NSGA-II — CAE用语解释

NSGA-II（Non-dominated Sorting Genetic Algorithm II）是基于遗传算法的多目标优化方法。它通过帕累托非劣解的排名和拥挤距离来维持种群的多样性，同时高效地探索帕累托前沿。自从2000年由Deb提出以来，它一直是事实上的标准算法。

它将所有解分层：第1级是"没有被其他解支配的解"，第2级是"仅被第1级解支配的解"，依此类推。等级越低越好。拥挤距离则是帕累托前沿上用来衡量解分散程度的指标，通过降低处于拥挤区域的个体的评分，来保证最终得到多样化的解集。

将设计变量（板厚、尺寸、形状参数）编码为NSGA-II的基因，使用FEM/CFD的分析结果作为目标函数来评估。典型设置是种群大小50～200、代数100～500。你可以用modeFRONTIER或pymoo等工具轻松实现。

50×200=10000次FEM确实不现实。所以标准做法是与元模型（响应曲面）结合：50次FEM→用Kriging构建响应曲面→NSGA-II进行10000次曲面评估→用FEM验证最优候选。这个循环可以在合理的时间内完成优化。

用Python的pymoo库来解决二目标测试问题是最好的入门方式。