设计变量：子午面形状、叶片形状、扩压器叶片出口角、轮毂结构参数，共32个设计变量高变量问题；

优化目标：提高额定工况下的离心压缩机效率，降低整体质量，降低最大应力；

约束条件：流量不小于原始流量（0.9~1.0kg/s）、整体尺寸不变    昂贵约束问题

优化结果：在一个经过充分手工优化设计的基础上，进行多学科多目标优化，仅迭代175步，将效率提高1%，质量减轻接近8.1%，同时应力降低接近17%。

案例2

考虑汽车碰撞性能的车身轻量化优化设计

问题背景：汽车碰撞性能是汽车安全的重要指标，某世界著名汽车公司面临汽车碰撞性能优化设计问题，当时该公司未找到商业软件可以找到满足所有约束的设计。

设计变量：车身厚度，共124个设计变量，属于高变量问题；

优化目标：车身质量最小；

约束条件：碰撞模式、噪声振动、耐久性等性能指标，共68个约束，属于昂贵约束问题；

优化结果：泽优-OASIS仅用了2000个搜索点将车身质量减轻11%，并满足所有的施加约束，比该公司当时使用的优化方法快了近一倍。

案例3

汽车前副车架加强筋尺寸位置及前横梁截面优化设计

案例3

汽车前副车架加强筋尺寸位置及前横梁截面优化设计

问题背景：某汽车底盘零部件供应商要求对汽车某一前副车架进行优化设计。

设计变量：两组加强筋的添加角度、高度、宽度以及另一组加强筋的高度和宽度，共8个设计变量；

优化目标：前副车架总质量最小；

约束条件：满足结构强度要求；

优化结果：优化时间从一周减少到半天，重量从优化前的6.81Kg到4.41Kg，减重35%。

案例4

燃料电池部件和系统优化设计

问题背景：某著名能源公司希望对一个已获得专利的燃料电池的部件和系统优化，以提高能量密度和降低成本。

设计变量：几何尺寸、运行参数、系统配置参数，共7个设计变量；

优化目标：提高能量密度和降低成本；

约束条件：总体积小于小汽车后备箱容积；

优化结果：泽优-OASIS优化后的设计与工程师的经验设计相比，能量密度提高了43%，成本降低了16%。

案例5

烟道导流板优化设计

问题背景：对风机管道隔板进行尺寸优化，以提升中间滤网过滤效果。

设计变量：第一排导流板中最长板的长度、第一排导流板中最长板与顶板之间的距离、第一排导流板中最后一块短板的角度等，共36个设计变量

优化目标：每块隔板之间的气体压力平均值最小

优化结果：工程师使用传统设计方法，不断试错，调整模型，使用10个工作日时间，与泽优-OASIS平均计算时间50分钟得出的结果精度、准确度相似。

案例6

飞船墙面优化设计

问题背景：某飞船侧壁墙面为方格网结构，其中每个方格尺寸可以各不相同，材料为铝合金，客户希望对该结构进行优化设计以节省材料

生产制造

案例7

工艺设计：白车身焊接总成基准优化设计

问题背景：白车身装配过程中冲压件的定位点和夹具位置对最终装配尺寸质量有重大影响。某汽车公司希望找到这些零件的装配定位点和夹具的最佳位置，使得最终的装配尺寸精度最高，以减少制造质量问题，从而降低制造成本并提高产品质量。

设计变量：考虑10个车身零件的装配定位点和夹具最佳位置，共100个设计变量（每个零件包含1个定位圆孔、1个腰型孔和3个夹紧点位置，每个位置需考虑x,y坐标），属于高变量问题；

设计变量：调整资源配置（增加资源配置、根据拥挤程度、等待时间、部门临时性的关闭等情况分配现有资源）；

优化目标：缩短病人在急诊室的全部就诊时间；

优化结果：泽优-OASIS优化了医生、护士和床位的协同配置，减少了部门50%的资源浪费，缩短了平均等待时间100分钟。

应用领域

工业产品设计         生产制造                 非制造领域

客户评价

· 美国苹果公司总部设计师贝扎德·侯泽瑞：“在使用了很多前沿的优化软件之后，我发现OASIS对解决电磁结构中常见的高变量、高计算量、多局域优化、黑箱设计问题是最强大的。”

· 大连星派科技有限公司   陈教授：“OASIS基于机器学习的优化求解在效率与稳定性上具有较为明显优势。OASIS的机器学习算法中，仅用少量样本进行训练，即可实现模型修正，有效去除试验数据中噪音较大的数据，同时在修正的目标上更加灵活，还可以降低模型修正的难度，提高修正的效率和精度。”

· 长春光机所产品设计师　杨经理：“好像没有什么优化问题能够难倒泽优-OASIS，简单明了的界面，智能的算法，全局多目标优化，即便是变量数量为几十上百个，也一样能做到快速收敛。”

· 中国农业科学院王博士：“泽优-OASIS是一款很优秀的优化设计软件，可以与Ansys实现无缝连接，一键实现自动优化，比正交或者响应面法结果更精准，尤其对于多参数求解问题表现很好。

· 北京理工大学宇航学院　龙教授：“OASIS汇聚了加拿大SFU-PDOL团队最前沿的技术成果，融合人工智能、数理统计以及数值优化技术算法，高效求解复杂优化问题最优方案，对于挖掘复杂产品性能具有积极的工程价值。”

· 北京索为系统技术股份有限公司　张副总裁：“我们将泽优-OASIS和SYSWARE.IDE产品集成，利用泽优-OASIS基于机器学习的优化算法优势大大加强了IDE在优化设计方面的能力。泽优-OASIS在离散域、连续域的大变量、大约束的单目标、多目标寻优问题中，在快速性和准确性方面都表现出不俗的优势。结合IDE在流程集成、软件适配，以及界面开发方面的优势，能够快速解决各类优化问题。”

· 巴斯夫中国CAE经理 Jimmy Jin：“和用过的其他优化软件相比，泽优-OASIS智能优化软件操作非常简单、功能强大，帮助我们的客户解决了大变量、强约束的很多复杂设计的难题。大大提升了设计的方案，带来了很大的经济效益。”

优化目标：最终装配偏差最小化（评估224个车身总成关键特性点的6σ值加权和）；

约束条件：指定圆孔、腰型孔和夹钳夹紧点距离切边的最小值、圆孔、腰型孔和夹钳夹紧点应该在每个零件的几何边界内、圆孔、腰型孔和夹钳夹紧点不应相互干涉；

优化结果：该问题是个组合爆炸问题，所有可能的设计方案总数大约是2 x 10¹⁷²。泽优-OASIS进行了１万次尝试，使得这个具有10个部件的装配件质量提高了65%。

非制造领域

案例8

医院急诊室流程优化

问题背景：某医院急诊室想知道哪些因素导致了等待时间过长，有哪些措施可以加速看病过程，如何在等待时间和资源投入之间找到最优的平衡。