Optimization_2

延續上一章節，筆者用不同方式探討優化方法。

前一章節，針對了共振頻率點做優化演示。但如果想要對整個頻譜作優化，有什麼方法呢？

延續前一章節的部分設定，筆者做部分步驟的修改。如圖1-12，為了在Results中容易呼叫結果比較，筆者把資料饋入電壓源中，並把目標阻抗與模擬阻抗做相減再取平方。最後利用Range Function對整個頻段的差值平方取平均，並設定到Optimetrics中。如此，就可以針對全部頻段作全面考量。

圖1-12

針對全頻段作優化，我們選擇誤差最小的第659筆資料，得到的響應會比單一共振頻率點更貼近目標阻抗曲線。

圖1-13

雖然內建的Optimetrics可以在此簡單優化條件下使用。好奇心驅使下，筆者又針對同一個案件，使用optiSLang來做一次優化比較。

圖1-14

如圖1-14中，在此參數量只有三個的案例，類似的設定，optiSLang使用最新的優化演算法OCO(One Click Optimization)做最佳化，只需要用250筆的資料，就得到更貼近的優化結果。並在這個分析中，觀察到各參數對目標阻抗的相依性。顯示optiSLang演算法是比內建的Optimetrics優異且快速有效。

在使用optiSLang的時候，請參考下面的設定才能讓多參數的執行的快速有效。尤其是Run Mode，請避免使用Single simulation，選擇Regular DSO，才能讓開啟單一AEDT執行多參數分析的功能。一次開啟的多參數數量會依據Designs per execution。

在這個模擬，我選擇不把每次的檔案結果紀錄，所以在Copy Simulation Results 選擇Never，則模擬細部結果不會被儲存，可以節省大量硬碟空間。

圖1-15

Design in Parallel是指位於MOP內的設置，其定義與"Maximum in Parallel"完全一樣，差別僅在於是一口氣定義整個MOP內的所有Node，而不需要用戶點開每個Node來獨立設定

Maximum in Parallel是指位於Node內的設置，其定義是控管optiSLang執行Node的數量，所以當設置Node 程式(在此處是AEDT Simplorer)的Maximum in Parallel = 6時，optiSLang 就會執行6次AEDT Node，且會開啟6個AEDT來求解。

Design per Executiong是指位於Node內的設置，其定義跟"Maximum in Parallel"最大的不同就是，僅執行一次Node來完成平行運算，所以當您設置AEDT的Design per Executiong=4時，optiSLang僅開啟 1 個AEDT來求解，但optiSLang會使用AEDT內的optimetrics設置來不同的變數，且會等4個平行運算都完成後才關閉AEDT進行下一個動作。