HyperLynx Design Space Exploration

Initialement, les utilisateurs modifient la conception et simulent à nouveau les changements un à la fois. Cela fonctionne bien pour les études simples et est facile à comprendre pour les nouveaux utilisateurs de simulation. Cette méthode fonctionne mieux lorsqu'il n'y a qu'un ou deux paramètres de conception (variables) à étudier et lorsque l'utilisateur peut facilement déterminer les valeurs des paramètres à utiliser pour la prochaine étude en fonction des résultats des précédentes.

Lorsque le nombre de combinaisons de paramètres de conception (permutations) à étudier devient plus qu'une poignée, une méthodologie plus cohérente et organisée est nécessaire. L'analyse des paramètres Swept-permet à l'utilisateur de définir les paramètres et les valeurs associées à étudier, puis utilise une méthodologie automatisée pour simuler le comportement de chaque cas, en construisant un tableau des résultats afin que le meilleur puisse être identifié. La clé de cette méthodologie est la sélection d'une métrique quantitative, ou chiffre de mérite - une valeur numérique dérivée des résultats de la simulation qui sert d'indication du comportement de la conception. L'analyse des paramètres Swept-est disponible en deux catégories - analyse complète, où toutes les combinaisons de toutes les variables de conception sont explorées, et analyse réduite des ensembles, où seul un sous-ensemble de toutes les combinaisons est exploré.

Analyse d'ensembles réduite est important parce que le nombre de permutations dans une analyse complète augmente rapidement à mesure que les variables et les valeurs sont ajoutées au mélange. L'analyse complète évalue toutes les combinaisons de toutes les variables, qu'elles aient un sens ou non. L'analyse réduite des ensembles aide à garder les temps de simulation gérables dans ces conditions, en permettant aux utilisateurs de tirer parti de leur intuition de conception et en spécifiant des moyens de limiter le nombre de cas explorés.

Pour les grandes études, le nombre de cas à explorer peut atteindre des millions, et l'exploration traditionnelle n'est plus possible. Dans ces cas, le sous-ensemble de toutes les permutations qui seront simulées doit être sélectionné très efficacement à l'aide de méthodes d'échantillonnage mathématiques avancées, car seul un petit pourcentage du nombre total de permutations peut être pratiquement simulé. C'est ce que font les outils d'optimisation avancés - l'utilisateur définit la gamme de variables de conception et de valeurs à explorer (le espace de conception), les métriques de sortie utilisées pour comparer le comportement de conception (le réponses), les valeurs pour les réponses qui définissent le succès ou l'échec de la conception (la conception cibles) et, pour chaque réponse, si l'intention est de maximiser ou de minimiser sa valeur (la conception objectifs).

Le surface de réponse est défini comme l'espace n dimensionnel créé par la valeur de chaque métrique sur la plage d'entrées - en termes simples, un diagramme des valeurs de sortie. Lorsqu'une seule variable existe, la surface de réponse est un tracé 2D (x-y), ou une courbe. Lorsque deux variables d'entrée existent, la surface de réponse est un tracé 3D, avec la métrique de sortie tracée sur l'axe Z. Lorsque trois variables d'entrée existent, la surface de réponse devient 4 dimensionnelle, et ainsi de suite. Ces surfaces de réponse d'ordre supérieur sont difficiles à intérioriser pour les humains, mais la complexité supplémentaire ne fait pas beaucoup de différence pour les ordinateurs et les algorithmes mathématiques, à part le temps, la mémoire et les calculs requis. Ainsi, les outils d'optimisation avancés (HL-DSE en fait partie) combinent l'analyse basée sur la surface de réponse avec des algorithmes numériques sophistiqués qui utilisent des expériences de simulation pour étudier automatiquement un grand espace de conception aussi efficacement et de manière complète que possible.