專利名稱：設(shè)計(jì)的優(yōu)化的制作方法
相關(guān)申請(qǐng)的交叉對(duì)比本申請(qǐng)要求對(duì)2001年8月31日提交的U.S.臨時(shí)專利申請(qǐng)?zhí)柎a60/316,463的優(yōu)先權(quán)，該申請(qǐng)?jiān)诖苏w結(jié)合并當(dāng)前未決。本申請(qǐng)還要求對(duì)2002年3月2日提交的U.S.臨時(shí)專利申請(qǐng)?zhí)柎a60/361,262的優(yōu)先權(quán)，該申請(qǐng)?jiān)诖苏w結(jié)合并當(dāng)前未決。
關(guān)于聯(lián)邦資助的研究的聲明沒(méi)有本發(fā)明的領(lǐng)域本發(fā)明旨在用于生成一個(gè)或多個(gè)優(yōu)化解或設(shè)計(jì)的一種設(shè)備，系統(tǒng)和方法。具體來(lái)說(shuō)，當(dāng)圖示有多個(gè)峰和谷指示在各種解區(qū)域中存在良好解時(shí)本發(fā)明適用于一種函數(shù)。該函數(shù)可表示能夠被仿真的一種裝置諸如引擎的性能。本發(fā)明可采用設(shè)計(jì)允差以降低計(jì)算時(shí)間并終止優(yōu)化過(guò)程。
本發(fā)明的背景引擎性能仿真軟件已成為引擎設(shè)計(jì)者工具包的集成部分。然而，使用這種軟件的特定設(shè)計(jì)的優(yōu)化常常是困難和耗時(shí)的。這原本是由于適當(dāng)刻畫引擎所需的參數(shù)數(shù)目及這些參數(shù)相互依賴。本發(fā)明描述的設(shè)備，系統(tǒng)和方法幫助使引擎設(shè)計(jì)過(guò)程自動(dòng)化并縮短研發(fā)時(shí)間，以滿足規(guī)定的性能目標(biāo)。
本發(fā)明的概述本發(fā)明旨在由于優(yōu)化設(shè)計(jì)的一種系統(tǒng)，方法和設(shè)備。根據(jù)本發(fā)明的一種形式，提供了用于找出包括規(guī)定基模型的最優(yōu)模型的一種方法，該方法包括(i)一個(gè)有值的變量，(ii)規(guī)定認(rèn)定被優(yōu)化的基模型特征的目標(biāo)，(iii)規(guī)定變量可變化的最小量的允差，(iv)規(guī)定最初設(shè)置為變量可變化的最大量的增量，(v)運(yùn)行基模型，(vi)把當(dāng)前最佳模型認(rèn)定為基模型，(vii)通過(guò)設(shè)置變量值為當(dāng)前最佳模型值加增量生成一加模型，(viii)運(yùn)行加模型，(ix)通過(guò)設(shè)置變量值為當(dāng)前最佳模型值減增量而生成減模型，(x)運(yùn)行減模型，(xi)設(shè)置先前的最佳模型為當(dāng)前最佳模型，并設(shè)置當(dāng)前最佳模型為當(dāng)前最佳模型，加模型和減模型的最佳者，(xii)如果當(dāng)前最佳模型不同于先前最佳模型，則重復(fù)步驟(vii)到(xii)，(xiii)降低增量，(xiv)如果增量大于或等于允差，則重復(fù)步驟(vii)到(xiv)，以及(xv)認(rèn)定當(dāng)前最佳模型為最優(yōu)模型。
本發(fā)明還旨在用于終止優(yōu)化的一種系統(tǒng)、方法和設(shè)備。
于是，本發(fā)明提供了對(duì)先有優(yōu)化設(shè)備、系統(tǒng)和方法的缺陷的解決方案。因而，業(yè)內(nèi)一般專業(yè)人員將易于理解，在本發(fā)明優(yōu)選實(shí)施例的以下詳細(xì)說(shuō)明中，本發(fā)明的那些和其它細(xì)節(jié)，特征和優(yōu)點(diǎn)將進(jìn)而顯而易見(jiàn)。
附圖的簡(jiǎn)要說(shuō)明這里結(jié)合并構(gòu)成本說(shuō)明書一部分的附圖，包括本發(fā)明的一個(gè)或多個(gè)實(shí)施例，并與以上給出的總的描述及以下給出的詳細(xì)說(shuō)明，根據(jù)預(yù)期用于實(shí)施本發(fā)明的最佳模式，一同用來(lái)公開(kāi)本發(fā)明的原理。


圖1是本發(fā)明實(shí)施例的優(yōu)化方法的一流程圖；圖2是通過(guò)仿真產(chǎn)生的表面輪廓，其中排氣管長(zhǎng)度和直徑是被優(yōu)化的變量；圖3是本發(fā)明一實(shí)施例中確定組合值的方法的流程圖；圖4是本發(fā)明一實(shí)施例中允差方法的流程圖；圖5是本發(fā)明的實(shí)施例中進(jìn)行勘測(cè)的方法的流程圖；圖6是本發(fā)明的實(shí)施例中進(jìn)行優(yōu)化的方法的流程圖；圖7a示出在兩個(gè)變量獨(dú)立出現(xiàn)的解通路中仿真的設(shè)計(jì)配置；圖7b示出在兩個(gè)變量組合出現(xiàn)的解通路中仿真的設(shè)計(jì)配置；圖8示出本發(fā)明一實(shí)施例中仿真資源管理器彈出式菜單；圖9是本發(fā)明一實(shí)施例中優(yōu)化期間提供監(jiān)視信息的一屏幕；圖10是本發(fā)明一實(shí)施例中使用的分布網(wǎng)絡(luò)；圖11是本發(fā)明一實(shí)施例中目標(biāo)設(shè)置屏幕；圖12是本發(fā)明一實(shí)施例中變量設(shè)置屏幕；
圖13是本發(fā)明一實(shí)施例中約束設(shè)置屏幕；圖14是本發(fā)明一實(shí)施例中解的屏幕；圖15是本發(fā)明一實(shí)施例中全局屏幕；圖16是本發(fā)明一實(shí)施例中優(yōu)化屏幕；圖17是本發(fā)明一實(shí)施例中先進(jìn)屬性屏幕；本發(fā)明的詳細(xì)說(shuō)明現(xiàn)在詳細(xì)參照優(yōu)選實(shí)施例，其例子在附圖示出。應(yīng)當(dāng)理解，附圖和包含在其中的實(shí)施例的說(shuō)明表示并描述了特定關(guān)聯(lián)的元件，為了清楚，省去了在典型的計(jì)算機(jī)和計(jì)算機(jī)網(wǎng)絡(luò)中見(jiàn)到的其它元件。
本設(shè)計(jì)優(yōu)化對(duì)某些先前設(shè)計(jì)方法和系統(tǒng)的缺陷提供了解決方案。業(yè)內(nèi)一般專業(yè)人員易于理解，雖然本發(fā)明的實(shí)施例是與引擎設(shè)計(jì)相關(guān)聯(lián)描述的，但本發(fā)明的方式不只適用于引擎設(shè)計(jì)。例如，這里所公開(kāi)和申請(qǐng)的優(yōu)化技術(shù)可一般適用于各種目的和統(tǒng)計(jì)分析的優(yōu)化。這里所公開(kāi)和申請(qǐng)的計(jì)算技術(shù)可適用于這種分布式處理有益的應(yīng)用。這里所公開(kāi)和申請(qǐng)的優(yōu)化技術(shù)可用于除引擎設(shè)計(jì)優(yōu)化之外的其它目的。這里所描述的用戶接口還可用于各種有用的應(yīng)用。這樣，雖然本發(fā)明的某些實(shí)施例旨在引擎設(shè)計(jì)，但可認(rèn)識(shí)到本發(fā)明及其各方式在各種應(yīng)用中的是有益的。該設(shè)計(jì)優(yōu)化的其它的細(xì)節(jié)，特性和優(yōu)點(diǎn)在以下實(shí)施例的詳細(xì)說(shuō)明中將變得更為明顯。
本說(shuō)明書中任何涉及“一個(gè)實(shí)施例”，“一定的實(shí)施例”，或類似的涉及一實(shí)施例是指與該實(shí)施例相關(guān)聯(lián)描述的具體的特性，結(jié)構(gòu)或特征包含在本發(fā)明至少一個(gè)實(shí)施例中。這種術(shù)語(yǔ)在本說(shuō)明書各處的出現(xiàn)不一定都是指同一實(shí)施例。此外涉及到“或者”是指包含在內(nèi)的，于是“或者”可指一個(gè)或其它或關(guān)系的術(shù)語(yǔ)或一個(gè)以上的或關(guān)系的術(shù)語(yǔ)。
雖然本發(fā)明可用來(lái)優(yōu)化各種復(fù)雜的設(shè)備和過(guò)程，但以下的實(shí)施例旨在本發(fā)明在優(yōu)化內(nèi)燃引擎的優(yōu)化。這種引擎有許多對(duì)引擎的操作有作用的屬性與許多希望的目標(biāo)。內(nèi)燃引擎的屬性例如包括閥門的量和尺寸，活塞直徑和沖程，點(diǎn)火定時(shí)，燃油傳遞，量和定時(shí)及排氣管直徑與長(zhǎng)度。內(nèi)燃引擎的操作目標(biāo)例如包括燃油的燃燒，噴射，力矩，和功率。
在以下的說(shuō)明中，術(shù)語(yǔ)“變量集合”用來(lái)指示可用來(lái)運(yùn)行單個(gè)仿真的變量值的集合?！斑\(yùn)行”或“仿真”是在給定的測(cè)試條件下關(guān)于一變量集合運(yùn)行一仿真的行動(dòng)。“測(cè)試程序”是一個(gè)運(yùn)行在其下發(fā)生的測(cè)試條件的一個(gè)集合。術(shù)語(yǔ)“解”是指一組用來(lái)評(píng)價(jià)目標(biāo)的一個(gè)或多個(gè)運(yùn)行。術(shù)語(yǔ)“通路”是指被排序以找出最佳變量集合或多個(gè)集合的解的集合。術(shù)語(yǔ)“最優(yōu)”用來(lái)指局部最優(yōu)，這是來(lái)自通路的解排序集合的最佳變量集合?！澳Ｐ汀笔鞘强杀环抡娴淖兞康囊粋€(gè)集合，且“設(shè)計(jì)配置”是采用一種設(shè)計(jì)的模型。本發(fā)明的好處在于能夠在存在這種多個(gè)不同最優(yōu)解之處提供多個(gè)，不同的局部最優(yōu)。
基模型或基設(shè)計(jì)配置通路規(guī)則要被修改以便生成優(yōu)化設(shè)計(jì)的屬性或組件的開(kāi)始定義?！白罴涯Ｐ汀笔钱?dāng)目標(biāo)的指示要匹配這些值時(shí)最接近的一個(gè)或多個(gè)規(guī)定值的模型，當(dāng)目標(biāo)是要最大化該值時(shí)提供最高結(jié)果值的模型，以及當(dāng)目標(biāo)是要最小化該值時(shí)提供最低結(jié)果值的模型。基設(shè)計(jì)包括仿真該設(shè)計(jì)必須的所有屬性。設(shè)計(jì)屬性可存儲(chǔ)在設(shè)計(jì)屬性數(shù)據(jù)庫(kù)。這里的例子中使用的設(shè)計(jì)是引擎設(shè)計(jì)，于是在這些引擎例子中基設(shè)計(jì)配置稱為“基引擎”。這樣，那些屬性可包括尺寸數(shù)據(jù)，諸如進(jìn)氣口氣室尺寸，進(jìn)氣管路長(zhǎng)度與直徑，排氣管長(zhǎng)度和直徑，進(jìn)氣閥門直徑，排氣閥直徑，及汽缸長(zhǎng)度與直徑。那些屬性還可包括其它數(shù)據(jù)，諸如檢測(cè)的數(shù)據(jù)，包括進(jìn)氣空氣壓力，排氣壓力，及節(jié)氣門位置。因而屬性例如通路組件可被邏輯地分組，使得通常組合使用的排氣管長(zhǎng)度和排氣管直徑可被分組以定義排氣管組件。然后可對(duì)那些組件指定名稱，使得所有組件的屬性在唯一引擎名稱下被分組。然后當(dāng)前的優(yōu)化可改變選擇的屬性以實(shí)現(xiàn)一個(gè)或多個(gè)目標(biāo)。
圖1示出本發(fā)明的設(shè)計(jì)優(yōu)化100。在圖1所示的實(shí)施例中，設(shè)計(jì)優(yōu)化100包括2個(gè)操作階段，設(shè)計(jì)和執(zhí)行。設(shè)計(jì)包括規(guī)定目標(biāo)102，規(guī)定變量104，規(guī)定約束106，規(guī)定實(shí)驗(yàn)的設(shè)計(jì)108，并規(guī)定優(yōu)化110。執(zhí)行階段包括探測(cè)112和解114。
在102，規(guī)定包含一個(gè)或多個(gè)優(yōu)化目標(biāo)的對(duì)象。對(duì)象是所希望的優(yōu)化結(jié)果的定義。目標(biāo)可具有至少三個(gè)組成部件特征，指示和值。每一個(gè)特征是要被優(yōu)化的一實(shí)體，諸如引擎的性能特征。指示指令以特征所希望要實(shí)現(xiàn)是什么。例如，指示可以是一指令使特征值最大化，或匹配一個(gè)或多個(gè)特征值。值提供客觀標(biāo)準(zhǔn)，以比較每一設(shè)計(jì)配置趨近所希望結(jié)果的程度。在某些解中，被最小化或最大化的目標(biāo)可能沒(méi)有相關(guān)值，而要被匹配的目標(biāo)一般將具有至少一個(gè)相關(guān)值。
當(dāng)前例子的目標(biāo)是在測(cè)試程序中規(guī)定的引擎操作范圍達(dá)到最大功率的單一目標(biāo)。這樣，特征是功率，且指示是要最大化功率。
例如測(cè)試程序可規(guī)定操作范圍，在整個(gè)范圍的分步增量，在每一rpm步驟要仿真的引擎循環(huán)數(shù)，由引擎使用的燃油，節(jié)氣門位置，及環(huán)境條件。例如范圍可以是5000轉(zhuǎn)每分鐘(rpm)到10,000rpm，且增量在整個(gè)范圍可以是1000rpm步。例如燃油可以是汽油或柴油。環(huán)境條件包括在進(jìn)氣和排氣點(diǎn)的氣溫，氣壓，和濕度。
如上所述，目標(biāo)可被最小化，最大化，或與所希望的值或值集合匹配。在希望匹配之處，與目標(biāo)相關(guān)的值例如可匹配一曲線或定義曲線的值的集合。目標(biāo)還可以用作為關(guān)于設(shè)計(jì)的極限。例如目標(biāo)可以是有高限，低限的集合，或有高低限的帶。此外，可對(duì)仿真建立一個(gè)以上的目標(biāo)。這樣，例如用戶可試圖匹配所希望的功率曲線，同時(shí)對(duì)引擎的廢氣中的一氧化碳設(shè)置特定的高限。在該例子中，所有產(chǎn)生大于極限的一氧化碳水平的結(jié)果將不予考慮，并最佳適配具有低于極限一氧化碳水平的功率曲線將提供為結(jié)果。
高限在其以上的設(shè)計(jì)配置不可接受的的參數(shù)值或值的集合的規(guī)范。高限例如可以是對(duì)于諸如燃油燃燒的參數(shù)，以防止結(jié)果的設(shè)計(jì)過(guò)度無(wú)效的燃油燃燒。如果在任何點(diǎn)高限被超過(guò)，則仿真可被認(rèn)為對(duì)該變量集合已失敗。
低限在其以下的設(shè)計(jì)配置不可接受的的參數(shù)值或值的集合的規(guī)范。低限例如可以是對(duì)于諸如功率的參數(shù)，以防止結(jié)果的設(shè)計(jì)具有太低的功率。如果仿真期間在任何點(diǎn)變量集合產(chǎn)生低于低限的值，則仿真可被認(rèn)為對(duì)該變量集合已失敗。
極限帶包括高和低限，使得如果在仿真期間任何點(diǎn)對(duì)于變量集合高限被超過(guò)，或在仿真期間任何點(diǎn)變量集合產(chǎn)生低于低限的值，則仿真可被認(rèn)為對(duì)該變量集合已失敗。
失敗的變量集合一般在變量集合排序中不再使用確定最佳結(jié)果。
策略是用來(lái)獲得目的的過(guò)程。策略包括一個(gè)或多個(gè)變量，并可以或可以不包括一個(gè)或多個(gè)約束。
在104，規(guī)定被優(yōu)化的變量。“被優(yōu)化的”變量是在優(yōu)化仿真中為實(shí)現(xiàn)目標(biāo)要被改變的那些變量。在這里作為例子的所述的實(shí)施例中兩個(gè)變量要被優(yōu)化排氣管長(zhǎng)度與排氣管直徑。被優(yōu)化的每一變量的初始值可被指定。然后設(shè)置仿真對(duì)其運(yùn)行的值的邊界。對(duì)本申請(qǐng)已確定，長(zhǎng)度在100mm到1000mm之間的排氣管是所希望要適配引擎操作的車輛的。對(duì)本申請(qǐng)還已經(jīng)確定，希望直徑100mm與200mm之間的排氣管適配該車輛。由于將只考慮長(zhǎng)度在100mm到1000mm之間的排氣管，排氣管長(zhǎng)度的邊界就是100mm與1000mm。類似地，對(duì)于排氣管直徑的邊界是100mm與200mm。由邊界包圍的面積是圖形可視的并稱為“設(shè)計(jì)空間”。
為了實(shí)際的目的，要被仿真的引擎的數(shù)目可通過(guò)使用優(yōu)化期間允許改變的變量的允差或?qū)傩员幌拗?。允差可設(shè)置在對(duì)于變量所希望的最小增量，使得被仿真的變量值將被限制在落在允差點(diǎn)的值。如果不使用允差，則在任何設(shè)計(jì)空間將存在被仿真的無(wú)限數(shù)目的設(shè)計(jì)。使用允差，消除了設(shè)計(jì)空間中無(wú)限小的步驟，并迫使有限數(shù)目的仿真存在于設(shè)計(jì)空間中。當(dāng)使用允差時(shí)，被仿真的變量值圍繞在最近的允差點(diǎn)附近，于是落在那些點(diǎn)之間的值不被仿真。設(shè)計(jì)允差可以等于制造允差，但也可簡(jiǎn)單地是設(shè)計(jì)者希望優(yōu)化考慮的每一步驟的量。例如，可能希望考慮長(zhǎng)度10mm有增量與直徑1mm有增量的排氣管。這樣，排氣管長(zhǎng)度的允差可設(shè)置為10mm，而排氣管直徑的允差可設(shè)置為1mm。圖形上，現(xiàn)在有界的設(shè)計(jì)空間可被看作格柵，其點(diǎn)位于每一允差的每一倍數(shù)上。關(guān)于允差，可設(shè)置基于變量的一函數(shù)諸如變量量值的整體的允差。在需要時(shí)，變量的允差可設(shè)置為任何值。允差還可以是偏移，使得允差點(diǎn)可在不同于允差零或其它倍數(shù)處開(kāi)始。這樣，例如可能希望考慮排氣管為以10mm增量在25mm開(kāi)始，從而通路允差偏移。這時(shí)被考慮的排氣管長(zhǎng)度將以10mm增量從25mm出發(fā)(例如25mm，35mm，45mm等)。
具有設(shè)置在允差的變量的優(yōu)化還提供了對(duì)優(yōu)化程序自然的終止。一旦圍繞優(yōu)化從其出發(fā)發(fā)生的一點(diǎn)的所有允差點(diǎn)已被仿真，并沒(méi)有產(chǎn)生越來(lái)越好的特征值，則優(yōu)化可被終止。因而，使用基于允差的仿真好處是降低了仿真運(yùn)行的次數(shù)，因?yàn)楸舜私咏淖兞恐凳菄@同一允差點(diǎn)，而同一點(diǎn)的仿真不需要進(jìn)行兩次。況且，本發(fā)明能夠識(shí)別被仿真的變量集合與先前被仿真的變量集合相同，因而第二次不會(huì)仿真同一變量集合。
在106，規(guī)定包括參數(shù)方程式的約束。初始設(shè)計(jì)屬性可被定義為常數(shù)值，或通過(guò)參數(shù)方程式定義。這里參數(shù)方程式稱為約束的一種類型。一個(gè)參數(shù)方程式依據(jù)一個(gè)或多個(gè)其它屬性定義了一個(gè)屬性。由參數(shù)方程式定義的屬性一般是不被優(yōu)化的。然而其可隨被優(yōu)化的變量變化而變化。例如，管路的入口直徑可定義為等于其連接的端口的直徑。另外，參數(shù)方程式通過(guò)使現(xiàn)有的直徑等于入口直徑可定義組件諸如平行管路的幾何結(jié)構(gòu)。這樣，保證了只考慮管路的入口和出口相等的配置。作為參數(shù)方程式的另一例子，引擎的沖程可基于引擎的位移和沖程比率。
本發(fā)明的一實(shí)施例中，在兩個(gè)步驟仿真設(shè)計(jì)空間中的設(shè)計(jì)配置的變量集合。這里稱為探測(cè)的第一步驟，在設(shè)計(jì)空間的各區(qū)域中仿真變量集合，而這里稱為第二步驟在設(shè)計(jì)空間的最有希望的區(qū)域仿真設(shè)計(jì)配置。在探測(cè)中，選擇小數(shù)目的變量集合，以確定設(shè)計(jì)空間中哪一個(gè)或多個(gè)區(qū)域是最有希望的。這樣例如對(duì)每一變量選擇三個(gè)值，以便均勻散布在對(duì)每一變量所考慮的值的整個(gè)范圍。在優(yōu)化中，在探測(cè)中所探測(cè)的與最有希望的設(shè)計(jì)配置相鄰的設(shè)計(jì)配置被仿真，以找出那些區(qū)域中的最優(yōu)解。
在步驟108，規(guī)定實(shí)驗(yàn)設(shè)計(jì)的屬性。實(shí)驗(yàn)設(shè)計(jì)屬性確定了多少設(shè)計(jì)配置將在探測(cè)112和優(yōu)化114中被仿真。實(shí)驗(yàn)設(shè)計(jì)屬性包括對(duì)每一變量被探測(cè)的水平數(shù)，對(duì)進(jìn)一步考慮所需的最佳運(yùn)行數(shù)，對(duì)進(jìn)一步考慮所需的其它區(qū)域數(shù)，以及運(yùn)行數(shù)的極限。水平是對(duì)探測(cè)期間所考慮的每一變量的值的數(shù)目。以所考慮的最低值開(kāi)始并以所考慮的最高值結(jié)束，以定義一圖形上軸線的每一變量作圖形觀察，水平是在探測(cè)112中每一軸線上被仿真的點(diǎn)的數(shù)目。這樣對(duì)于探測(cè)112被仿真的解的數(shù)目是對(duì)每一變量水平數(shù)的產(chǎn)物。
當(dāng)規(guī)定實(shí)驗(yàn)設(shè)計(jì)108時(shí)，可對(duì)變量設(shè)置全局或局部水平。當(dāng)對(duì)所有變量指定全局水平時(shí)，對(duì)每一變量考慮相同數(shù)目的值。例如，3的全局水平可按默認(rèn)提供。在對(duì)每一值選擇三個(gè)值之處，在探測(cè)中將考慮的設(shè)計(jì)配置數(shù)為3n，其中n等于設(shè)計(jì)配置中的變量數(shù)。
當(dāng)對(duì)每一變量設(shè)置水平時(shí)，對(duì)每一變量個(gè)別選擇探測(cè)期間所考慮的值的數(shù)目。此外，全局水平可作為默認(rèn)提供，并可對(duì)被探測(cè)的一個(gè)或多個(gè)變量規(guī)定超越的局部水平。也可規(guī)定零水平，使得探測(cè)112對(duì)每一變量是無(wú)效的。另外，對(duì)于在探測(cè)112中可由用戶考慮規(guī)定值，或可使用其它技術(shù)選擇在探測(cè)112中使用的值。
可規(guī)定最佳運(yùn)行數(shù)以指示優(yōu)化114要保持多少設(shè)計(jì)配置，因?yàn)樗鼈冏羁拷繕?biāo)。那些最佳設(shè)計(jì)配置常常彼此接近位于單個(gè)區(qū)域中。然而最佳設(shè)計(jì)配置可位于設(shè)計(jì)靠近分開(kāi)的部分，并可以來(lái)自在探測(cè)112中找出的一個(gè)以上的設(shè)計(jì)配置的結(jié)果。
可能希望，提供設(shè)計(jì)空間的一個(gè)或多個(gè)局部最優(yōu)區(qū)域中(不包含最佳設(shè)計(jì)配置的區(qū)域)最優(yōu)設(shè)計(jì)配置。例如，局部最優(yōu)區(qū)域中的解可能充分靠近目標(biāo)以滿足設(shè)計(jì)者，并可能基本上更有成本效益地實(shí)現(xiàn)。這樣，可規(guī)定其它區(qū)域的數(shù)目，以提供使得局部最優(yōu)區(qū)域中的設(shè)計(jì)配置也由優(yōu)化114提供。
還可規(guī)定運(yùn)行數(shù)目的極限，使得對(duì)被仿真的設(shè)計(jì)配置數(shù)置一極限。運(yùn)行數(shù)的極限可通過(guò)從能夠被仿真的設(shè)計(jì)配置總數(shù)隨機(jī)選擇被仿真的設(shè)計(jì)配置來(lái)實(shí)現(xiàn)。此外可在計(jì)算機(jī)系統(tǒng)中規(guī)定隨機(jī)數(shù)種子，使得可通過(guò)選擇相同的種子仿真相同的設(shè)計(jì)配置，并可通過(guò)選擇不同的種子仿真不同的設(shè)計(jì)配置。
在110規(guī)定優(yōu)化。在優(yōu)化中，相鄰的設(shè)計(jì)配置從基設(shè)計(jì)仿真到相鄰設(shè)計(jì)配置分步驟仿真相鄰設(shè)計(jì)配置，以找出在探測(cè)112中選擇的每一區(qū)域中的最優(yōu)解。在優(yōu)化規(guī)定階段，對(duì)變量是否以及如何在優(yōu)化114中被組合作出確定。如以上所述，變量可被各個(gè)地或組合地優(yōu)化。當(dāng)仿真相鄰的設(shè)計(jì)配置時(shí)，作為只有一個(gè)變量被改變的“各自”，或當(dāng)仿真相鄰設(shè)計(jì)配置時(shí)，作為指示兩個(gè)變量被改變的“組合”，在優(yōu)化114期間可施加步驟。圖7a示出一例子，其中變量個(gè)別變化，生成四個(gè)新的設(shè)計(jì)配置以便被仿真，且圖7b示出一例子，其中變量組合變化，生成八個(gè)新的設(shè)計(jì)配置以便被仿真。如通過(guò)該例子可見(jiàn)，當(dāng)組合地而不是個(gè)別地考慮參數(shù)時(shí)，更多的設(shè)計(jì)配置被展示供優(yōu)化系統(tǒng)考慮。
可注意到，所有變量可被組合或不組合，或變量的子集可在一個(gè)或多個(gè)組合中被組合。
此外，可規(guī)定步驟和步驟增量開(kāi)始和結(jié)束因子，可規(guī)定閾值，可規(guī)定優(yōu)化方法學(xué)，并可對(duì)優(yōu)化每一通路規(guī)定運(yùn)行數(shù)的極限。對(duì)每一變量定義步驟大小。轉(zhuǎn)而從基點(diǎn)加或減，一個(gè)步驟在格柵上定義在優(yōu)化中將被考慮的一個(gè)區(qū)域。一個(gè)有用的步驟大小是探測(cè)點(diǎn)之間的距離，其引起從基點(diǎn)到每一周圍探測(cè)點(diǎn)的優(yōu)化。步驟增量開(kāi)始和結(jié)束因子可被定義為步驟的百分比或步驟的部分。步驟的增量開(kāi)始因子定義作為步驟的部分的從基點(diǎn)起的距離，在該點(diǎn)將發(fā)生第一優(yōu)化通路。步驟增量結(jié)束因子定義作為步驟的部分的從基點(diǎn)起的距離，如果優(yōu)化不是由區(qū)域裝置終止，在該點(diǎn)將發(fā)生最后優(yōu)化通路。此外，可從優(yōu)化114中刪除一個(gè)或多個(gè)變量，因?yàn)槟切┳兞恐辉谔綔y(cè)112中是必須的。
步驟增量因子由優(yōu)化使用，以便基于探測(cè)格柵上的兩個(gè)相鄰點(diǎn)之間的距離的部分對(duì)變量集合確定新的值。在每一通路處評(píng)估閾值，以確定優(yōu)化是否完成。這樣該優(yōu)化可在達(dá)到閾值終止，或可在達(dá)到閾值之前由于其它原因而終止。例如，優(yōu)化可終止的另一原因是，因?yàn)樵O(shè)計(jì)配置對(duì)設(shè)計(jì)空間中圍繞基點(diǎn)所有的允差已被仿真，且沒(méi)有找出更好的結(jié)果。
用于本實(shí)施例的優(yōu)化方法學(xué)是基于最速下降分析。另外，可使用下坡單純形或其它形式的分析。下坡單純形不允許任何組合，并由于其取決于小變化保持其前進(jìn)，在與允差組合中不能理想地進(jìn)行。
如果需要這種極限，可規(guī)定在每一通路中被仿真的運(yùn)行數(shù)的極限，并在極限被超過(guò)的情形下可規(guī)定隨機(jī)數(shù)種子。
在探測(cè)112期間，設(shè)計(jì)空間被探測(cè)，基于每一變量的水平或其它規(guī)定的值組合所有變量。初始可運(yùn)行基線仿真?；€仿真可被運(yùn)行供與其它仿真的配置比較。這樣，例如通過(guò)改變排氣管長(zhǎng)度和直徑，車輛的引擎可對(duì)于功率被優(yōu)化。仿真可采用來(lái)自基線仿真的值，這些值對(duì)所有的設(shè)計(jì)配置定義了一完整的引擎，同時(shí)只改變對(duì)于排氣管長(zhǎng)度和直徑的值。這樣，如果被優(yōu)化的引擎當(dāng)前使用700mm長(zhǎng)與150mm直徑的排氣管，對(duì)于基線仿真可對(duì)該配置在整個(gè)所需的引擎速度區(qū)域確定功率。對(duì)于這一例子的引擎速度的范圍將是5000到10,000rpm。然后基線仿真的結(jié)果可與優(yōu)化期間考察的排氣管長(zhǎng)度和直徑的每一其它變化比較。
然而不是必須運(yùn)行仿真。仿真的結(jié)果可被簡(jiǎn)單地排序以確定變量的哪一個(gè)配置最佳。在對(duì)變量設(shè)置的邊界內(nèi)(在當(dāng)前的例子中是排氣管長(zhǎng)度從100mm到1000mm以及直徑從100mm到200mm)所定義的各點(diǎn)，探測(cè)112可計(jì)算該結(jié)果(在當(dāng)前的例子是引擎的功率)。然后那些結(jié)果可被排序以確定變量的哪一個(gè)配置提供最佳結(jié)果。
圖2圖示地描繪了排氣管長(zhǎng)度和直徑的一個(gè)仿真集合。功率性能以地形圖的方式在橫向平面描繪，最小排氣管長(zhǎng)度100mm設(shè)置為左邊界，最大排氣管長(zhǎng)度1000mm設(shè)置為右邊界，最小排氣管直徑100mm設(shè)置為下邊界，最大排氣管直徑200mm設(shè)置為上邊界。圖2中，以精細(xì)的分辨率進(jìn)行探測(cè)以展示設(shè)計(jì)空間中功率等高線值的一例。
圖3示出對(duì)于本發(fā)明的探測(cè)112確定組合值230的方法。方法230可視地操作以生成對(duì)應(yīng)于兩個(gè)變量的二維格柵。然而應(yīng)當(dāng)認(rèn)識(shí)到，本發(fā)明可用來(lái)優(yōu)化任何數(shù)目的變量。每一變量的范圍等于該變量小于的最大邊界值與該變量的最小邊界值。在232，等高線“N”設(shè)置為1。在252和254將可看到，搞對(duì)象將增加，直到其達(dá)到對(duì)第一變量設(shè)置的水平，在所示的實(shí)施例中這是排氣管長(zhǎng)度(“Len”)。在234，計(jì)算一步驟把該范圍對(duì)于長(zhǎng)度劃分為相等的部分。當(dāng)首先執(zhí)行236時(shí)，計(jì)算對(duì)長(zhǎng)度的第一劃分的變量值。這樣在圖形上，在236確定X-軸上從最小長(zhǎng)度到對(duì)于實(shí)驗(yàn)點(diǎn)第一設(shè)計(jì)的長(zhǎng)度范圍的距離。在-軸上從最小直徑到該實(shí)驗(yàn)點(diǎn)第一設(shè)計(jì)的距離被確定以精確指定實(shí)驗(yàn)點(diǎn)的第一設(shè)計(jì)。這樣，在238進(jìn)入對(duì)于排氣管直徑嵌套循環(huán)。在238，計(jì)數(shù)器“M”設(shè)置為1。如在248和250可見(jiàn)，計(jì)數(shù)器將增加直到其達(dá)到對(duì)第二變量設(shè)置的水平，在所示的實(shí)施例中這是排氣管直徑(“Dia”)。在240，計(jì)算一個(gè)步驟，把直徑的范圍劃分為相等的部分。當(dāng)242首先執(zhí)行時(shí)，計(jì)算直徑第一劃分的變量值。這樣，在只考慮兩個(gè)變量的當(dāng)前實(shí)施例中，被仿真的實(shí)驗(yàn)點(diǎn)的第一設(shè)計(jì)的的排氣管的長(zhǎng)度和排氣管的直徑，是來(lái)自步驟236結(jié)果的長(zhǎng)度與來(lái)自步驟242結(jié)果的直徑的交叉點(diǎn)。
在其中可通過(guò)圖3所示的方法產(chǎn)生雙重變量值的一定的實(shí)施例中，被仿真的變量值存儲(chǔ)在數(shù)據(jù)庫(kù)或表中。在生成新的被用來(lái)運(yùn)行一仿真的變量集合的每一迭代之后，該變量集合與存儲(chǔ)在數(shù)據(jù)庫(kù)中的變量集合比較。這樣，如果一變量集合在數(shù)據(jù)庫(kù)中已存在，則可拋棄雙重變量集合，以便不浪費(fèi)仿真資源。因而在244，在236和242確定的長(zhǎng)度和直徑與先前計(jì)算并存儲(chǔ)在數(shù)據(jù)庫(kù)的值進(jìn)行比較。如果長(zhǎng)度和直徑值匹配先前的值，則當(dāng)前值不被存儲(chǔ)，且方法返回248以計(jì)算實(shí)驗(yàn)點(diǎn)的下一個(gè)設(shè)計(jì)。然而，如果長(zhǎng)度和直徑值不匹配任何數(shù)據(jù)庫(kù)中保存的值，則在246當(dāng)前實(shí)驗(yàn)設(shè)計(jì)值保存在數(shù)據(jù)庫(kù)供未來(lái)仿真。
在248，如果計(jì)數(shù)器“M”小于對(duì)第二變量“直徑”選擇的水平，則計(jì)數(shù)器“M”在250增量，且過(guò)程返回242對(duì)下一步驟計(jì)算所需的直徑值。當(dāng)計(jì)數(shù)器“M”等于對(duì)第二變量“直徑”選擇的水平時(shí)，則過(guò)程進(jìn)到252。在252，如果計(jì)數(shù)器“N”小于對(duì)第一變量“長(zhǎng)度”選擇的水平，則計(jì)數(shù)器“N”在254增量且過(guò)程返回236以便計(jì)算所需的長(zhǎng)度值用于下一步驟。當(dāng)計(jì)數(shù)器“N”等于對(duì)第一變量“長(zhǎng)度”選擇的水平時(shí)，則過(guò)程在256結(jié)束。
應(yīng)當(dāng)認(rèn)識(shí)到，在圖3實(shí)驗(yàn)值確定方法的設(shè)計(jì)中計(jì)算的值不需要保存在氧化劑中，但例如可在它們計(jì)算出之后立即被仿真。然而與圖3相關(guān)描述的該方法好處在于消除了雙重仿真。還應(yīng)當(dāng)注意，當(dāng)對(duì)第一變量的循環(huán)增量時(shí)，不必重新計(jì)算直徑點(diǎn)，因?yàn)橹睆街祵⑵ヅ湓诘谝煌匪?jì)算的那些值。這樣，可有益地采用遞歸算法，以便有效地確定被仿真的實(shí)驗(yàn)點(diǎn)的設(shè)計(jì)。
圖4描繪了允差方法130，該方法保證被用于特定的運(yùn)行的變量值處于所希望的范圍內(nèi)，且所希望的量值落在允差點(diǎn)上。在當(dāng)前實(shí)施例中的情形，有多個(gè)變量在每一解中被考慮，對(duì)于變量130選擇參數(shù)的方法將必須對(duì)所考慮的每一變量進(jìn)行一次。在132，所需的開(kāi)始值輸入到允差方法。在134-142，允差方法130保證輸入的開(kāi)始值不大于對(duì)該變量設(shè)置的最大邊界，并在144-152允差方法130保證輸入的開(kāi)始值不小于對(duì)該變量設(shè)置的最小邊界。
在134，檢驗(yàn)開(kāi)始值以確定其是否大于對(duì)該變量的最大邊界。如果開(kāi)始值大于對(duì)該變量設(shè)置的最大邊界，則在136對(duì)該開(kāi)始值賦予最大邊界值。在138，設(shè)置開(kāi)始值等于開(kāi)始值除以允差的整數(shù)，且該值乘以允差?？稍?38另外規(guī)定不同于整數(shù)的一值。這樣，在138開(kāi)始值總是設(shè)置為允差的倍數(shù)。作為一例，如果輸入排氣管長(zhǎng)度1005mm，最大長(zhǎng)度認(rèn)為是1000mm，且允差為10mm，則在136開(kāi)始值將設(shè)置為1000mm最大長(zhǎng)度。(1000mm/10mm)的整數(shù)*10mm是1000mm。這樣，確認(rèn)1000mm是允差10Mm的倍數(shù)。
在138使用了舍入整數(shù)函數(shù)，且邊界不設(shè)置為允差的倍數(shù)時(shí)，對(duì)于138方程式的結(jié)果能夠落到邊界之外。因而，在140和142，如果開(kāi)始值大于設(shè)置的最大邊界，則該方法將從開(kāi)始值減去一個(gè)允差。
在144，檢驗(yàn)開(kāi)始值以確定其是否小于該變量的最小邊界。如果開(kāi)始值小于對(duì)該變量設(shè)置的最小邊界，則在146對(duì)該開(kāi)始值賦予最小邊界值。在148，設(shè)置開(kāi)始值等于開(kāi)始值除以允差的整數(shù)且該值乘以允差。這樣，在148開(kāi)始值總設(shè)置為允差的倍數(shù)。在150和152，如果開(kāi)始值小于設(shè)置的最小邊界，則該方法將從開(kāi)始值添加一個(gè)允差，并在154允差方法終止。
在探測(cè)112期間，能夠產(chǎn)生均勻散布在邊界之內(nèi)變量的值的集合，并對(duì)于那些集合的每一個(gè)運(yùn)行仿真。在本實(shí)施例中，首先計(jì)算所有被探測(cè)的值的集合，并然后運(yùn)行每一仿真。該順序的好處在于多個(gè)仿真可同時(shí)運(yùn)行。在其中多處理器可同時(shí)用于運(yùn)行仿真的計(jì)算機(jī)網(wǎng)絡(luò)上進(jìn)行仿真時(shí)，該排序是特別先進(jìn)的。然而，仿真可另外在確定變量值時(shí)運(yùn)行。
圖5示出本發(fā)明進(jìn)行探測(cè)112的一種方法。在202，確定邊界內(nèi)實(shí)驗(yàn)點(diǎn)各設(shè)計(jì)處的變量值。那些點(diǎn)一般格柵狀位于每一變量邊界集合之間，以便到達(dá)在通過(guò)整個(gè)所考慮的值范圍的解采樣。在204，解運(yùn)行在實(shí)驗(yàn)點(diǎn)每一設(shè)計(jì)上，并對(duì)實(shí)驗(yàn)點(diǎn)的那些設(shè)計(jì)的每一個(gè)確定目標(biāo)結(jié)果。在206，解決被排序，最接近目標(biāo)的解排在第一，而最遠(yuǎn)離目標(biāo)的解排在最后。所需的最佳解的數(shù)目在210收集。在212，最佳區(qū)域解落入通過(guò)使用最速爬升分析確定。最速爬升分析包括(i)確定在每一點(diǎn)的最速爬升，以及(ii)生成沒(méi)有向任何相鄰點(diǎn)爬升的所有點(diǎn)的集合。爬升發(fā)生在相鄰點(diǎn)具有更理想的結(jié)果。最速爬升發(fā)生向具有所有相鄰點(diǎn)最理想結(jié)果的點(diǎn)。在218，任何在210被確定為最佳解的點(diǎn)被刪除，且對(duì)最佳區(qū)域解排序。接下來(lái)，在218選擇等于其它所需區(qū)域解數(shù)目的區(qū)域最佳解數(shù)目。
如果在探測(cè)112中生成的運(yùn)行數(shù)超過(guò)運(yùn)行數(shù)極限，則變量集合或者被選擇或者取消選擇，直到被運(yùn)行的仿真數(shù)目等于運(yùn)行極限。選擇或取消選擇可基于隨機(jī)化。此外，隨機(jī)化可以基于種子，使得結(jié)果可按需要重復(fù)或修改。
圖6示出優(yōu)化114。將使用術(shù)語(yǔ)“基點(diǎn)”來(lái)描述解通路將從其發(fā)生的點(diǎn)。優(yōu)化仿真與基點(diǎn)相鄰的設(shè)計(jì)配置，并選擇最佳設(shè)計(jì)配置。對(duì)于通路的最佳設(shè)計(jì)配置是結(jié)果為值或多個(gè)值的設(shè)計(jì)配置，其最接近所需目標(biāo)值或多個(gè)值。然后來(lái)自通路的最佳設(shè)計(jì)配置成為用于下一個(gè)優(yōu)化通路的基設(shè)計(jì)。如果在通路中沒(méi)有任何產(chǎn)生的設(shè)計(jì)配置關(guān)于基設(shè)計(jì)配置有改進(jìn)，則在設(shè)計(jì)空間中比較接近基設(shè)計(jì)的設(shè)計(jì)配置將在下一個(gè)通路中被仿真。當(dāng)對(duì)下一個(gè)通路選擇了新的基設(shè)計(jì)時(shí)，該過(guò)程被稱為“遷移”。當(dāng)相同的基設(shè)計(jì)保持用于下一個(gè)通路，并進(jìn)行較接近該基設(shè)計(jì)的設(shè)計(jì)配置的仿真時(shí)，該過(guò)程稱為“收縮”。這樣，在遷移中，基引擎學(xué)格柵的一個(gè)位置移動(dòng)到另一位置，使得可圍繞該改進(jìn)的引擎可產(chǎn)生附加的引擎。在收縮中，基引擎保持在其當(dāng)前位置，而產(chǎn)生與基引擎較接近的替代的引擎。
步長(zhǎng)基于在規(guī)定優(yōu)化110期間規(guī)定的步增量。優(yōu)化可繼續(xù)進(jìn)行遷移的過(guò)程及收縮，直到步增量結(jié)束因子已達(dá)到，或?qū)εc基點(diǎn)相鄰的所有允差的設(shè)計(jì)配置已被仿真，并且找不出特征更好的結(jié)果。這樣，例如步增量開(kāi)始因子可以是步增量的64％，而步增量結(jié)束因子可以是步增量的1％。從而在收縮通路發(fā)生時(shí)，設(shè)計(jì)可以是最初從基點(diǎn)步的被仿真64％，然后從基點(diǎn)步的32％，從基點(diǎn)步的16％，從基點(diǎn)步的8％，從基點(diǎn)步的4％，從基點(diǎn)步的2％，從基點(diǎn)步的1％。如先前已經(jīng)指出，在遷移期間，可不對(duì)重新產(chǎn)生選擇來(lái)自與當(dāng)前通路重疊的先前通路的引擎設(shè)計(jì)，因?yàn)樗鼈兪窍惹爱a(chǎn)生的。
在302通過(guò)設(shè)置收縮因子為先前規(guī)定的步增量開(kāi)始因子開(kāi)始優(yōu)化。通過(guò)實(shí)驗(yàn)已經(jīng)發(fā)現(xiàn)，具有等于探測(cè)點(diǎn)之間的步長(zhǎng)64％的收縮因子的第一通路是有利的，因而64％收縮因子將用于以下例子，且對(duì)每一變量的探測(cè)點(diǎn)之間的距離將用作為每一變量的步長(zhǎng)。
在304，確定從當(dāng)前基點(diǎn)傳播的仿真值。如在圖7a和7b可看到的，每一解通路可個(gè)別或組合進(jìn)行。圖7a示出對(duì)長(zhǎng)度和直徑變量分別發(fā)生的解通路，而圖7b示出對(duì)長(zhǎng)度和直徑變量同時(shí)發(fā)生的解通路。在當(dāng)前兩個(gè)變量的例子中，對(duì)變量分別進(jìn)行解通路將引起仿真器選擇附加的值被仿真，這是與基點(diǎn)相鄰，在(i)基點(diǎn)長(zhǎng)度值和基點(diǎn)直徑值加直徑方向的探測(cè)步的64％，這可稱為對(duì)于直徑的加模型，(ii)基點(diǎn)長(zhǎng)度值和基點(diǎn)直徑值減直徑方向的探測(cè)步的64％，這可稱為對(duì)于直徑的減模型，(iii)基點(diǎn)長(zhǎng)度值加長(zhǎng)度方向探測(cè)步的64％及基點(diǎn)直徑值，這可稱為對(duì)于長(zhǎng)度的加模型，以及(iv)基點(diǎn)長(zhǎng)度值減長(zhǎng)度方向探測(cè)步的64％及基點(diǎn)直徑值，這可稱為對(duì)于長(zhǎng)度的減模型，如圖7a所描繪。在當(dāng)前的例子中，對(duì)變量組合進(jìn)行解通路將引起仿真器選擇在各個(gè)解通路中選擇的附加的值和在以下附加的值，在(i)基點(diǎn)長(zhǎng)度值加長(zhǎng)度方向探測(cè)步的64％及基點(diǎn)直徑值加直徑方向探測(cè)步的64％，稱為加-加模型，(ii)基點(diǎn)長(zhǎng)度值加長(zhǎng)度方向探測(cè)步的64％及基點(diǎn)直徑值減直徑方向探測(cè)步的64％，稱為加-減模型，(iii)基點(diǎn)長(zhǎng)度值減長(zhǎng)度方向探測(cè)步的64％及基點(diǎn)直徑值加直徑方向探測(cè)步的64％，稱為減-加模型，(iv)基點(diǎn)長(zhǎng)度值減長(zhǎng)度方向探測(cè)步的64％及基點(diǎn)直徑值減直徑方向探測(cè)步的64％，稱為減-減模型，如圖7b所描繪。
要注意，在仿真中考慮兩個(gè)或多個(gè)變量時(shí)，任何兩個(gè)或多個(gè)變量可被組合，而其它變量可組合地個(gè)別或分開(kāi)考慮。此外，本發(fā)明基于來(lái)自先前通路的最佳解的結(jié)果的改進(jìn)程度，預(yù)期變量的動(dòng)態(tài)組合。例如，動(dòng)態(tài)組合能夠包括在與其它不改變的變量組合的先前通路的最佳結(jié)果中變化的任何變量。另外，在先前通路的最佳結(jié)果中改變的任何或所有變量可被組合。此外，在最后的通路中改變的任何或所有變量可與不改變的任何或所有的變量組合。例如，每一不改變的變量可與先前通路中改變的任何或所有變量的組合進(jìn)行組合。
在303，圖4中所示的允差方法施加到所有變量。
如以上所討論，已百分之的變量集合可存儲(chǔ)在數(shù)據(jù)庫(kù)中，且新確定的變量集合可與那些先前被仿真的變量集合比較，以便拋棄雙重變量集合而不進(jìn)行第二次仿真。這樣，在308在304和306確定的變量集合與已仿真的變量比較，并在310向數(shù)據(jù)庫(kù)保存非雙重變量集合。
在311，如果在優(yōu)化通路中生成的運(yùn)行數(shù)目超過(guò)運(yùn)行數(shù)目的極限，則變量集合或者被選擇或者被取消選擇，直到被運(yùn)行的仿真數(shù)目等于運(yùn)行極限。選擇或取消選擇可基于隨機(jī)化。此外，隨機(jī)化可以基于種子，使得結(jié)果按需要是可重復(fù)的或可修改的。
在312，對(duì)是否存在任何附加的仿真圍繞當(dāng)前基點(diǎn)被仿真作出確定。因?yàn)楫?dāng)前實(shí)施例是基于允差的，在解通路進(jìn)行時(shí)，可能出現(xiàn)當(dāng)圍繞基點(diǎn)的允差的所有倍數(shù)已被探測(cè)時(shí)。當(dāng)圍繞基點(diǎn)的允差的所有倍數(shù)已被探測(cè)時(shí)，解過(guò)程將進(jìn)到322。如果沒(méi)有探測(cè)所有圍繞基點(diǎn)的允差倍數(shù)，則解過(guò)程將進(jìn)到314。
在314，仿真將對(duì)通路中設(shè)置的每一變量值運(yùn)行，并在316，最近的仿真結(jié)果與先前的仿真結(jié)果比較，以找出這時(shí)最佳仿真結(jié)果。
在318，對(duì)最后的解通路的結(jié)果之一是否比先前最佳結(jié)果更好以及大于先前最佳結(jié)果達(dá)閾值作出確定。如果最后解通路中的結(jié)果之一是最佳結(jié)果，則在320基點(diǎn)被復(fù)位到具有最佳結(jié)果的新的點(diǎn)，且過(guò)程返回304。如果最后的解通路任何結(jié)果但不是最佳結(jié)果，解過(guò)程進(jìn)到322。在322，當(dāng)前百分比除以二或某一其它因子，并在324，對(duì)當(dāng)前百分比是否小于步增量結(jié)束因子作出判定。如果當(dāng)前百分比大于或等于步增量結(jié)束因子，則過(guò)程返回304作出另一解通路，例如在從基點(diǎn)起一半的距離。如果當(dāng)前百分比小于步增量結(jié)束因子，優(yōu)化在326終止。當(dāng)然，以步增量結(jié)束因子的百分比終止不是必須的，而是這有利于防止繼續(xù)通過(guò)從進(jìn)一步防止推導(dǎo)的好處最小點(diǎn)進(jìn)行。
優(yōu)化結(jié)果可被正規(guī)化。例如結(jié)果可考慮每一目標(biāo)量值的差被正規(guī)化。這樣，正規(guī)化結(jié)果可基于平均結(jié)果的百分?jǐn)?shù)。結(jié)果還可被加權(quán)，使得對(duì)一個(gè)目標(biāo)比對(duì)目標(biāo)重要性有變化的另一目標(biāo)賦予較大的加權(quán)。
一項(xiàng)可以與目標(biāo)相關(guān)聯(lián)實(shí)驗(yàn)的技術(shù)這里稱為“匹配設(shè)計(jì)”。匹配設(shè)計(jì)是值的集合的一種規(guī)定，諸如功率或油耗，用于通過(guò)計(jì)算最小二乘適配以產(chǎn)生誤差值評(píng)價(jià)結(jié)果。此外誤差值可被正規(guī)化，例如考慮對(duì)每一目標(biāo)結(jié)果的量值中的差。這樣，正規(guī)化的誤差值可基于平均結(jié)果對(duì)所希望匹配變化的百分?jǐn)?shù)。誤差值還可被加權(quán)，使得對(duì)一個(gè)誤差值比對(duì)目標(biāo)重要性有變化的另一值賦予較大權(quán)重。
圖8示出仿真探測(cè)器彈出菜單350，描繪了仿真期間可能同步發(fā)生的過(guò)程?？蓮姆抡嫣綔y(cè)器彈出菜單350選擇的功能包括保持352，優(yōu)先權(quán)354，作出的標(biāo)記356，優(yōu)化狀態(tài)358。
保持352是用戶暫時(shí)停止用戶的方式。當(dāng)優(yōu)化當(dāng)前處于保持時(shí)，“釋放”出現(xiàn)在探測(cè)器彈出菜單350上的“保持”位置。優(yōu)先權(quán)354是用于如果一個(gè)以上的優(yōu)化可處理改變哪一個(gè)優(yōu)化將運(yùn)行的方法。
動(dòng)態(tài)優(yōu)先權(quán)是一種自動(dòng)過(guò)程，優(yōu)化用其確定其自己對(duì)其它可同時(shí)運(yùn)行的優(yōu)化的優(yōu)先權(quán)。動(dòng)態(tài)優(yōu)先權(quán)例如可以是通路中生成的運(yùn)行數(shù)目的負(fù)數(shù)，這樣對(duì)具有較小運(yùn)行量的通路賦予較高的優(yōu)先權(quán)。作出標(biāo)記356提供用戶異常終止優(yōu)化的方式。
當(dāng)選擇時(shí)優(yōu)化狀態(tài)358產(chǎn)生監(jiān)視信息。例如，優(yōu)化狀態(tài)的選擇358引起圖9的顯示被顯示。
在計(jì)算機(jī)系統(tǒng)或計(jì)算機(jī)網(wǎng)絡(luò)中，仿真可作為背景任務(wù)運(yùn)行，以便不干擾優(yōu)化活動(dòng)。在發(fā)生優(yōu)化時(shí)，監(jiān)視信息400可被喚起。如圖9所示，例如這種監(jiān)視可包括按通路號(hào)402目標(biāo)進(jìn)展的圖形顯示，按通路號(hào)404提交的運(yùn)行，初始最佳運(yùn)行的結(jié)果圖形，以及按通路406每一更好的運(yùn)行。監(jiān)視還可包括初始最佳運(yùn)行與每一較好運(yùn)行的匯總表408，通過(guò)包括對(duì)該運(yùn)行408設(shè)置的變量的通路，以及通過(guò)優(yōu)化與各個(gè)變量集合進(jìn)行的每一運(yùn)行詳細(xì)表410。
可對(duì)完成的優(yōu)化或進(jìn)展的優(yōu)化提供歷史。匯總表408和詳細(xì)表410是可被提供的歷史的樣本。該歷史可被探測(cè)，打印或作為圖形表示。
本發(fā)明可通過(guò)各種方法，例如包括人工或通過(guò)通用計(jì)算機(jī)進(jìn)行。用于在分布式網(wǎng)絡(luò)上進(jìn)行優(yōu)化的計(jì)算機(jī)系統(tǒng)420示于圖10。所示的網(wǎng)絡(luò)可包括任何數(shù)目的處理器，存儲(chǔ)器，與存儲(chǔ)裝置。處理器例如可以是由IntelCorp制造的Pentium處理器。處理器可進(jìn)而通過(guò)連接到網(wǎng)絡(luò)的通信裝置彼此通信，該網(wǎng)絡(luò)例如可以是對(duì)等網(wǎng)絡(luò)。由網(wǎng)絡(luò)進(jìn)行的工作可由數(shù)據(jù)庫(kù)諸如由Microsoft Corp生產(chǎn)的SQL Server數(shù)據(jù)庫(kù)分配。本發(fā)明還可計(jì)算機(jī)可讀介質(zhì)上實(shí)施。
如果使用網(wǎng)絡(luò)，當(dāng)一組仿真準(zhǔn)備進(jìn)行時(shí)，一個(gè)變量集合的每一仿真可在附加到網(wǎng)絡(luò)的處理器上執(zhí)行。每一仿真可與屬性一同置于一表中，諸如什么處理器進(jìn)行仿真，仿真何時(shí)置于表中，仿真是否被完成等。然后網(wǎng)絡(luò)上的處理器可訪問(wèn)表并在那些處理器可用時(shí)進(jìn)行仿真。仿真本身可通過(guò)進(jìn)行仿真的規(guī)則集合的定義表示(例如，特別的市售的引擎)，被優(yōu)化的變量(例如排氣管長(zhǎng)度和排氣管直徑)，以及目標(biāo)(例如范圍2000-10,000rpm上的功率最大化)。在一實(shí)施例中，處理器是桌面上可用的工作站，由用戶在每一桌面執(zhí)行所需的任務(wù)。然而，在較高優(yōu)先權(quán)任務(wù)中沒(méi)有由用戶在其桌面使用的每一工作站，可用來(lái)進(jìn)行一個(gè)或多個(gè)仿真。這樣，現(xiàn)有的各計(jì)算機(jī)的網(wǎng)絡(luò)可進(jìn)行它們正常的任務(wù)，并當(dāng)在較高優(yōu)先權(quán)任務(wù)中沒(méi)有使用時(shí)，可在后臺(tái)進(jìn)行仿真。
圖11到圖17示出用于規(guī)定設(shè)計(jì)的系統(tǒng)的一實(shí)施例。圖11示出目標(biāo)設(shè)置屏幕500。目標(biāo)設(shè)置屏幕包括列表窗口502，從該窗口可選擇一個(gè)或多個(gè)性能特征，以及選擇的目標(biāo)窗口504，列出帶有它們各自的指示的性能特征。
圖12示出變量設(shè)置屏幕510。該變量設(shè)置屏幕包括一變量選擇窗口512，其含有可用的變量的樹(shù)形視圖，以及被選擇變量列表514窗口，列出每一選擇的變量及它們相關(guān)的屬性。
圖13示出約束設(shè)置屏幕520，在設(shè)置約束窗口522列出約束。
圖14示出解屏幕530。解屏幕530包括最佳解對(duì)話框532，在其中輸入最佳解(在所示的實(shí)施例中是引擎)的數(shù)目，局部?jī)?yōu)化對(duì)話框534，其中輸入所需的局部最優(yōu)數(shù)，種子對(duì)話框536，其中可輸入隨機(jī)化的種子，探測(cè)通路對(duì)話框538，其中輸入探測(cè)通路中設(shè)計(jì)配置最大數(shù)，以及解通路對(duì)話框540，其中輸入解通路中設(shè)計(jì)配置的最大數(shù)。
圖15示出全局屏幕550。全局屏幕550包括默認(rèn)水平對(duì)話框552，其中可輸入所需的水平默認(rèn)數(shù)。全局屏幕550還包括一對(duì)默認(rèn)增量對(duì)話框554，向其可輸入默認(rèn)增量因子以及用來(lái)計(jì)算默認(rèn)增量的公式的文本描述。默認(rèn)增量因子和公式確定默認(rèn)增量。默認(rèn)增量通過(guò)對(duì)當(dāng)前值增加和減去默認(rèn)增量，對(duì)每一變量確定對(duì)最小和最大值的默認(rèn)。這例子中的默認(rèn)增量是0.5倍當(dāng)前變量值。這樣，如果當(dāng)前變量值是200，則最小值等于200減默認(rèn)增量100，或?yàn)?00，而最大值等于200加默認(rèn)增量100，或?yàn)?00。
一對(duì)默認(rèn)允差對(duì)話框556還包含在全局屏幕550。默認(rèn)允差對(duì)話框556提供空間，在其中可輸入用來(lái)計(jì)算默認(rèn)允差因子的因子及用來(lái)計(jì)算默認(rèn)允差的公式的文本描述。默認(rèn)允差因子和公式對(duì)每一變量確定默認(rèn)允差。在558，包含水平的文本描述。水平文本描述上下文中的“常規(guī)”指示默認(rèn)水平3。這樣，默認(rèn)水平對(duì)話框552和水平文本描述558被捆綁，使得一個(gè)中的變化將引起另一個(gè)變化。
圖16示出一優(yōu)化屏幕560。優(yōu)化屏幕包含優(yōu)化過(guò)程對(duì)話框562，其中輸入所需的優(yōu)化類型。在564，輸入步增量開(kāi)始因子，并在566輸入步增量結(jié)束因子。
圖17示出先進(jìn)的屬性屏幕570。先進(jìn)的屬性屏幕570包括探測(cè)過(guò)程對(duì)話框572，允許探測(cè)是“滿矩陣”，其包括設(shè)計(jì)空間邊緣，“內(nèi)矩陣”，其沒(méi)有在設(shè)計(jì)空間邊緣上的任何點(diǎn)，或“無(wú)矩陣”指將不進(jìn)行任何探測(cè)。而且，包含在先進(jìn)屬性屏幕570的有矩陣寬度對(duì)話框574。在優(yōu)化期間使用的矩陣的寬度可輸入到矩陣寬度對(duì)話框574。矩陣寬度典型值可以是對(duì)每一變量三個(gè)變量值。而且，包含在先進(jìn)屬性屏幕570的有閾值改進(jìn)率對(duì)話框576。該閾值能夠在由于允差將發(fā)生的正常終止之前用來(lái)終止優(yōu)化。
雖然本發(fā)明已參照一定的實(shí)施例被公開(kāi)，在不背離如所附權(quán)利要求定義的本發(fā)明的范圍之下，可以有對(duì)所述實(shí)施例多種多樣的修改，變化和改變。于是，本發(fā)明不擬限制為所述實(shí)施例，而具有由以下權(quán)利要求及其等價(jià)物語(yǔ)言定義完全的范圍。
權(quán)利要求
1.用于找出最優(yōu)模型的一種方法，包括a.規(guī)定一基模型，包括有一值的一個(gè)變量；b.規(guī)定一目標(biāo)，該目標(biāo)認(rèn)定被優(yōu)化的每一模型的一特征，最佳模型是對(duì)特征產(chǎn)生最佳結(jié)果的模型；c.規(guī)定一允差，這是變量可被改變的最小量；d.規(guī)定一增量，這是最初設(shè)置為變量可被改變的最大量；e.運(yùn)行基模型以獲得對(duì)基模型的一結(jié)果；f.把當(dāng)前最佳模型認(rèn)定為基模型；g.通過(guò)設(shè)置變量值為當(dāng)前最佳模型值加增量而生成一加模型；h.運(yùn)行加模型以獲得對(duì)加模型的一結(jié)果；i.通過(guò)設(shè)置變量值為當(dāng)前最佳模型值減增量而生成一減模型；j.運(yùn)行減模型以獲得對(duì)減模型的一結(jié)果；k.設(shè)置先前的最佳模型為當(dāng)前最佳模型，并設(shè)置當(dāng)前最佳模型為當(dāng)前最佳模型，加模型和減模型中具有對(duì)該特征最佳結(jié)果的一個(gè)；l.如果當(dāng)前最佳模型不同于先前最佳模型，則重復(fù)步驟(g)到(l)；m.降低增量；n.如果增量大于或等于允差，則重復(fù)步驟(g)到(n)；以及o.認(rèn)定當(dāng)前最佳模型為最優(yōu)模型。
2.用于找出最優(yōu)模型的的一種方法，包括a.規(guī)定一基模型，包括兩個(gè)變量，第一變量有一第一值，第二變量有一第二值；b.規(guī)定一目標(biāo)，該目標(biāo)認(rèn)定被優(yōu)化的基模型的一特征；c.規(guī)定一第一允差，這是第一變量可被改變的最小量，規(guī)定一第二允差，這是第二變量可被改變的最小量；d.規(guī)定一第一增量，這是最初設(shè)置為第一變量可被改變的最大量，規(guī)定一第二增量，這是最初設(shè)置為第二變量可被改變的最大量；e.運(yùn)行基模型；f.把當(dāng)前最佳模型認(rèn)定為基模型；g.通過(guò)設(shè)置第一變量值為當(dāng)前最佳模型第一值加第一增量而生成一第一加模型；h.運(yùn)行第一加模型；i.通過(guò)設(shè)置第一變量值為當(dāng)前最佳模型第一值減第一增量而生成一第一減模型；j.運(yùn)行第一減模型；k.通過(guò)設(shè)置第二變量值為當(dāng)前最佳模型第二值加第二增量而生成第二加模型；l.運(yùn)行第二加模型；m.通過(guò)設(shè)置第二變量值為當(dāng)前最佳模型第二值減第二增量而生成第二減模型；n.運(yùn)行第二減模型；o.設(shè)置先前的最佳模型為當(dāng)前最佳模型，并設(shè)置當(dāng)前最佳模型為當(dāng)前最佳模型，第一加模型，第一減模型，第二加模型和第二減模型中最佳者；p.如果當(dāng)前最佳模型不同于先前最佳模型，則重復(fù)步驟(g)到(p)；q.降低第一增量與第二增量；r.如果第一增量大于或等于第一允差，或如果第二增量大于或等于第二允差，則重復(fù)步驟(g)到(r)；以及s.認(rèn)定當(dāng)前最佳模型為最優(yōu)模型。
3.用于找出最優(yōu)模型的的一種方法，包括a.規(guī)定一基模型，包括兩個(gè)變量，第一變量有一第一值，第二變量有一第二值；b.規(guī)定一目標(biāo)，該目標(biāo)認(rèn)定被優(yōu)化的基模型的一特征；c.規(guī)定一第一允差，這是第一變量可被改變的最小量，規(guī)定一第二允差，這是第二變量可被改變的最小量；d.規(guī)定一第一增量，這是最初設(shè)置為第一變量可被改變的最大量，規(guī)定一第二增量，這是最初設(shè)置為第二變量可被改變的最大量；e.運(yùn)行基模型；f.把當(dāng)前最佳模型認(rèn)定為基模型；g.通過(guò)設(shè)置第一變量值為當(dāng)前最佳模型第一值加第一增量而生成一第一加模型；h.運(yùn)行第一加模型；i.通過(guò)設(shè)置第一變量值為當(dāng)前最佳模型第一值減第一增量而生成一第一減模型；j.運(yùn)行第一減模型；k.通過(guò)設(shè)置第二變量值為當(dāng)前最佳模型第二值加第二增量而生成第二加模型；l.運(yùn)行第二加模型；m.通過(guò)設(shè)置第二變量值為當(dāng)前最佳模型第二值減第二增量而生成第二減模型；n.運(yùn)行第二減模型；o.通過(guò)設(shè)置第一變量值為當(dāng)前最佳模型第一值加第一增量，并設(shè)置第二變量值為當(dāng)前最佳模型第二值減第二增量，生成一加-減模型；p.運(yùn)行加-減模型；q.通過(guò)設(shè)置第一變量值為當(dāng)前最佳模型第一值減第一增量，并設(shè)置第二變量值為當(dāng)前最佳模型第二值加第二增量，生成一減-加模型；r.運(yùn)行減-加模型；s.通過(guò)設(shè)置第一變量值為當(dāng)前最佳模型第一值加第一增量，并設(shè)置第二變量值為當(dāng)前最佳模型第二值加第二增量，生成一加-加模型；t.運(yùn)行加-加模型；u.通過(guò)設(shè)置第一變量值為當(dāng)前最佳模型第一值減第一增量，并設(shè)置第二變量值為當(dāng)前最佳模型第二值減第二增量，生成一減-減模型；v.運(yùn)行減-減模型；w.設(shè)置先前的最佳模型為當(dāng)前最佳模型，并設(shè)置當(dāng)前最佳模型為當(dāng)前最佳模型，第一加模型，第一減模型，第二加模型，第二減模型，加-減模型，減-加模型，加-加模型及減-減模型中最佳者；x.如果當(dāng)前最佳模型不同于先前最佳模型，則重復(fù)步驟(g)到(w)；y.降低第一增量和第二增量；z.如果第一增量大于或等于第一允差，或如果第二增量大于或等于第二允差，則重復(fù)步驟(g)到(z)；以及aa.認(rèn)定當(dāng)前最佳模型為最優(yōu)模型。
4.用于找出至少一個(gè)局部最優(yōu)模型的一種方法，包括a.規(guī)定一基模型，包括有一值的一個(gè)變量；b.規(guī)定一目標(biāo)，該目標(biāo)認(rèn)定被優(yōu)化的基模型的一特征；c.規(guī)定所進(jìn)行的優(yōu)化的最大數(shù)；d.對(duì)變量規(guī)定最小值和最大值；e.對(duì)變量的最小值和最大值之間的變量規(guī)定不同值的一個(gè)列表；f.對(duì)包含在列表中變量的每一值生成一模型；g.運(yùn)行所生成的每一模型以確定每一模型的特征值；h.比較每一運(yùn)行的模型與其相鄰的模型或多個(gè)模型；i.如果模型具有比其相鄰模型或多個(gè)模型較好的特征值，則認(rèn)定每一模型為局部模型；J.對(duì)認(rèn)定的所有模型排序；以及k.優(yōu)化每一局部模型以對(duì)每一局部模型找出局部最優(yōu)，直到規(guī)定的優(yōu)化最大數(shù)。
5.用于找出至少一個(gè)局部最優(yōu)模型的一種方法，包括a.規(guī)定一基模型，包括兩個(gè)或多個(gè)變量，每一變量有一值；b.規(guī)定一目標(biāo)，該目標(biāo)認(rèn)定被優(yōu)化的基模型的一特征；c.規(guī)定所進(jìn)行的優(yōu)化的最大數(shù)；d.對(duì)每一變量規(guī)定最小值和最大值；e.對(duì)每一變量它們的最小值和最大值之間規(guī)定不同值的一個(gè)列表；f.對(duì)包含在列表中變量值的組合生成一模型；g.運(yùn)行所生成的每一模型以確定每一模型的特征值；h.比較每一運(yùn)行的模型與其相鄰的模型或多個(gè)模型；i.如果模型具有比其相鄰模型或多個(gè)模型較好的特征值，則認(rèn)定每一模型為局部模型；J.對(duì)認(rèn)定的所有模型排序；以及k.優(yōu)化最高階局部模型以找出局部最優(yōu)模型，直到規(guī)定的優(yōu)化最大數(shù)。
6.一種優(yōu)化方法，包括a.規(guī)定被優(yōu)化的特征與對(duì)該特征所需的值；b.規(guī)定在優(yōu)化期間被改變的變量；c.設(shè)置設(shè)計(jì)公差等于變量被改變的最小增量；d.選擇一種設(shè)計(jì)配置，包括作為基設(shè)計(jì)配置仿真設(shè)計(jì)配置必需的變量值和其它所有的值；e.仿真設(shè)計(jì)配置以達(dá)到特征值；f.選擇設(shè)計(jì)配置，其具有與基設(shè)計(jì)配置變量值相鄰的變量值；g.仿真選擇的設(shè)計(jì)配置；h.如果相鄰設(shè)計(jì)配置具有比基設(shè)計(jì)配置更接近所需特征的特征值，則設(shè)置基設(shè)計(jì)配置變量值為具有最接近所需特征值的特征值的相鄰設(shè)計(jì)配置的設(shè)計(jì)配置值；i.如果沒(méi)有相鄰設(shè)計(jì)配置具有比基設(shè)計(jì)配置更接近所需特征的特征值，則選擇具有與基設(shè)計(jì)配置變量值更接近相鄰的變量值的設(shè)計(jì)配置；j.重復(fù)步驟g，h和i，直到具有與基設(shè)計(jì)配置相鄰達(dá)一個(gè)設(shè)計(jì)允差的變量值的所有設(shè)計(jì)配置已被仿真，且基設(shè)計(jì)配置的特征值比被仿真的任何其它設(shè)計(jì)配置更接近所需特征值。
7.權(quán)利要求6的方法，其中目標(biāo)所需值是多個(gè)值。
8.權(quán)利要求6的方法，其中第二變量在優(yōu)化期間可變。
9.權(quán)利要求6的方法，其中相鄰變量值包括大于基設(shè)計(jì)配置變量值的一變量值，及小于基設(shè)計(jì)配置變量值的一變量值。
10.權(quán)利要求9的方法，其中大于基設(shè)計(jì)配置變量值的變量值等于基設(shè)計(jì)配置變量值加一增量，且小于基設(shè)計(jì)配置變量值的變量值等于基設(shè)計(jì)配置變量值減一增量。
11.權(quán)利要求10的方法，其中每當(dāng)執(zhí)行步驟i時(shí)降低增量。
全文摘要
一種用于優(yōu)化的設(shè)備，系統(tǒng)和方法。該設(shè)備，系統(tǒng)和方法包括一種機(jī)制，用于當(dāng)優(yōu)化模型的一個(gè)設(shè)計(jì)允差內(nèi)所有的模型已經(jīng)被仿真時(shí)結(jié)束優(yōu)化。
文檔編號(hào)G06F17/50GK1809831SQ02817002
公開(kāi)日2006年7月26日 申請(qǐng)日期2002年8月31日 優(yōu)先權(quán)日2001年8月31日
發(fā)明者格倫·F·查特費(fèi)爾, 約翰·G·卡蘭德利 申請(qǐng)人:最佳動(dòng)力技術(shù)有限合伙公司