HyperStudy_多目标形状优化研究 HS-4425

执行多目标Optimization研究，并搜索体积和最大位移都最小化的Pareto前沿。

开始之前，请完成HS-4000：优化方法比较：手臂模型形状优化或导入 /HS-4425/ 中提供的HS-4000.hstx存档文件。

在本教程中，您将使用带有Fit的MOGA以节省时间。

Note： 如果没有Fit，GRSM将是解决MOO问题的推荐方法。MOO问题需要多次评估，因此GRSM比MOGA更有效。

一、运行Multi-Objective Shape Optimization

1.添加优化。

a)在Explorer中，右键单击并从上下文菜单中选择Add。

b)在Add对话框中，选择Optimization。

c)对于Definition from，选择一种方法，然后单击OK。

2.修改Inputs Variable。

a)转到Optimization 7>Definition>Define Input Variables步骤。

b)在工作区的Active列中，清除radius_1、radius_2和radius_3复选框。

3.转到Optimization 7>Definition>Define Output Responses步骤。

4.单击Objectives/Constraints - Goals选项卡。

5.对Volume和Max_Disp output响应应用目标。

a)单击Add Goal两次。

b)在Apply On列中，选择以下选项：

  目标1：Volume

目标2：Max_Disp

c)在Type列中，选择Minimize。

 

6.单击Define Output Responses步骤，然后将Evaluate From 列更改为Fit - RBF（fit_4）、Max_Stress和Max_Disp。

 

7.转到Optimization 7>Specifications步骤。

8.在工作区中，将Mode设置为Multi_Objective Genetic Algorithm（MOGA）。

9.单击Apply。

10.转到Optimization 7>Evaluate步骤。

11.单击Evaluate Tasks。

HyperStudy在50次迭代后停止MOGA，并总共执行13317次分析。最后一次迭代的Pareto前包含408个点。

12.转到Optimization>Post-Processing步骤。

13.单击Optima选项卡。

目标2与目标1的Pareto前显示在图中。

本研究的目标是最大限度地减少体积（目标1） 和Max_Disp（目标2）。Pareto图显示了所有非主导解。非主导解决方案是指无法再在不恶化另一个目标的情况下改善另一个目标的解决方案。您可以看到，最小化目标1将增加目标2，最小化目标2将增加目标1。根据这些结果，您必须确定最佳解决方案是什么。例如，Pareto图可能允许在中间的某个位置选择折衷解决方案。