CST Studio Suite为电磁系统和设备提供了自动优化例程。可以针对 CST Studio Suite 模型的几何尺寸或材料属性对其进行参数化。这样,用户就可以研究设备在其属性发生改变时的行为。
用户可以查找最佳设计参数,以达到既定效果或实现某个目标。他们还可以调整材料属性以适应测量的数据。
CST Studio Suite 包含多种自动优化算法,既有本地算法也有全局算法。本地优化器提供了快速融合,但有可能只是本地的最低限度融合,而不是整体最佳的解决方案。另一方面,全局优化器可以搜索整个有问题的空间,但一般需要执行更多计算。
对于极其复杂的系统或存在大量变数的问题,可以使用高性能计算技术来加快仿真和优化速度。特别是,可以通过使用分布式计算来大幅提高全局优化器的性能。
软件功能集
1、Covariance Matrix Adaptation Evolutionary Strategy
Covariance Matrix Adaptation Evolutionary Strategy (CMA-ES) 是最精密的全局优化器,可为全局优化器带来相对快速的融合。借助 CMA-ES,优化器可以“记住”之前的迭代,此历史记录可用于提高算法的性能,同时避免出现局部最优。
适用于:全局优化,尤其是复杂的问题领域
2、信任区域框架(TRF)
一款强大的本地优化器,基于主要数据在起点周围的“信任”区域构建线性模型。建模的解决方案将用作新的起点,直至其融合至准确的数据模型。信任区域框架可以充分利用 S 参数敏感性信息减少所需的仿真数,同时加快优化流程。这是最为可靠的优化算法。
适用于:全局优化,尤其是带有敏感信息的模型
3、Genetic Algorithm
Genetic Algorithm 使用演化方法进行优化,在参数空间生成多个点,然后通过多个生成结果对这些点进行细化,会出现随机的参数突变。此算法在每个生成结果中选择“最适当的”参数集,从而融合至全局最优方案。
适用于:复杂的问题和具有许多参数的模型
4、Particle Swarm Optimization
另一款全球优化器,此算法将参数空间的点视为移动粒子。在每个迭代中,粒子的位置不仅根据每个粒子的最佳位置更改,而且会根据整体的最佳位置进行更改。Particle Swarm Optimization 适用于具有许多参数的模型。
适用于:具有许多参数的模型
5、Nelder Mead Simplex Algorithm
此方法是本地优化技术,使用在参数空间分布的多个点来查找最优方案。相比大多数本地优化器,Nelder Mead Simplex Algorithm 更少依赖于起点。
适用于:复杂的问题领域,其中具有相对较少的参数,系统没有良好初始模型
6、lnterpolated Quasi Newton
这是一款快速的本地优化器,使用插值接近参数空间的梯度。Interpolated Quasi Newton 方法具有快速融合。
适用于:具有计算要求的模型
7、Classic Powell
一款简单可靠的本地优化器,用于解决单参数问题。尽管速度慢于 Interpolated Quasi Newton,但有时更加准确。
适用于:单变量优化
8、Decap Optimization
Decap Optimizer 是一款用于印刷电路板 (PCB) 设计的专门优化器,其使用 Pareto 波前法计算去耦电容器最有效的布置。这样可以最大程度减少所需的电容器数量或降低总成本,同时仍满足指定的阻抗曲线。
适用于:PCB 布局