本文以芯片热仿真剖析为例，先容改进Taguchi优化算法在实际工程中的成功运用。通过对Taguchi优化算法的改进，引入新解的邻域随机天生机制和充分的内循环搜索机制，将概率随机策略引入到Taguchi优化算法中，较高程度避免陷入局部最优，从而高效的得到全局最优解。
1.几何建模
首先为PCB板上三个芯片中施加发热功率载荷，在PCB板底部和芯片周围施加换热边界条件。打算三个芯片在正常事情下，全体构造及PCB板的最高温度。
2.优化流程
然后为6个发热芯片支配位置参数，天生设计模型，然后施加载荷进行热仿真剖析打算，得到构造最高温度，进而进行最优方案判断，输出最优设计。
3.优化算法（改进Taguchi算法优化算法）
Taguchi优化算法是基于正交表对参数组合进行实验和循环迭代并不断缩小级差，使得用于比较的级阶逐渐向上一次迭代中的最优级阶靠近，并终极收敛于最优值的过程。
将具有当代智能优化算法特点的两个操作引入到基本 Taguchi 优化算法中，完善基本 Taguchi 算法的不敷：
引入新解的邻域随机天生机制。通过上一代最优解，以正态分布概率随机产生下一代正交矩阵参数范围
引入充分的内循环搜索机制。在每次迭代的邻域范围内进行多次基于 OA 正 交实验的抽样比较，内循环越多，该次迭代邻域内搜索得到的“最优解”可信度 就越高。
与目前常用的遗传算法和仿照退火算法等优化算法比较，改进Taguchi优化算法表现出了以下优点：
运用大略
有效降落实验次数
快速的收敛速率
解的全局最优性
最优解与优化的初始参数高度非干系
引入随机机制，较高程度避免陷入局部最优
引入充分的内循环搜索机制提高最优解可信度
Ackley 函数，Ackley函数是峰、谷相互交替函数， 但函数值变革不剧烈，整体朝全局最小值方向低落趋势明显，较易于收敛。此测试函数的 2D 视图和等高线如下图。
4.优化算法运用
运用安世亚太自主开拓的Hysim联合仿真剖析平台，通过封装集成优化算法，对芯片热仿真剖析流程进行迭代优化，终极找到最佳PCB设计。
智能算法运用先容
利用智能化算法可以帮忙设计工程师快速、智能的探求出最优设计点，深度阐发实验设打算法、代理模型算法、优化算法等算法的事理，并深入磋商各种智能算法在产品敏感性剖析、置信度评估、模型改动、迭代优化等方面的运用。智能算法已在航空、航天、船舶、电子、核能等领域取得了成功的运用。
智能优化技能框架及运用案例
