集成与优化

绿洲软件拥有世界领先的智慧优化算法，能高效解决一系列的设计优化问题，包括单目标，多目标，

大变量，多峰值的问题。绿洲也用智能封装的思想使得用户无需选择优化算法和参数，只需一键即可运行优化。

 

易学易用

绿洲软件提供简单明了的图形用户界面。用户可以很容易地定义设计目标，约束，和变量。 由于无需选择优化算法和调参数，用户可以很方便快捷地进行优化设计。

用户可以容易地定义设计变量，目标和约束

可视化探索

绿洲软件提供一系列的可视化工具，使用户可以有效地分析设计空间，获取深度信息。从我们独有的平行座标图到信息丰富的三维表面图，我们所有的可视化工具都无缝集成在一起，使用户可以获得较多的关于设计问题本身的知识。

 

 

在工程和商业领域中，通常需要决策者在多种选择里挑出最佳的方案。绿洲软件推出一个决策支持模块。用户可以设置评价标准的权重，筛选，和排序，并进行敏感度分析。对OEM（原始设备生产商），此模块可以用于对供应商的选择和系统集成。设计者也可以在众多的方案中选出优异的产品或过程设计。绿洲还在此模块中提供可视化工具帮助决策者与数据进行可视化交互。

 

 

 

绿洲专有的优化算法包括：

SOGO（单目标全局优化）：用以解决含一个优化目标和多个小计算量约束的问题

MOGO（多目标全局优化）：用以解决含多个优化目标和多个小计算量约束的问题

SOGO-C（单目标大计算量约束全局优化）：用以解决含大计算量约束或者高约束的单目标全局优化问题

基于20多年的加拿大著名大学团队的潜心研究成果，以上算法智慧地集成了人工智能，机器学习，统计，

和数学的各种方法，可以高效率地找到最优的设计。

首先，算法用智能实验设计方法，或者说抽样方法，来生成探索点。绿洲软件再驱动计算机分析/仿真软件

(或者物理实验) 来评价生成的样本。然后绿洲对这些样本和评价结果进行建模，学习，统计分析，数学规划

和寻优。处理完的结果用来指导下一次迭代的智能抽样。以上过程循环迭代直到收敛。