【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 ...
【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:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。