[发明专利]一种基于贝叶斯优化的多Testbench模拟电路优化方法

权利要求书

1.一种基于贝叶斯优化的多Testbench的模拟电路优化方法；其特征在于，其包括，首先，根据电路性能和Testbench的从属关系对电路性能进行划分，将由同一Testbench得到的电路性能分为一组；其次，为每个电路性能分别构建独立的高斯过程模型；第三，在每次迭代优化中，构建带仿真时间权重的约束预测熵搜索(wPESC)采集函数，选择能使wPESC函数取最大值的Testbench和设计点进行电路仿真；第四，每隔n个迭代轮次，对最严格的约束构建可行域期望提升(FEI)采集函数，应用多模态优化算法搜索FEI函数的局部峰值设计点，在所有局部峰值设计点对包含严格约束性能的Testbench进行电路仿真；最后，用仿真得到的结果更新数据集，进行下一次迭代优化，直到满足算法终止条件，如达到预设的最大允许电路仿真次数，或优化目标值已收敛；

其中：

输入：

1.被测模拟电路和所有测试电路网表、工艺库文件；

2.模拟电路设计参数x，以及设计参数允许的变化范围；

3.电路优化目标f(x)，优化约束集合

4.仿真时间权重w，FEI迭代间隔轮次n；

5.初始随机采样点数N_init；

6.算法终止条件，如最大允许的电路仿真次数，或优化目标值已收敛；

输出：

优化所得的电路设计参数以及对应的电路性能指标。

2.按权利要求1所述的方法，其特征是，所述方法包括具体步骤：

步骤1：根据电路性能和Testbench的从属关系对电路性能进行划分，将由同一仿真Testbench得到的电路性能分为一组；

步骤2：为每个电路性能分别构建独立的高斯过程模型；

步骤3：判断当前迭代次数是否为间隔轮次n的整数倍，如果是则跳转步骤5，否则跳转步骤4；

步骤4：为每个Testbench构建带仿真时间权重的约束预测熵搜索(wPESC)采集函数，选择最大化wPESC采集函数的Testbench及相应设计点进行仿真；

步骤5：对严格约束构建可行域期望提升(FEI)采集函数，应用多模态优化算法搜索FEI函数的局部峰值设计点，在所有局部峰值设计点对包含严格约束的Testbench进行电路仿真；

步骤6：若满足终止条件，则算法终止，否则将仿真结果加入训练集，转入步骤2。

3.按权利要求2所述的方法，其特征是，所述步骤1中，根据电路性能和Testbench的从属关系对电路性能进行划分，将由同一Testbench得到的电路性能分为一组；

设计参数x是设计空间D中d维向量，表示电阻值、电容值、晶体管的长宽等电路设计参数；不失一般性，典型的模拟电路参数优化问题可以抽象为带约束的单目标优化问题；电路性能包括优化目标性能和约束性能两类，其中待优化目标性能由函数f₀(x)表示，c_i(x)表示第i个约束指标，假设待优化问题共有N_c个约束，则带约束的单目标优化问题表示为：

对于多Testbench的模拟电路优化问题，首先根据Testbench的从属关系将电路性能分组；给定电路性能集合如果两个电路性能c_i和c_j可在相同的外围测试电路、相同激励源和相同的仿真类型，即同一个Testbench下仿真得到，则在两者之间可定义一个等价关系；依照上述等价关系，电路性能集合F被划分为集合F＝{F_t,t∈[1,|F|]}，其中|F|表示Testbench总数，集合F_t为第t个Testbench可得到的所有电路性能集合；经过将电路性能依照Testbench分组，将原始优化问题(1)重新定义为带约束的多Testbench优化问题，即：

其中，是属于第t个Testbench的第j个电路性能，显然，问题(2)中的和问题(1)中的c_i(x)存在一一对应关系。