Dakota工具包在仿真代码和迭代分析方法之间提供了灵活且可扩展的接口。Dakota包含使用梯度和非基于梯度的方法进行优化的算法；采用抽样，可靠性和随机扩展方法进行不确定性量化；用非线性最小二乘法进行参数估计；实验设计和参数研究方法进行灵敏度/方差分析。这些功能可以单独使用，也可以作为高级策略（例如基于替代的优化，混合整数非线性规划或不确定性优化）中的组件使用。通过采用面向对象的设计来实现迭代系统分析所需的关键组件的抽象，Dakota工具包为高性能计算机上的计算模型的设计和性能分析提供了灵活而可扩展的问题解决环境。
分类目录
