modeFRONTIER多目标优化软件

一.从一般的试验计划法到独创算法

  modeFRONTIER包括通用的，如正交数组，随机序列等实验设计方法，modeFRONTIER在设计因子，设计空间和响应面建立，对样本数据有着更有效的方法，这也是modeFRONTIER的一大特点。

  当设计因子（输入变量）具有严格的约束关系时，为了得到合理的解决方案，在开始DOE设置时,排除“互相矛盾的组合”。

→约束满足问题

根据样本空间的疏密度，增加（或减少）样本点

→启用“增补式空间填充法”、“均等间隔法”

生成响应曲面时，确保近似精度的同时，尽可能的精简运算

→启用“数据集抽取法”

此外，在一般常用的正交表中，控制因素、误差因素都可以使用最多255个因素，更可以将这些因素纳入原始正交表。

二.其他公司无法模仿的优化算法

 在进行优化计算时，必须确定搜索算法。

 “我不想选择这样那样的方式。难道没有对所有对象都适用的，高效率的算法 吗？”

 “没有自动算法可选吗？”

 对于这些问题，只能说"No Free Lunch Theorem"没有免费的午餐

 有这么一个定理，“不可能存在一种算法能够高效的解决所有的问题”，可理解为（在事先对解区间全无了解时，不存在一个与所有目的函数相关且搜索性能永远凌驾于其他算法之上的算法。）

 虽然有可以自动切换几个备选方法或者使用融合法的方案，但在实际使用上也远远 称不上“万能”，这还需期待未来的研究和发展。

 modeFRONTIER着眼于“具备工作实地真实需要的功能”，平衡组合了针对多（单）目标函数的功能，且功能数量方面对于其他公司产品有压倒性的优势。

例1) 为在搜索中极力降低实际运算量，进行最有效率的优化

       →启用响应曲面并用型“FSIMPEX、FMOGA-Ⅱ”

例2) 要进行强条件约束、非线性多峰值的多目标优化问题

       →启用“MOSA”

例3) 希望在生成响应曲面时，为提高响应曲面精度，在输出值急剧变化的部分进行自动定义取样

      →启用“MACK、利普希茨连续条件取样”

三.多目标稳健性设计

 稳健设计是指因素状况发生微小变差(Δx)对因变量的不敏感性，由于工程设计问题复杂，方案评价本身就成了难题，使用数理统计方法进行稳健设计是提高产品质量的一种有效的手段。

 传统方法

・进行稳健性求解的时候，选择(Δ)作为初始设计点，必须使(○)接近设计空间稳健最优点。

・如果求解失败，则调整设计因子权重。

 正向搜索 (输入→输出 μ、σ)：MORDO

在“重视输出的性能、重视各输出稳健性的多目标优化”设计中，可以采用正向搜索方式进行有不均衡多目标稳健优化设计。

反向搜索 (输出μ,σ→不均衡输入)：反向MORDO

“保持输出性能的稳健性在规定范围内，将性能最大化”的时候，可以采用反向多目标稳健设计优化。

四.50种以上的结果处理方法，多变量分析功能

 即使是一般的统计分析、优化工具，也具备了丰富的结果处理功能。但数值优化得到的“解”也仅仅是“数值”而已，不外乎是将目标函数最大化/最小化。

优化技术和工具的发展使复杂问题的求解成为可能，从物理意义去解释 “解”的最优性还存在很大的困难，最终还是需要设计者自己的判断。所以优化工具，不能仅具备自动搜索“最优解”功能，还需要解释“为什么这样最好或者最差？”等找出“成为最优解的物理原因”，是优化工具不可欠缺的功能。

modeFRONTIER为满足这些功能需求，具有多种高级数据采掘功能。