Noesis Optimus是一款非常好用的多学科集成优化工具，可以帮助各行各业的工程行业人士提高设计效率。它引入了最先进的集成建模和深度神经网络建模，进一步扩展了Optimus强大的响应曲面建模功能。它提供流程设计以及优化设计功能，可以在软件帮助客户快速设计机械开发流程，可以设计设备工作流程，如果建立流程化的工作方式可以提高设计效率，可以让每个设计流程都清晰可见，用户可以在软件建立目录，可以添加新的设计目录结构，可以对项目管理，可以提供实验对运行的流程统计，也支持Optimus ClearVu分析建模、FINNOPT交互式多目标优化算法，也支持将Optimus连接到Dakota算法，也可以在外部创建Optimus项目，具有的功能非常多。有兴趣的朋友可以下载体验一下！
2、基于DOE技术生成“虚拟实验”；全因和部分因子设计
3、田口，Plackett-Burman，Box-Behnken；完整的田口稳健设计理论
4、广泛的响应曲面建模；by通过响应曲面建模进行强大的后处理
5、泰勒多项式；随机插值（Kriging，RBF）
6、用户定义优化和响应曲面；数值优化程序
7、单个，多目标和离散变量优化；高水平非线性约束方法（局部勘探）
8、自适应和差分进化遗传算法（全局）；设计空间的动态表示
9、可变贡献和蒙特卡罗模拟；鲁棒性和可靠性评估和优化
10、用户可自定义的操作和界面；可以在大规模并行计算机网络上运行
作为完全与供应商无关的PIDO平台，noesis optimus提供了一种开放式架构，可与任何工程软件进行通信，包括处理任何文件语法的功能。除了保护公司在遗留代码和模型中所做的投资（保护他们未来在组织内的使用），Optimus使他们能够部署“目标工程师”战略，而不管实际使用的工程软件如何。
二、经过行业验证的技术
noesis optimus经过行业验证的最先进的设计空间探索和工程优化方法是成功实现目标驱动工程流程部署的关键推动因素。其方法和技术已经清楚地证明了成功处理各种实际应用程序的能力 - 在各个客户站点实施，包括每天使用的数十个许可证。
三、强大的部署
noesis optimus方法的稳健性同样重要。高度稳健的数值优化算法不需要过多的手动参数规范来启动过程并成功执行作业。这就是Optimus真正擅长的地方。使用Optimus，工程团队使用强大的算法，因此更有效率，从更短的学习曲线中受益。
四、有效的决策支持工具
noesis optimus具有直观和灵活的后处理功能，可将大型工程数据集转换为支持设计决策的信息。有效的决策工具不仅可以更轻松地消除无影响的设计参数并确定最佳设计权衡，还可以促进工程团队与管理层之间的沟通。
在插值建模的准确性和近似建模的计算速度之间建立了一座桥梁，noesis optimus 2019.1 sp1深度神经网络建模非常适合涉及大型和嘈杂数据集的高维工程问题。
Optimus Deep Neural Networks能够以几乎任意的精度再现复杂的非线性系统的行为，从而实现广泛的应用。这些包括，例如，通过用高保真功能模拟单元（FMU）替换这些组件模型，将计算上昂贵的组件模型更有效地集成到系统仿真模型中。其他潜在的应用包括分析复杂的CFD图像以定位特定的特征，例如湍流或评估大量不同的设计，同时区分可行和不可行的设计。
二、通过Ensemble Modeling协助非专家用户
noesis optimus 2019.1 sp1集合建模功能强烈推荐用于涉及相对较小和异构数据集的工程问题，并且需要建立进一步的工程专业知识。
尽管Ensemble Modeling与Optimus 2018.1引入的最佳模型方法属于同一模型系列，但两种模型类型根本不同。尽管最佳模型类型在可用的Optimus模型中选择最佳模型以根据用户标准拟合给定数据集，但Ensemble Modeling通过平均可用的Optimus模型创建了一个全新的模型。集成建模在帮助非专家用户通过模型平均方法更好地理解他们的工程问题方面特别有用。
三、对工程工作流程执行的更精细控制
除了新的深度神经网络和集合建模功能外，noesis optimus 2019.1 sp1还为具有领先CAD / CAE解决方案的多个界面带来了重大更新 - 包括JMAG Designer，PTC Creo 5.0，CETOL 10.2，NX CAE和LS-Dyna。此外，在构建工程仿真工作流程时，Optimus用户现在可以更好地控制拒绝规则。拒绝规则用于确定是否应从后处理中排除工程模拟实验，并且相关的新功能可以对工程工作流程执行进行更细粒度的控制。
功能特点
1、交互式动作定义；从所有工程学科中提取CAE代码2、基于DOE技术生成“虚拟实验”；全因和部分因子设计
3、田口，Plackett-Burman，Box-Behnken；完整的田口稳健设计理论
4、广泛的响应曲面建模；by通过响应曲面建模进行强大的后处理
5、泰勒多项式；随机插值（Kriging，RBF）
6、用户定义优化和响应曲面；数值优化程序
7、单个，多目标和离散变量优化；高水平非线性约束方法（局部勘探）
8、自适应和差分进化遗传算法（全局）；设计空间的动态表示
9、可变贡献和蒙特卡罗模拟；鲁棒性和可靠性评估和优化
10、用户可自定义的操作和界面；可以在大规模并行计算机网络上运行
软件特色
一、供应商中立的开放平台作为完全与供应商无关的PIDO平台，noesis optimus提供了一种开放式架构，可与任何工程软件进行通信，包括处理任何文件语法的功能。除了保护公司在遗留代码和模型中所做的投资（保护他们未来在组织内的使用），Optimus使他们能够部署“目标工程师”战略，而不管实际使用的工程软件如何。
二、经过行业验证的技术
noesis optimus经过行业验证的最先进的设计空间探索和工程优化方法是成功实现目标驱动工程流程部署的关键推动因素。其方法和技术已经清楚地证明了成功处理各种实际应用程序的能力 - 在各个客户站点实施，包括每天使用的数十个许可证。
三、强大的部署
noesis optimus方法的稳健性同样重要。高度稳健的数值优化算法不需要过多的手动参数规范来启动过程并成功执行作业。这就是Optimus真正擅长的地方。使用Optimus，工程团队使用强大的算法，因此更有效率，从更短的学习曲线中受益。
四、有效的决策支持工具
noesis optimus具有直观和灵活的后处理功能，可将大型工程数据集转换为支持设计决策的信息。有效的决策工具不仅可以更轻松地消除无影响的设计参数并确定最佳设计权衡，还可以促进工程团队与管理层之间的沟通。
新功能
一、高维工程问题的深度神经网络建模在插值建模的准确性和近似建模的计算速度之间建立了一座桥梁，noesis optimus 2019.1 sp1深度神经网络建模非常适合涉及大型和嘈杂数据集的高维工程问题。
Optimus Deep Neural Networks能够以几乎任意的精度再现复杂的非线性系统的行为，从而实现广泛的应用。这些包括，例如，通过用高保真功能模拟单元（FMU）替换这些组件模型，将计算上昂贵的组件模型更有效地集成到系统仿真模型中。其他潜在的应用包括分析复杂的CFD图像以定位特定的特征，例如湍流或评估大量不同的设计，同时区分可行和不可行的设计。
二、通过Ensemble Modeling协助非专家用户
noesis optimus 2019.1 sp1集合建模功能强烈推荐用于涉及相对较小和异构数据集的工程问题，并且需要建立进一步的工程专业知识。
尽管Ensemble Modeling与Optimus 2018.1引入的最佳模型方法属于同一模型系列，但两种模型类型根本不同。尽管最佳模型类型在可用的Optimus模型中选择最佳模型以根据用户标准拟合给定数据集，但Ensemble Modeling通过平均可用的Optimus模型创建了一个全新的模型。集成建模在帮助非专家用户通过模型平均方法更好地理解他们的工程问题方面特别有用。
三、对工程工作流程执行的更精细控制
除了新的深度神经网络和集合建模功能外，noesis optimus 2019.1 sp1还为具有领先CAD / CAE解决方案的多个界面带来了重大更新 - 包括JMAG Designer，PTC Creo 5.0，CETOL 10.2，NX CAE和LS-Dyna。此外，在构建工程仿真工作流程时，Optimus用户现在可以更好地控制拒绝规则。拒绝规则用于确定是否应从后处理中排除工程模拟实验，并且相关的新功能可以对工程工作流程执行进行更细粒度的控制。
