HyperLynx Design Space Exploration

Sprva uporabniki spremenijo zasnovo in ponovno simulirajo spremembe eno za drugim. To dobro deluje za preproste študije in ga novi uporabniki simulacije enostavno razumejo. Ta metoda najbolje deluje, če je treba preučiti le enega ali dva načrtovalna parametra (spremenljivke) in ko lahko uporabnik zlahka določi vrednosti parametrov, ki jih bo uporabil za naslednjo študijo na podlagi rezultatov prejšnjih.

Ko število kombinacij načrtovanih parametrov (permutacij), ki jih je treba preučiti, postane več kot peščica, je potrebna bolj dosledna in organizirana metodologija. Analiza parametrov SWEPT omogoča uporabniku določitev parametrov in povezanih vrednosti, ki jih je treba preučiti, nato pa uporablja avtomatizirano metodologijo za simulacijo vedenja vsakega primera in sestavi tabelo rezultatov, tako da je mogoče identificirati najboljše. Ključna za to metodologijo je izbira kvantitativne metrike ali številke zaslug - številske vrednosti, ki izhaja iz rezultatov simulacije, ki služi kot pokazatelj vedenja zasnove. Analiza parametrov SWEPT je na voljo v dveh kategorijah - popolna analiza, kjer se raziskujejo vse kombinacije vseh oblikovalskih spremenljivk, in analiza zmanjšanega niza, kjer se raziskuje le podmnožica vseh kombinacij.

Analiza zmanjšanega niza je pomemben, ker število permutacij v popolni analizi hitro raste, ko se mešanici dodajo spremenljivke in vrednosti. Popolna analiza ocenjuje vse kombinacije vseh spremenljivk, ne glede na to, ali so smiselne ali ne. Zmanjšana analiza nizov pomaga ohranjati čas simulacije v teh pogojih, saj uporabnikom omogoča, da izkoristijo svojo oblikovalsko intuicijo in določijo načine za omejitev števila raziskovanih primerov.

Za velike študije lahko število primerov, ki jih je treba raziskati, naraste na milijone, tradicionalno raziskovanje pa ni več mogoče. V teh primerih je treba podmnožico vseh permutacij, ki bodo simulirane, izbrati zelo učinkovito z uporabo naprednih matematičnih metod vzorčenja, saj je le majhen odstotek celotnega števila permutacij mogoče praktično simulirati. To počnejo napredna orodja za optimizacijo - uporabnik določi obseg oblikovalskih spremenljivk in vrednosti, ki jih je treba raziskati ( oblikovalski prostor), izhodne meritve, ki se uporabljajo za primerjavo vedenja oblikovanja ( odzivi), vrednosti za tiste odzive, ki opredeljujejo uspeh ali neuspeh oblikovanja (zasnova cilji) in za vsak odziv, ali je namen povečati ali zmanjšati njegovo vrednost (zasnova goli).

odzivna površina je opredeljen kot n-dimenzionalni prostor, ki ga ustvari vrednost vsake metrike v obsegu vhodov - preprosto rečeno, diagram izhodnih vrednosti. Kadar obstaja samo ena spremenljivka, je odzivna površina 2D (x-y) ploskev ali krivulja. Kadar obstajata dve vhodni spremenljivki, je odzivna površina 3D grafikon, pri čemer je izhodna metrika narisana na osi Z. Ko obstajajo tri vhodne spremenljivke, odzivna površina postane štiridimenzionalna itd. Te odzivne površine višjega reda je za ljudi težko internalizirati, vendar dodatna zapletenost ne vpliva veliko za računalnike in matematične algoritme, razen potrebnega časa, pomnilnika in izračunov. Tako napredna orodja za optimizacijo (eno izmed njih je HL-DSE) združujejo analizo na površini odziva s prefinjenimi numeričnimi algoritmi, ki uporabljajo simulacijske poskuse za samodejno raziskovanje velikega oblikovalskega prostora čim bolj učinkovito in celovito.