LMS Virtual.Lab Advanced Optimization アドバンスト最適化
Advanced Optimizationには、追加として大域的最適化と離散的最適化の手法、さらには多目的最適化とロバスト設計の手法が組み込まれています。
Global Optimization 大域的な最適化Global Optimization モジュールには、3種類の最新のアルゴリズム、微分進化法（DE：Differential Evolution）、自己適応進化法（SE）、および焼き鈍し法（SA）が搭載されており、一般的な制約条件付き最適化問題を解くことができます。これらのアルゴリズムは、大域的最適解に到達する可能性が高いのが特徴です。離散最適化では、連続変数と離散変数の混在した一般的な制約条件付き最適化問題を解くことができます。離散変数としては、整数値のみ、実数値カタログ、または文字列リストのいずれかを選択できます。特別な最適化検索ルーチンが、入力変数の離散的性質を考慮しています。
Multi-Objectives Optimization 多目的最適化Multi-Objective Optimization （MOO）モジュールには9種類の多目的最適化手法が含まれており、ユーザーは2つ以上のしばしば互いに対立する目的関数を持った設計最適化問題を効果的解くことが可能です。MOO手法は、正規境界交差点（Normal-Boundary Intersection）法、重み付き目的関数法、重み付きチェビシェフ法、および最小-最大最適化法などの局所的最適化手法と、パレート前線を計算する非支配ソーティング進化（NSEAおよびNSEA+）アルゴリズムなどの多目的最適化手法で構成されています。さらに、トレードオフ法、階層法、距離関数法（ユークリッド・ノルム）、距離関数法（目標計画法）、および大域基準法が個々のパレート点を計算します。新しい強力なポスト処理機能では、パレート点などのエンジニアリング設計探索のための豊富な機能を提供しています。
Robust Design ロバスト設計ユーザーは、パラメータ分布の影響を考えながら、最適値付近の結果のバラツキを検討し、設計案をよりロバスト（パラメータ変動に対して、より感度の低い）そしてより信頼度の高い（設計制約条件を越える確率の低い）ものにすることで、高品質な製品を組み立てることが可能です。
