HyperLynx Design Space Exploration

Сначала пользователи изменяют дизайн и повторно моделируют изменения по очереди. Это хорошо подходит для простых исследований и легко понятен начинающим пользователям моделирования. Этот метод лучше всего работает, когда необходимо изучить только один или два проектных параметра (переменных) и когда пользователь может легко определить значения параметров для следующего исследования на основе результатов предыдущих исследований.

Когда количество изучаемых комбинаций проектных параметров (перестановок) становится более чем небольшим, возникает необходимость в более последовательной и организованной методологии. Анализ параметров Swept позволяет пользователю определить параметры и связанные с ними значения, которые необходимо изучить, а затем с помощью автоматизированной методологии моделировать поведение каждого случая, создавая таблицу результатов, позволяющую определить наилучшие результаты. Ключом к этой методологии является выбор количественной метрики или показателя заслуг — числового значения, полученного на основе результатов моделирования, которое служит индикатором поведения проекта. Анализ параметров SWEPT делится на две категории: полный анализ, где исследуются все комбинации всех проектных переменных, и сокращенный анализ множеств, где исследуется только часть всех комбинаций.

Сокращенный анализ множеств важно, потому что количество перестановок в полном анализе быстро растет по мере добавления переменных и значений. Полный анализ оценивает все комбинации всех переменных, независимо от того, имеют ли они смысл или нет. Сокращенный анализ множеств помогает контролировать время моделирования в этих условиях, позволяя пользователям использовать интуицию проектирования и определять способы ограничения количества исследуемых случаев.

В крупных исследованиях количество изучаемых случаев может возрасти до миллионов, а традиционная разведка больше невозможна. В этих случаях подмножество всех смоделируемых перестановок должно быть очень эффективно выбрано с использованием передовых математических методов выборки, поскольку практически можно смоделировать лишь небольшой процент от общего количества перестановок. Это то, что делают передовые инструменты оптимизации: пользователь определяет диапазон проектных переменных и значений, которые необходимо исследовать ( дизайнерское пространство), выходные метрики, используемые для сравнения поведения при проектировании ( ответы), значения тех ответов, которые определяют успех или неудачу проектирования (проект) цели) и, по каждому ответу, ставится ли цель максимизировать или минимизировать его ценность (дизайн) целей).

The поверхность ответа определяется как n-мерное пространство, создаваемое значением каждой метрики в диапазоне входных данных — проще говоря, график выходных значений. Если существует только одна переменная, поверхность ответа представляет собой двумерный график (x-y) или кривую. При наличии двух входных переменных поверхность ответа представляет собой трехмерный график, а выходная метрика нанесена на ось Z. При наличии трех входных переменных поверхность ответа становится четырехмерной и так далее. Человеку трудно усвоить эти поверхности ответа более высокого порядка, но дополнительная сложность не имеет большого значения для компьютеров и математических алгоритмов, кроме времени, памяти и необходимых вычислений. Таким образом, передовые инструменты оптимизации (один из них — HL-DSE) сочетают анализ поверхности отклика со сложными численными алгоритмами, использующими имитационные эксперименты для максимально эффективного и всестороннего автоматического исследования большого проектного пространства.