模拟电路设计方法及装置制造方法及图纸

本申请公开一种模拟电路设计方法及装置，涉及模拟电路技术领域。本申请的方法包括：获取目标模拟电路对应的多目标优化模型、适应度函数和初始集群，目标模拟电路对应的多目标优化模型是根据目标模拟电路对应的多个电路性能指标和多个目标电路设计参数构建的，初始集群包含多个初始参数值组合个体，初始参数值组合个体包含每个目标电路设计参数对应的初始设定值；根据预设优化算法、多目标优化模型和适应度函数对初始集群进行多轮迭代优化处理，以获得最优参数值组合个体，预设优化算法包括全局搜索算法和局部搜索算法，最优参数值组合个体中包含每个目标电路设计参数对应的最优设定值。设定值。设定值。

【技术实现步骤摘要】
模拟电路设计方法及装置


[0001]本申请涉及模拟电路
，尤其涉及一种模拟电路设计方法及装置。

技术介绍

[0002]由于，模拟电路的电路性能指标与模拟电路的电路设计参数有直接关系，且模拟电路的电路性能指标通常不止一个，因此，模拟电路的设计过程即为寻求模拟电路中各个电路设计参数的最优设定值，从而使得模拟电路的多个电路性能指标互相权衡达到最优性能的过程，即模拟电路设计属于多目标优化问题。
[0003]目前，模拟电路通常由模拟电路工程师人工设计完成，即模拟电路工程师根据个人工作经验确定模拟电路的各个电路设计参数的最优设定值。然而，当模拟电路工程师的工作经验不足时，模拟电路工程师便无法准确确定模拟电路的各个电路设计参数的最优设定值，从而无法保证设计得到的模拟电路符合各个电路性能指标。

技术实现思路

[0004]本申请实施例提供一种模拟电路设计方法及装置，主要目的在于准确确定模拟电路的各个电路设计参数的最优设定值。
[0005]为解决上述技术问题，本申请实施例提供如下技术方案：
[0006]第一方面，本申请提供了一种模拟电路设计方法，所述方法包括：
[0007]获取目标模拟电路对应的多目标优化模型、适应度函数和初始集群，其中，所述目标模拟电路对应的多目标优化模型是根据所述目标模拟电路对应的多个电路性能指标和多个目标电路设计参数构建的，所述初始集群包含多个初始参数值组合个体，任意一个所述初始参数值组合个体包含每个所述目标电路设计参数对应的初始设定值；
[0008]根据预设优化算法、所述多目标优化模型和所述适应度函数对所述初始集群进行多轮迭代优化处理，以获得最优参数值组合个体，其中，所述预设优化算法包括全局搜索算法和局部搜索算法，所述最优参数值组合个体中包含每个所述目标电路设计参数对应的最优设定值。
[0009]第二方面，本申请还提供一种模拟电路设计装置，所述装置包括：
[0010]获取单元，用于获取目标模拟电路对应的多目标优化模型、适应度函数和初始集群，其中，所述目标模拟电路对应的多目标优化模型是根据所述目标模拟电路对应的多个电路性能指标和多个目标电路设计参数构建的，所述初始集群包含多个初始参数值组合个体，任意一个所述初始参数值组合个体包含每个所述目标电路设计参数对应的初始设定值；
[0011]处理单元，用于根据预设优化算法、所述多目标优化模型和所述适应度函数对所述初始集群进行多轮迭代优化处理，以获得最优参数值组合个体，其中，所述预设优化算法包括全局搜索算法和局部搜索算法，所述最优参数值组合个体中包含每个所述目标电路设计参数对应的最优设定值。
[0012]第三方面，本申请的实施例提供了一种存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行第一方面所述的模拟电路设计方法。
[0013]第四方面，本申请的实施例提供了一种模拟电路设计装置，所述装置包括存储介质；及一个或者多个处理器，所述存储介质与所述处理器耦合，所述处理器被配置为执行所述存储介质中存储的程序指令；所述程序指令运行时执行第一方面所述的模拟电路设计方法。
[0014]借由上述技术方案，本申请提供的技术方案至少具有下列优点：
[0015]本申请提供一种模拟电路设计方法及装置，本申请能够在模拟电路设计应用程序获取得到目标模拟电路对应的多目标优化模型、适应度函数和初始集群后，由模拟电路设计应用程序根据预设优化算法、多目标优化模型和适应度函数对初始集群进行多轮迭代优化处理，从而获得最优参数值组合个体，即获得每个目标电路设计参数的最优设定值。在本申请中，模拟电路设计应用程序能够基于预设优化算法对初始集群进行多轮迭代优化处理，从而准确确定目标模拟电路的每个目标电路设计参数的最优设定值。
[0016]上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
[0017]通过参考附图阅读下文的详细描述，本申请示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本申请的若干实施方式，相同或对应的标号表示相同或对应的部分，其中：
[0018]图1示出了本申请实施例提供的一种模拟电路设计方法流程图；
[0019]图2示出了本申请实施例提供的另一种模拟电路设计方法流程图；
[0020]图3示出了本申请实施例提供的一种模拟电路设计装置的组成框图。
具体实施方式
[0021]下面将参照附图更详细地描述本申请的示例性实施方式。虽然附图中显示了本申请的示例性实施方式，然而应当理解，可以以各种形式实现本申请而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了能够更透彻地理解本申请，并且能够将本申请的范围完整的传达给本领域的技术人员。
[0022]需要注意的是，除非另有说明，本申请使用的技术术语或者科学术语应当为本申请所属领域技术人员所理解的通常意义。
[0023]本申请实施例提供一种模拟电路设计方法，如图1所示，该方法包括：
[0024]101、获取目标模拟电路对应的多目标优化模型、适应度函数和初始集群。
[0025]其中，目标模拟电路包含多个目标电路设计参数；其中，目标模拟电路对应的多目标优化模型是根据目标模拟电路对应的多个电路性能指标和多个目标电路设计参数构建的；其中，目标模拟电路对应的适应度函数是根据目标模拟电路对应的多目标优化模型构建的；其中，初始集群包含多个初始参数值组合个体，任意一个初始参数值组合个体包含每
个目标电路设计参数对应的初始设定值，其中，初始集群可以为模拟电路工程师根据工作经验人工设置的，也可以根据每个目标电路设计参数对应的设定值上限和设定值下限随机生成的，本申请实施例对此不进行具体限定；其中，目标模拟电路对应的多目标优化模型具体可以如下：
[0026]min{F(x)＝[f1(x),f2(x),
…
,f
n
(x)]},n＝1,2,
…
,N
[0027]x＝(x1,x2,
…
,x
K
),x
imin
≤x
i
≤x
imax
,1≤i≤K
[0028]s.t.:g
i
(x)≤0,i＝1,2,
…
,m
[0029]其中，F(x)为多目标优化模型对应的总指标，f
n
(x)为第n个电路性能指标对应的目标函数，共计N个目标函数，x为参数值组合个体，x
i
为第i个目标电路设计参数对应的设定值，x
imin
和x
imax
为第i个目标电路设计参数对应的设定值上限和设定值下限，g
i
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种模拟电路设计方法，其特征在于，所述方法包括：获取目标模拟电路对应的多目标优化模型、适应度函数和初始集群，其中，所述目标模拟电路对应的多目标优化模型是根据所述目标模拟电路对应的多个电路性能指标和多个目标电路设计参数构建的，所述初始集群包含多个初始参数值组合个体，任意一个所述初始参数值组合个体包含每个所述目标电路设计参数对应的初始设定值；根据预设优化算法、所述多目标优化模型和所述适应度函数对所述初始集群进行多轮迭代优化处理，以获得最优参数值组合个体，其中，所述预设优化算法包括全局搜索算法和局部搜索算法，所述最优参数值组合个体中包含每个所述目标电路设计参数对应的最优设定值。2.根据权利要求1所述的方法，其特征在于，所述根据预设优化算法、所述多目标优化模型和所述适应度函数对所述初始集群进行多轮迭代优化处理，以获得最优参数值组合个体，包括：对于第一轮迭代优化处理：根据所述适应度函数和所述全局搜索算法对所述初始集群进行全局搜索处理，以获得第一本轮优化集群；根据所述多目标优化模型和所述局部搜索算法对所述第一本轮优化集群进行局部搜索处理，以获得第二本轮优化集群；对于第N+1轮迭代优化处理：根据所述适应度函数和所述全局搜索算法对前一轮临时集群进行全局搜索处理，以获得第一本轮优化集群，其中，所述前一轮临时集群为第N轮迭代优化处理后得到的本轮临时集群，N为正整数；根据所述多目标优化模型和所述局部搜索算法对所述第一本轮优化集群进行局部搜索处理，以获得第二本轮优化集群；其中，在每轮迭代优化处理后，判断当前迭代次数是否达到预设最大迭代次数，若达到，则停止迭代优化处理，并在本轮迭代优化处理得到的第二本轮优化集群中选取所述最优参数值组合个体；若未达到，则对本轮迭代优化处理得到的第二本轮优化集群进行反向学习处理，以获得本轮临时集群，并基于所述本轮临时集群进入下一轮迭代优化处理。3.根据权利要求2所述的方法，其特征在于，所述根据所述适应度函数和所述全局搜索算法对所述初始集群进行全局搜索处理，以获得第一本轮优化集群，包括：根据所述适应度函数计算每个所述初始参数值组合个体对应的适应度值；根据每个所述初始参数值组合个体对应的适应度值对多个所述初始参数值组合个体进行降序排列，以获得每个所述初始参数值组合个体对应的适应度序号；根据种群规模、所述当前迭代次数、所述预设最大迭代次数和每个所述初始参数值组合个体对应的适应度序号计算每个所述初始参数值组合个体对应的被选择期望值；根据预设选择算法、所述种群规模和每个所述初始参数值组合个体对应的被选择期望值在多个所述初始参数值组合个体中进行多次选择处理，以获得多个第一优化参数值组合个体；根据预设交叉算法对多个所述第一优化参数值组合个体进行交叉处理，以获得多个第二优化参数值组合个体；根据概率变异算法对多个所述第二优化参数值组合个体进行变异处理，以获得多个第三优化参数值组合个体；将多个所述第三优化参数值组合个体确定为所述第一本轮优化集群。4.根据权利要求2所述的方法，其特征在于，所述前一轮临时集群包含多个前一轮临时
参数值组合个体；所述根据所述适应度函数和所述全局搜索算法对前一轮临时集群进行全局搜索处理，以获得第一本轮优化集群，包括：根据所述适应度函数计算每个所述前一轮临时参数值组合个体对应的适应度值；根据每个所述前一轮临时参数值组合个体对应的适应度值对多个所述前一轮临时参数值组合个体进行降序排列，以获得每个所述前一轮临时参数值组合个体对应的适应度序号；根据种群规模、所述当前迭代次数、所述预设最大迭代次数和每个所述前一轮临时参数值组合个体对应的适应度序号计算每个所述前一轮临时参数值组合个体对应的被选择期望值；根据预设选择算法、所述种群规模和每个所述前一轮临时参数值组合个体对应的被选择期望值在多个所述前一轮临时参数值组合个体中进行多次选择处理，以获得多个第一优化参数值组合个体；根据预设交叉算法对多个所述第一优化参数值组合个体进行交叉处理，以获得多个第二优化参数值组合个体；根据定向变异算法对多个所述第二优化参数值组合个体进行变异处理，以获得多个第三优化参数值组合个体；将多个所述第三优化参数值组合个体确定为所述第一本轮优化集群。5.根据权利要求4所述的方法，其特征在于，所述根据定向变异算法对多个所述第二优化参数值组合个体进行变异处理，以获得多个第三优化参数值组合个体，包括：当N为1时，根据目标适应度序号在多个所述前一轮临时参数值组合个体中选择第一目标参数值组合个体，并根据所述目标适应度序号在多个所述初始参数值组合个体中选择第二目标参数值组合个体；根据所述第一目标参数值组合个体和所述第二目标参数值组合个体计算方向向量；根据所述方向向...

【专利技术属性】
技术研发人员：刘开伟，
申请(专利权)人：北京奕斯伟计算技术股份有限公司，
类型：发明
国别省市：