M.Sc. thesis - Fei

1.1 Motivação
Enquanto a relevância dos circuitos integrados analógicos cresce com a miniaturização e aumento
de complexidade e funcionalidade dos CIs , conforme ilustrado na Figura 1.1, as ferramentas de
automação de projetos de circuitos integrados analógicos ainda permaneçem com participação de
mercado aquém de suas equivalentes para circuitos integrados digitais. A Figura 1.2 apresenta uma
contextualização desta afirmativa.
O maior desafio do projeto analógico, segundo Hjalmarson (2003), consiste no projeto de
células básicas, como amplificadores operacionais, que exigem algumas semanas em um ciclo
completo de projeto. O caminho crítico de um projeto passa pelo desenho e parametrização destas
células. Ainda segundo Hjalmarson (2003), outro grande desafio são as relações de compromissos
existentes entre as múltiplas especificações de desempenho exigidas dentro do projeto do sistema.
A obtenção do correto balanço entre os parâmetros de desempenho exige múltiplas revisões e ciclos
dentro do projeto de circuitos integrados analógicos.
Na verdade, as especificações de desempenho de um circuito analógico simples podem ser
vistas como múltiplos objetivos de um problema de otimização. Os Algoritmos Evolucionários de
Múltiplos Objetivos (MOEAs) permitem a obtenção de uma aproximação da Fronteira de Pareto,
que é um conjunto de soluções com as melhores relações de compromisso entre os objetivos.
Durante a fase final da pesquisa bibliográfica desta dissertação, foi encontrada uma referência
que possui uma filosofia semelhante à proposta deste trabalho, que é a extração de conhecimento
tácito das Fronteiras de Pareto, chamada de Innovative Design Principles Through Optimization
(INNOVIZATION) de Deb e Srinivasan (2005). Embora o princípio seja o mesmo, existem
diferenças significativas nos métodos de extração de conhecimentos e acréscimos importantes feitos
neste trabalho, como uma análise de sensibilidade global feita através de um Mapa de Aquecimento
ou Heatmap e uma forma distinta de automação da extração de conhecimento utilizando-se árvores
de classificação e regressão. A automação da extração de conhecimento surgiu pela primeira vez no
trabalho de Bandaru e Deb (2010) através de agrupamento de observações ou clustering durante
o processo evolutivo. A comparação com estas referências sugere que a proposta apresentada
neste trabalho, desenvolvida de forma independente, além de estar muito próxima ao estado da arte
acrescenta métodos importantes.
1.2 Objetivo
O conhecimento da Fronteira de Pareto de um circuito analógico permite que configuremos o
mesmo, para várias aplicações, sempre na condição ótima. Por outro lado, o conhecimento da
3