标定仿真模型
- 同时集成仿真分析和读入实验数据
- 自动对比仿真结果和实验结果
- 自动调整仿真模型参数，使得仿真计算结果和实验结果相吻合
- 支持多工况多参数
基于仿真流程的优化
- 集成任意仿真软件
- 自动化仿真分析流程
- 相关性分析
- 多学科多目标优化
GOPT对部分仿真软件的接口
自动运行和可管理的仿真工作流
GOPT并行计算功能 – 执行仿真流程
支持3种并行模式：
- 服务器并行模式 - 与 Platform/LSF, OpenPBS, PBS Pro, Sun GridEngine, 和其他用户子开发的管理系统（队列管理系统）有接口
- 多机分布式并行模式 - 提供Ganzlab自带的OPS排队系统
- 单机并行模式
提供双层并行的软件，能提供算法层和工作流层并行的工具
在非常短的时间中自动执行
GOPT中的试验设计算法
• 正交方法
– 全因子设计、3水平全因子设计、可调全因子设计
– 中心复合设计(面, 内切, 外接)
– 部分因子设计
– Box-Behnken
– 田口设计
• 随机方法
– 拉丁超立方设计
– 随机设计
• 其他方法
Starpoints
• 机器学习方法
– 自适应试验设计
GOPT中的响应面模型算法
提供多种响应面建模方法，支持高效的模型建立和优化。
GOPT中的优化算法
• 单目标优化算法
• 局部优化算法
- 非线性优化算法
- 广义简约梯度优化算法
- 序列二次规划优化算法
• 全局优化算法
- 差分进化优化算法
- 遗传优化算法
- 单目标粒子群优化算法
- 模拟退火优化算法
- 全局优化算法
- 自调整搜索空间优化算法
- 随机搜索优化算法
- 协方差矩阵自适应进化算法
• 基于机器学习的智能算法
- 自适应优化算法
• 多目标优化算法
• 帕雷托解优化算法
- 非受控排序多目标遗传优化算法 多目标粒子群优化算法
- 多目标切比雪夫优化算法
- 多目标灰狼优化算法
- 多目标权重优化算法
- 多目标优化算法
GOPT的优势
界面：用户友好
（持续优化中）
兼容性：基于数值计算平台
（可以运行自定义脚本和m脚本）
灵活性：
（支持根据用户需求开发相应的功能和优化算法）