HOME

進化的アルゴリズムDifferential Evolution による最適化事例

最適化問題において設計変数が離散値となる問題は、連続値の問題と比較して一般的に最適解の探索が難しい問題となります。最適設計支援ツールOptimus には多様な最適化アルゴリズムが搭載されており、離散値の問題に対しても効率的に最適解の探索を行うことができます。以下の2つの事例は、近年注目されている進化的アルゴリズム Differential Evolution により離散値の最適化問題を扱った事例となります。

最適化事例概要@

内容・目的

高速で動作するハードディスクの磁気ヘッドの位置決めをするには、ヘッド先端の振動を抑える必要があります。この事例では振動の節を利用して、磁気ヘッド先端が見かけ上変形していない状態となるよう、最適化によるモード形状のコントロールを実施しています。

最適化問題

目的関数 : ヘッド先端変位量
(刺激関数 :無次元量) 最小化
制約条件 : 固有振動数 > 12000Hz
設計変数 : 材料タイプ(※)、板厚(※) 、
部穴形状寸法×6 (※:離散変数)


最適化結果

基本モデル : 刺激関数 2279
最適解 : 刺激関数 232
計算回数 : 約 300 回

最適化によりヘッド先端変位量を 基本モデルに対し 約 90% 低減


最適化事例概要A

内容・目的

様々な電子機器の電源として広く利用されているスイッチング電源は、近年の高速化に伴いノイズ発生源として問題となってきており、その対策が必須となっております。この事例ではノイズ対策として、スイッチング素子 / ノイズフィルター / スナバ回路 の最適な組み合わせを求めています。

最適化問題

目的関数 : 雑音端子電圧(dBuV) 最小化(100kHz以上を評価対象とする)
設計変数 : スイッチング素子(23種)ノイズフィルター(6種)スナバ回路(3種)(全て文字列変数)

最適化結果

ワーストケース : 雑音端子電圧 105 dBuV
最適解 : 雑音端子電圧 72 dBuV
計算回数 : 82 回

最適化過程のワーストケースと比較して 約 30% ノイズを低減


進化的アルゴリズム Differential Evolution 概要

Defferential Evolution は 1995 R. Storn と K. Price によって提案された進化的アルゴリズムの1手法です。大域的な最適解を求めるための最適化手法として、Particle Swarm Optimization や Ant Colony Optimization などと並び現在注目されているアルゴリズムです。

アルゴリズム概要

文字列や離散値の設計変数に対しても、効率的に最適解を求めることができます。

必要プロダクト

汎用型最適設計支援ツール Optimus

マルチフィジックス解析ツール ANSYS

回路図設計ツール OrCAD Capture

アナログ/デジタル混在回路シミュレータ PSpice A/D

お問い合わせ

マルチドメインソリューションに関するお問い合わせは、下記までお願いいたします。

連絡先:mds-info@cybernet.co.jp

お問い合わせフォーム

資料ダウンロードフォーム