Kimeme
| Deweloperzy | Cyber Dyne srl |
|---|---|
| Wersja stabilna | 4.0 / maj 2018 |
| System operacyjny | Międzyplatformowe |
| Typ | Obliczenia techniczne |
| Licencja | Prawnie zastrzeżony |
| Strona internetowa |
Kimeme to otwarta platforma do wielocelowej optymalizacji i multidyscyplinarnej optymalizacji projektów . Ma być sprzężony z zewnętrznym oprogramowaniem numerycznym, takim jak projektowanie wspomagane komputerowo (CAD), analiza elementów skończonych (MES), analiza strukturalna i narzędzia obliczeniowej dynamiki płynów . Został opracowany przez Cyber Dyne Srl i zapewnia zarówno środowisko projektowe do definiowania i analizy problemów, jak i infrastrukturę sieciową oprogramowania do dystrybucji obciążenia obliczeniowego.
Historia
Cyber Dyne powstało w 2011 roku jako startup badawczy w celu przeniesienia wiedzy swoich założycieli z zakresu optymalizacji numerycznej i metod inteligencji obliczeniowej na produkt komercyjny.
Cechy
Proces definiowania problemu oparty jest na paradygmacie przepływu danych . Wiele węzłów można połączyć ze sobą, aby opisać przepływ danych od zmiennych projektowych do pożądanych celów i ograniczeń. Węzły wejścia/wyjścia mogą być używane do obliczania dowolnej części obliczeń celów, przy użyciu procesów wewnętrznych (Java, Python lub Bash/Batch) lub zewnętrznych (stron trzecich). Każda z tych procedur może być dystrybuowana przez sieć LAN lub chmurę , wykorzystując wszystkie dostępne zasoby obliczeniowe. Rdzeń optymalizacji jest otwarty i wykorzystuje podejście memetic computing (MC), które jest rozszerzeniem koncepcji algorytm memetyczny , użytkownik może zdefiniować własny algorytm optymalizacyjny jako zbiór niezależnych fragmentów kodu zwanych „operatorami” lub „memami”. Operatory można zaimplementować w Javie lub Pythonie .
Projekt algorytmu
W folklorze matematycznym twierdzenie o braku darmowego obiadu (czasami w liczbie mnogiej) Davida Wolperta i Williama G. Macready'ego pojawia się w 1997 r. „No Free Lunch Theorems for Optimization”.
Ten wynik matematyczny wskazuje na potrzebę określonego wysiłku w zaprojektowaniu nowego algorytmu, dostosowanego do konkretnego problemu, który ma zostać zoptymalizowany. Kimeme umożliwia projektowanie i eksperymentowanie z nowymi algorytmami optymalizacyjnymi poprzez nowy paradygmat obliczeń memetycznych, przedmiot inteligencji obliczeniowej , który bada struktury algorytmiczne złożone z wielu oddziałujących na siebie i ewoluujących modułów (memów).
Projektowanie eksperymentów (DoE)
Dostępne są różne strategie DoE, w tym losowe sekwencje generujące, techniki czynnikowe , ortogonalne i iteracyjne, a także walidacja D-Optimal lub Cross Validation. Monte Carlo i łaciński hipersześcian są dostępne do analizy odporności.
Analiza wrażliwości
Lokalna czułość jako współczynniki korelacji i pochodne cząstkowe może być wykorzystana tylko wtedy, gdy korelacja między wejściem a wyjściem jest liniowa. Jeśli korelacja jest nieliniowa, należy zastosować globalną analizę wrażliwości opartą na relacji wariancji między rozkładem danych wejściowych i wyjściowych, takiej jak wskaźnik Sobola. Dzięki analizie wrażliwości można zmniejszyć złożoność systemu i wyjaśnić łańcuch przyczynowo-skutkowy.
Optymalizacja wielocelowa
W procesie opracowywania produktów technicznych zwykle istnieje kilka celów lub kryteriów oceny, które należy spełnić, np. niski koszt, wysoka jakość, niski poziom hałasu itp. Kryteria te często są ze sobą sprzeczne, w tym sensie, że minimalizacja jednego pociąga za sobą maksymalizację przynajmniej innego. Należy znaleźć parametry projektowe, aby znaleźć najlepszy kompromis spośród wielu kryteriów. W przeciwieństwie do przypadku z jednym celem, w optymalizacji z wieloma celami nie ma unikalnego rozwiązania, ale raczej front rozwiązań optymalnych w sensie Pareto . Optymalizacja wielokryterialna ma na celu automatyczne znalezienie rozwiązań optymalnych w sensie Pareto.