Utilisation de l environnement d optimisation DAKOTA



Documents pareils
UNIVERSITÉ DE TECHNOLOGIE COMPIÈGNE. Département Génie des Systèmes Mécaniques / UMR CNRS Roberval en option Sous titre ex : Espace documentaire

Les équations différentielles

Renforcement des trois compétences : compréhension orale, expression orale et expression écrite à partir de documents et vidéos.

de calibration Master 2: Calibration de modèles: présentation et simulation d

$SSOLFDWLRQGXNULJHDJHSRXUOD FDOLEUDWLRQPRWHXU

Optimisation et programmation mathématique. Professeur Michel de Mathelin. Cours intégré : 20 h

Ordonnancement robuste et décision dans l'incertain

Warehouse Management System. Think Synchronization

ÉdIteur officiel et fournisseur de ServIceS professionnels du LogIcIeL open Source ScILab

Catalogue de formation

Utilisation de l ingénierie des modèles pour la conception collaborative de produits mécaniques

La programmation linéaire : une introduction. Qu est-ce qu un programme linéaire? Terminologie. Écriture mathématique

Chapitre 3. Les distributions à deux variables

Conception de carène

Note de cadrage du PEPI MACS Mathématiques Appliquées & Calcul Scientifique

a et b étant deux nombres relatifs donnés, une fonction affine est une fonction qui a un nombre x associe le nombre ax + b

Compte-rendu N 04 Réunion du 19/12/14

L expertise développée par Market-IP et ses solutions télématiques vous permettront d atteindre

Exercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT

4.2 Unités d enseignement du M1

Contrôle par commande prédictive d un procédé de cuisson sous infrarouge de peintures en poudre.

Optimisation multi-critère pour l allocation de ressources sur Clouds distribués avec prise en compte de l énergie

Le calcul intensif chez PSA Peugeot Citroën. TERATEC 28 juin 2011

Les technologies du Big Data

Coup de Projecteur sur les Réseaux de Neurones

Problèmes d ordonnancement dans les systèmes de production. Journée Automatique et Optimisation Université de Paris Mars 2003

Modélisation et simulation

La dernière base de données de Teradata franchit le cap du big data grâce à sa technologie avancée

Protection individuelle

Une solution opensource d'affichage dynamique - XIBO

Vérifier la qualité de vos applications logicielle de manière continue

Évaluation et implémentation des langages

Une plate-forme pour la quantification des incertitudes sous Matlab

Les apports de l informatique. Aux autres disciplines

Quantification des Risques

1 Description générale de VISFIELD

Une comparaison de méthodes de discrimination des masses de véhicules automobiles

I Stabilité, Commandabilité et Observabilité Introduction Un exemple emprunté à la robotique Le plan Problème...

Autonomie et fragilités de la recherche académique Financements sur projet et reconfigurations du travail scientifique

La plateforme Cloud Supply Chain. Présentation de GT Nexus

Annexe 6. Notions d ordonnancement.

K. Ammar, F. Bachoc, JM. Martinez. Séminaire ARISTOTE - 23 octobre Palaiseau

Chapitre 3. Mesures stationnaires. et théorèmes de convergence

Cours 7 : Utilisation de modules sous python

PROBLEMES D'ORDONNANCEMENT AVEC RESSOURCES

La NP-complétude. Johanne Cohen. PRISM/CNRS, Versailles, France.

Filière Fouille de Données et Décisionnel FDD (Data Mining) Pierre Morizet-Mahoudeaux

Gestion des Clés Publiques (PKI)

OMD : Optimisation MultiDisciplinaire

Optimisation, traitement d image et éclipse de Soleil

Le filtrage de niveau IP

Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications

Stages et relations industrielles

DG-ADAJ: Une plateforme Desktop Grid

Jade. Projet Intelligence Artificielle «Devine à quoi je pense»

REMARQUES IMPORTANTES. - L usage d une calculatrice non programmable est autorisé.

Séance 0 : Linux + Octave : le compromis idéal

Introduction à NetCDF

MAIDESC - KO 21 Novembre 2013 Etienne Wey Alexandre Boilley

L apport du HPC pour l optimisation. Eric Jacquet-Lagrèze. FORUM TERATEC 28 juin 2011

Le data mining et l assurance Mai Charles Dugas Président Marianne Lalonde Directrice, développement des affaires

Gestion de projet- Indicateurs de performance

ALGORITHME GENETIQUE ET MODELE DE SIMULATION POUR L'ORDONNANCEMENT D'UN ATELIER DISCONTINU DE CHIMIE

Mémoire d actuariat - promotion complexité et limites du modèle actuariel, le rôle majeur des comportements humains.

Système immunitaire artificiel

Filtrage stochastique non linéaire par la théorie de représentation des martingales

Cours Bases de données

Communications collectives et ordonnancement en régime permanent pour plates-formes hétérogènes

Master IMA - UMPC Paris 6 RDMM - Année Fiche de TP

DAHER-SOCATA dévoile le TBM 900, son nouveau TBM

Communications performantes par passage de message entre machines virtuelles co-hébergées

Optimisation des performances d échangeurs de chaleur.

Introduction au maillage pour le calcul scientifique

Agenda. Introduction au projet SIMM. Réduction des volumes de sauvegarde avec RMAN

Correction du bac blanc CFE Mercatique

Projet Optiperf : les ressources du calcul parallèle à destination des architectes navals

Gestion du projet pour qu'il soit pérenne et collaboratif

UTILISATION DE LA PLATEFORME WEB D ANALYSE DE DONNÉES GALAXY

Figure 3.1- Lancement du Gambit

SALOME l écosystème l offre de support

Simulation à bord d un véhicule moteur existant

Migration vers l'open-source de l infrastructure de pare-feu du campus CNRS d Orléans

Politique de certification et procédures de l autorité de certification CNRS

Cours de Master Recherche

Approche d'évaluation pour les problèmes d'ordonnancement multicritères : Méthode d'agrégation avec direction de recherche dynamique

LA SOLUTION INNOVANTE DE GESTION DE PLANNING

Aller plus loin avec la CRM?

Programme des enseignements

MAGTROL. Frein à courant de Foucault haute vitesse WB 23. WB 23 Fiche Technique CARACTÉRISTIQUES COMMANDE PAR PC DESCRIPTION

OPTION SCIENCES BELLE-ISLE-EN-TERRE

INTEGRATED TEST SUITE

Architecture pragmatique pour la gestion du cycle de vie des applications (ALM)

Communiqué de Lancement. Sage Intégrale V4.50

ANALYSE NUMERIQUE ET OPTIMISATION. Une introduction à la modélisation mathématique et à la simulation numérique

GRID MIP. Plate-forme de développement de la Simulation Numérique au service de la Région Midi-Pyrénées.

Maarch Framework 3 - Maarch. Tests de charge. Professional Services. 11, bd du Sud Est Nanterre

Rapport. sur l incident survenu le 18 mars 2007 en croisière entre Lyon et Montpellier à l ATR immatriculé F-GVZY exploité par Airlinair

Accélérateur de votre RÉUSSITE

Corrigé des TD 1 à 5

Transcription:

UTC, ESI 50 Utilisation de l environnement d optimisation DAKOTA Rajan Filomeno Coelho Laboratoire de Mécanique Roberval, UTC CNRS, UMR 6253 Université de Technologie de Compiègne rfilomen@utc.fr http://www.utc.fr/~rfilomen/esi50/ Utilisation de l environnement d optimisation DAKOTA 1

DAKOTA : un environnement d optimisation et d études paramétriques DAKOTA est un code libre (OpenSource) développé par les laboratoires Sandia (http://www.cs.sandia.gov/dakota/software.html) Fonctionnalités : optimisation (algorithmes à base de gradient, algorithmes génétiques, ) études paramétriques (plan d expériences) : planification de simulations pour un ensemble de points de l espace de conception surfaces de réponse, modèles substituts (surrogate models) : définition de modèles approchés (e.g. surfaces de réponse polynomiales, réseaux de neurones, krigeage, moindres carrés) analyse d incertitudes : robustesse et fiabilité adapté aux plate-formes de calcul parallèle Schéma de base : DAKOTA réponses variables SIMULATION Utilisation de l environnement d optimisation DAKOTA 2

DAKOTA : un environnement d optimisation et d études paramétriques Principe de fonctionnement : DAKOTA pilote les tâches à effectuer, en appelant la simulation la simulation consiste en un code élements finis, un programme (C++, Matlab, Scilab) ou un script complexe combinant plusieurs tâches les échanges d information entre DAKOTA et la simulation se font par l intermédiaire de lecture et d écriture de fichiers texte fichier dakota.in DAKOTA fichier param.in fichier response.out SIMULATION Utilisation de l environnement d optimisation DAKOTA 3

DAKOTA : illustration sur le cas de l aile d avion Rappel : optimisation d une aile 2D flexible V rel α inc FORMULATION DU PROBLEME D OPTIMISATION but : trouver x opt (où x = variables de conception) tel que : x opt minimise F = masse de l aile, avec comme limitations : coefficient de portance C L C 0 L coefficient de traînée C D C 0 D déplacement max. d max d 0 max contrainte max. σ max σ 0 max Profil : Wortmann Airfoil FX 60.126 Utilisation de l environnement d optimisation DAKOTA 4

DAKOTA : illustration sur le cas de l aile d avion Ordonnancement des tâches : fichier dakota.in DAKOTA choix et paramètres de l optimiseur, définition de l optimisation, codes de simulation appelés fichier param.in fichier response.out portance, traînée, déplacement maximum, contrainte max. SIMULATION variables de conception définissant un profil d aile Code Scilab (analyse multidisciplinaire par point fixe, couplant codes EF fluide et structure) Utilisation de l environnement d optimisation DAKOTA 5

Exemple de fichier d entrée pour DAKOTA (dakota_aile.in) method, optpp_q_newton variables, continuous_design = 3 cdv_initial_point 0.001 0.01-0.01 cdv_lower_bounds 0.0 0.0-0.2 cdv_upper_bounds 0.2 0.2 0.0 cdv_descriptor 'x1' 'x2' 'x3' interface, system, analysis_driver = 'simulator_script_aile' parameters_file = 'params.in' results_file = 'results.out' Utilisation de l environnement d optimisation DAKOTA 6

Exemple de fichier d entrée pour DAKOTA (dakota_aile.in) responses, num_objective_functions = 1 num_nonlinear_inequality_constraints = 0 numerical_gradients method_source dakota interval_type forward fd_gradient_step_size =.000001 no_hessians Utilisation de l environnement d optimisation DAKOTA 7

Exemple de fichier script (simulator_script_aile) #!/bin/csh -f python read_variables.py # lecture des variables de # conception dans le fichier # «params.in» et écriture # dans le fichier «variables.txt» # lisible par le programme SCILAB # /opt/scilab/scilab-4.1.1/bin/scilab -nogui -f progr_aile.sci # exécution du programme SCILAB # (analyse multidisciplinaire par # point fixe) # => outputs : coeff. de portance # et de traînée, masse, dépl. max., # contrainte de von Mises max. Utilisation de l environnement d optimisation DAKOTA 8