HyperLynx Design Space Exploration

Początkowo użytkownicy modyfikują projekt i ponownie symulują zmiany pojedynczo. Działa to dobrze w przypadku prostych badań i jest łatwe do zrozumienia dla nowych użytkowników symulacji. Ta metoda działa najlepiej, gdy istnieje tylko jeden lub dwa parametry projektowe (zmienne) do zbadania i gdy użytkownik może łatwo określić wartości parametrów do wykorzystania w następnym badaniu na podstawie wyników poprzednich.

Gdy liczba kombinacji parametrów projektowych (permutacji) do badania staje się większa niż garstka, potrzebna jest bardziej spójna i zorganizowana metodologia. Analiza parametrów SWEPT pozwala użytkownikowi zdefiniować parametry i powiązane wartości, które mają być badane, a następnie wykorzystuje zautomatyzowaną metodologię do symulacji zachowania każdego przypadku, tworząc tabelę wyników, aby można było zidentyfikować najlepsze. Kluczem do tej metodologii jest wybór metryki ilościowej lub liczby zasługi - wartości liczbowej pochodzącej z wyników symulacji, która służy jako wskazówka zachowania projektu. Analiza parametrów swept-występuje w dwóch kategoriach - pełna analiza, gdzie badane są wszystkie kombinacje wszystkich zmiennych projektowych, oraz zredukowana analiza zestawu, gdzie badany jest tylko podzbiór wszystkich kombinacji.

Analiza zredukowanych zestawów jest ważne, ponieważ liczba permutacji w pełnej analizie szybko rośnie wraz z dodawaniem zmiennych i wartości do mieszanki. Pełna analiza ocenia wszystkie kombinacje wszystkich zmiennych, niezależnie od tego, czy mają sens, czy nie. Zmniejszona analiza zestawów pomaga w zarządzaniu czasem symulacji w tych warunkach, umożliwiając użytkownikom wykorzystanie intuicji projektowej i określając sposoby ograniczenia liczby zbadanych przypadków.

W przypadku dużych badań liczba przypadków do zbadania może wzrosnąć do milionów, a tradycyjna eksploracja nie jest już możliwa. W takich przypadkach podzbiór wszystkich permutacji, które będą symulowane, musi być wybrany bardzo skutecznie przy użyciu zaawansowanych matematycznych metod próbkowania, ponieważ tylko niewielki procent całkowitej liczby permutacji można praktycznie symulować. Tak właśnie robią zaawansowane narzędzia optymalizacyjne - użytkownik definiuje zakres zmiennych projektowych i wartości do zbadania ( przestrzeń projektowa), metryki wyjściowe używane do porównania zachowań projektowych ( odpowiedzi), wartości dla odpowiedzi, które definiują sukces lub porażkę projektu (projekt cele) oraz, dla każdej odpowiedzi, czy celem jest maksymalizacja lub zminimalizowanie jej wartości (projekt cele).

The powierzchnia odpowiedzi definiuje się jako n-wymiarową przestrzeń tworzoną przez wartość każdej metryki w zakresie wejść - po prostu wykres wartości wyjściowych. Gdy istnieje tylko jedna zmienna, powierzchnią odpowiedzi jest wykres 2D (x-y) lub krzywa. Gdy istnieją dwie zmienne wejściowe, powierzchnia odpowiedzi jest wykresem 3D, z metryką wyjściową wydrukowaną na osi Z. Gdy istnieją trzy zmienne wejściowe, powierzchnia odpowiedzi staje się czterowymiarowa i tak dalej. Te powierzchnie odpowiedzi wyższego rzędu są trudne do internalizacji dla ludzi, ale dodatkowa złożoność nie ma większego znaczenia dla komputerów i algorytmów matematycznych, poza wymaganym czasem, pamięcią i obliczeniami. W ten sposób zaawansowane narzędzia optymalizacyjne (jednym z nich jest HL-DSE) łączą analizę powierzchni odpowiedzi z wyrafinowanymi algorytmami numerycznymi, które wykorzystują eksperymenty symulacyjne do automatycznego badania dużej przestrzeni projektowej tak wydajnie i kompleksowo, jak to możliwe.