نام پژوهشگر: مریم ده باشیان

استفاده از تکنیک های جدید بهینه سازی هوش جمعی در طراحی مدارات مجتمع آنالوگ
thesis وزارت علوم، تحقیقات و فناوری - دانشگاه بیرجند - دانشکده مهندسی 1389
  مریم ده باشیان   سیدحمید ظهیری

امروزه محققین از روشهای بهینه سازی متفاوتی در ابزارهای طراحی خودکار مدارات مجتمع آنالوگ استفاده می کنند، رویکرد جدید محققین در سالهای اخیر استفاده از الگوریتم های ابتکاری بویژه الگوریتم های هوش جمعی است. در این رساله از روشهای جستجوی بهینه سازی هوش جمعی به دلیل مشخصات عملکردی کارآمد، استقبال روزافزون محققین در استفاده از آنها و دارا بودن زمینه های بکر فراوان استفاده میشود. از جمله جدیدترین الگوریتم های هوش جمعی میتوان به الگوریتم جستجوی گرانشی (gsa) اشاره کرد. این الگوریتم، با الهام از مفاهیم جرم و نیروی جاذبه و با شبیه سازی قوانین مربوطه ارائه شده است. اما از آنجا که طراحی مدارات آنالوگ یک مسئله چندهدفه بوده و شاخصهای مختلف مدارات همچون بهره، پهنای باند، حاشیه فاز و توان مصرفی با یکدیگر در تعارض هستند، بنابراین به آسانی نمیتوان از میان جوابهای بدست آمده بهترین پاسخ را یافت. از اینرو بایستی میان جوابهای بدست آمده مصالحه ای شایسته برقرار نمود که این امر با چند هدفه ساختن الگوریتم بهینه سازی میسر میشود. در این رساله، روش جدیدی در بهینه سازی چند هدفه مبتنی بر الگوریتم جستجوی گرانشی به نام الگوریتم جستجوی گرانشی چند هدفه (mogsa) ارائه میشود. در الگوریتم mogsa از روش «بهینگی پَرِتو» برای شناسایی موقعیتهای «غیر غالب» و از یک «مخزن بیرونی» به عنوان حافظه ای برای نگهداری این موقعیتها استفاده میشود. برای اطمینان از صحت عملکرد روش ارائه شده در مواجهه با مسائل بهینه سازی چند هدفه،توسط چندین تابع استاندارد و معتبر مورد آزمایش قرار گرفته است. نتایج نهایی نشان از رقابت تنگاتنگ روش پیشنهادی با دیگر الگوریتم های بهینه سازی چند هدفه رایج دارد، از اینرو میتوان ادعا کرد الگوریتم mogsa بستر جدیدی از تحقیقات را فرا روی محققین قرار داده است. در این رساله یک ابزار بهینه سازی جدید جهت سایزبندی خودکار مدارات مجتمع آنالوگ پیشنهاد میشود. این ابزار توانایی جستجوی وسیع و موثری را در بازه های از پیش تعیین شده طراحی دارد. ابزار فوق در ابتدا با استفاده از یک نرم افزار شبیه ساز مدار مورد نظر را شبیه سازی می کند، سپس نتایج شبیه سازی بوسیله الگوریتمهای چند هدفه هوش جمعی بهینه سازی شده و تا حصول نتیجه مطلوب این روند ادامه می یابد. الگوریتم های چند هدفه هوش جمعی مورد استفاده، الگوریتم بهینه سازی چند هدفه گروه ذرات (mopso) و الگوریتم جستجوی گرانشی چند هدفه (mogsa) می باشند که در ابزار پیشنهادی به طور جداگانه بکار رفته اند. برنامه های اصلی این ابزار با نرم افزار matlab پیاده سازی شده و شبیه سازی مدارات توسط نرم افزار hspice انجام میشود. این ابزار قابلیت سایزبندی هر نوع مدار آنالوگ را دارد. برای بررسی توانایی سیستم پیشنهادی در بهینه سازی طراحی مدارات مجتمع آنالوگ عملکرد آن مورد سنجش قرار میگیرد. به عنوان نمونه دو مسئله سایزبندی مطرح میشود: مسئله اول «طراحی یک تقویت کننده عملیاتی تفاضلی سه طبقه» و مسئله دوم «طراحی یک تقویت کننده عملیاتی مستقل از دما با استفاده از منبع جریان ویدلر کسکود». طراحی در هر دو مسئله با تکنولوژی cmos افزایشی است. در هر مسئله عملکرد ابزار پیشنهادی به همراه الگوریتم بهینه سازی اش (mopso و یا mogsa ) بطور کاملا مجزا مورد بررسی قرار میگیرد. نتایج بدست آمده نه تنها خواسته های مورد نظر در طراحی را برآورده میسازد بلکه با ارائه دسته جوابهای متنوع دست طراح را در انتخاب جواب مناسب از میان جوابهای قابل قبول نهایی باز خواهد گذاشت.