参数优化搜索算法（多算法）

组件名称	参数优化搜索算法（多算法）
工具集	设计分析优化
组件作者	雪浪云-梅清
文档版本	1.0
功能	用于参数优化或者模型标定优化的算法，支持多次优化
镜像名称	suanpan_mdo:latest
开发语言	Python

组件原理

“参数优化搜索算法”组件根据输入端子1定义的优化问题，根据指定的优化算法，每次迭代产生新的设计点发送给仿真接口组件，仿真组件再将仿真结果返回到输入端子2，进行下一次的迭代优化，直到满足优化条件，结束一轮参数优化搜索的过程。

当一轮优化结束后，用户可以在输入端子1定义新的优化问题，即可触发新一轮的优化。

算法分为局部优化（SLSQP、COBYLA、trust-constr、L-BFGS-B(无约束）、TNC(无约束)、L-BFGS-B（算法并行）、IPOPT等）、全局优化（SMAC、BOUCB、SHGO等）以及遗传算法（NSGA2），局部优化的结果依赖于起始点，而全局优化与遗传算法的结果则与起始点无关；

输入桩

输入端子1

端口名称：优化问题
功能描述：待优化（标定）输入参数及取值范围，输出参数名称等；
输入类型：对象；
示例：

// 连续的输入
{
    "inputs": [
        {"param": "length", "min": 0, "max": 2, "default": 1},
        {"param": "width", "min": 0, "max": 2, "default": 1},
        {"param": "height", "min": 0, "max": 2, "default": 1}
    ],
    "outputs": ["Volume", "Surface"],
    "objectives": [{"objective": "Volume", "option": "MaximizeValue"}],
    "constraints": [{"function": "10-Surface"}, {"function": "Surface-2"}]
}
// 离散的输入
{
    "inputs": [
        {"param": "length", "set": [0, 1, 2], "default": 1},
        {"param": "width", "set": [0, 1, 2], "default": 1},
        {"param": "height", "set": [0, 1, 2], "default": 1}
    ],
    "outputs": ["Volume", "Surface"],
    "objectives": [{"objective": "Volume", "option": "MaximizeValue"}],
    "constraints": [{"function": "10-Surface"}, {"function": "Surface-2"}]
}

其中：

inputs：输入参数以及取值范围列表
- 局部优化：仅支持连续的输入，如果是离散的输入，则会报错；
- 全局优化：同时支持连续或离散的输入；
outputs：输出参数列表；
objectives：优化目标列表；
- objective：优化目标；
- option：支持以下
  - MaximizeValue：最大化目标值；
  - MinimizeValue：最小化目标值；
constraints：约束函数列表；
- function：约束函数，表达式>=0；

输入端子2

端口名称：仿真结果
功能描述：包括设计点ID（design_id）和仿真输出参数；
输入类型：对象；
示例：

{
    "design_id": 1, "success": true, "Volume": 1.0, "Surface": 6.0
}

输出桩

输出端子1

端口名称：仿真输入参数；
功能描述：仿真参数用于作为仿真接口组件的输入，其中包含design_id。每次输出后内部design_id累加1，最后一次结束时再另外输出一个空的Json字符串：即{}，通知其他组件发送完毕结束这个状态；
输出类型：对象；
示例：

{
  "design_id": 3, "length": 1.33, "width": 1.35, "height": 1.36
}

输出端子2

端口名称：仿真结果；
功能描述：添加了额外信息的仿真结果（例如针对遗传算法NSGA2的额外信息有：当前迭代次数、是否可行解、是否非支配解、是否最优解），用于写入数据库；
输出类型：对象；
示例：

{
  "design_id": 1, "success": true, "Volume": 1.0, "Surface": 6.0, "gen": 100, "feasible": true, "non_dominated": true, "best_solution": false
}

数据接收方式

异步模式。

参数配置

配置优化算法的类型与参数等。

优化算法

功能描述：算法的类型，代表不同的优化算法，算法分为局部优化（SLSQP、COBYLA、trust-constr、L-BFGS-B(无约束）、TNC(无约束)、IPOPT等）和全局优化（SMAC、BOUCB、SHGO等），局部优化的结果依赖于起始点，而全局优化的结果则与起始点无关。

具体的算法如下：

SLSQP（Sequential Least Square Programming）：使用顺序最小二乘规划来最小化目标函数，用于解决带约束的、局部优化问题；
COBYLA（Constrainted Optimization BY Linear Approximation）：基于对目标和约束的线性逼近，用于解决带约束的、局部优化问题；
trust-constr：是一个信頼域算法，用于解决带约束的、局部优化问题；
L-BFGS-B：可高效地解决大尺度问题，用于解决不带约束的、局部优化问题；
TNC：使用截断牛顿算法，用于解决不带约束的、局部优化问题；
L-BFGS-B（算法并行）：L-BFGS-B的并行版本；
IPOPT（Interior Point OPTimizer）：使用内点线搜索滤波方法，用于解决带约束的、局部优化问题；
SHGO（Simplicial Homology Global Optimization）：适用于解决带约束的、不可求导的全局优化问题，适用于解决一般用途的nlp和blackbox 全局优化问题（低维问题，比如自变量数量小于10个）；
NSGA2（Non-dominated Sorting Genetic Algorithm 2)：即带有精英保留策略的快速非支配多目标优化算法，是一种基于Pareto最优解的多目标优化算法，该算法用于解决多目标优化问题，，其输出的是一组解而非单个最优解，一组解中每个解之间互不支配（即没有一个解比另一个更好）；
必选参数：否；
默认：SLSQP；

优化算法参数

功能描述：为特定算法（分为局部优化和全局优化）配置参数；
必选参数：否；
默认：{}；
示例：

// 针对"SLSQP"
{
  "ftol": 1e-6,
  "maxiter": 100,
  "eps": 1.4901161193847656e-08,
  "disp": true
}
// 针对"SMAC"和"BOUCB"
{
  "max_evaluations": 20
}
// 针对"SHGO"
{
  "maxfev": 20,
  "f_min":  0.1,
  "f_tol": 1e-6,
  "maxiter": 100
}
// 针对"NSGA2"
{
  "popSize": 100,
  "maxFE": 10000
}

如果是局部优化，根据选择的不同优化算法，相应的优化算法参数也不一致，比如“SLSQP”的参数支持如下参数：

ftol：浮点型，目标函数f的迭代停止条件，默认值为1e-06；
eps：浮点型，梯度下降的步长尺寸，例如1.4901161193847656e-08；
maxiter：整型，最大迭代次数（一次迭代可能会对应多次目标函数评估），默认值为100；
disp：布尔，true/false，是否打印收敛信息，如果为true则打印收敛信息；

如果是"SMAC"或"BOUCB"，则可以配置以下参数：

max_evaluations：整型，默认值为20，该值是一个与成本相关的数值，即数值越大，则计算时长越长；

如果是"SHGO"，则可以配置以下参数：

maxfev：整型，最大函数评价次数，该值是一个与成本相关的数值，即数值越大，则计算时长越长；
f_min：浮点型，目标函数的最小值（如果已知的话）；
f_tol：浮点型，目标函数f的迭代停止条件；
maxiter：整型，最大迭代次数；

如果是"NSGA2"，则可以配置以下参数：

popSize：种群大小，遗传算法的重要参数，表示一次迭代中的种群的大小；
maxFE：最大函数评价次数，等同于设计点的个数，该数值越大，则计算时长越长；

起始点个数

功能描述：仅针对局部优化使用，为局部优化设定初始点的个数，因为局部优化依赖于起始点个数，数量越多，计算时长越长；起始点个数如果为1，则起始点坐标由优化问题中决定；如果起始点个数大于1，则多个起始点的坐标由DoE生成；
必选参数：否；
默认：1；

仿真失败时的默认值

功能描述：针对仿真结果组件返回的仿真结果中"success"为false的情况（即仿真失败的情况），可以设置仿真结果的默认值，从而让优化流程继续；
必选参数：否；
默认：空；

并行选项

功能描述：仅针对L-BFSG-B（算法并行）使用，用于提高算法的计算效率；
必选参数：否；
默认：{}；
示例：

{
  "max_workers": 4,  // 最大使用核数
  "forward": true,  // true-前向差分，false-中心差分，前向差分相对速度快但精度低，中心差分反之
}

运行调优

不建议进行特别配置，按照平台的默认分配运行。

使用方法

未部署状态下的操作步骤

后面板链接

右面板配置

配置优化算法，可默认为"SLSQP"；
配置优化算法参数，可默认为"{}"；
配置初始点个数，可默认为1；
仿真失败时的默认值，可默认为空；

部署状态下的操作步骤

后面板操作

在前面板输入优化问题，然后切换到后面板，并点击“滚动日志”，观察其输出结果。
前面板输入优化问题：

右面板观察输出：

弹窗操作

无。

组件原理​

输入桩​

输入端子1​

输入端子2​

输出桩​

输出端子1​

输出端子2​

数据接收方式​

参数配置​

优化算法​

优化算法参数​

起始点个数​

仿真失败时的默认值​

并行选项​

运行调优​

使用方法​

未部署状态下的操作步骤​

后面板链接​

右面板配置​

部署状态下的操作步骤​

后面板操作​

弹窗操作​