The Study Manager_15_优化技术

您可以选择以下两种算法之一来解决问题。以下是这些算法需要设置的具体属性说明：

NLPQL

当选择NLPQL算法时，将显示以下属性配置项。

输出模式

此属性决定算法运行时显示的信息详细程度，提供以下三个级别：

• 无输出
• 诊断模式(Diagnostic)
• 详细模式(Verbose)

相对梯度步长

NLPQL算法需通过Simcenter Amesim计算目标函数和约束在设计空间所有方向上的梯度（每个优化输入参数即代表一个方向）。梯度计算采用有限差分法，举例说明：
假设目标函数为 f(x,y)，其中x、y为输入参数。
梯度值为:
grad ⁡ ( f ) ‾ ( x 0 , y 0 ) = ( ∂ f ∂ f ( x 4 , y 0 ) d f ∂ y ( x 1 , y 0 ) ) = ( f ( x 0 , y 0 ) − f ( x 0 + δ x 0 , y b ) δ x 0 f ( x 0 , y 0 ) − f ( x 0 , y 0 + δ y 0 ) δ y 0 ) \overline{\operatorname{grad}(f)}\left(x_0, y_0\right)=\binom{\frac{\partial f}{\partial f}\left(x_4, y_0\right)}{\frac{d f}{\partial y}\left(x_1, y_0\right)}=\binom{\frac{f\left(x_0, y_0\right)-f\left(x_0+\delta x_0, y_{\mathrm{b}}\right)}{\delta x_0}}{\frac{f\left(x_0, y_0\right)-f\left(x_0, y_0+\delta y_0\right)}{\delta y_0}}