在本課中，我們將探索一個(gè)功能強(qiáng)大但很少使用的SYNOPSYS功能：它可以進(jìn)行
參數(shù)研究，顯示兩個(gè)變量對(duì)第三個(gè)變量的影響。在這種情況下，我們希望了解
鏡頭優(yōu)化運(yùn)行的結(jié)果如何取決于初始
結(jié)構(gòu)。在一個(gè)理想的設(shè)計(jì)中，每一個(gè)起點(diǎn)都將達(dá)到最佳可能的結(jié)果，但現(xiàn)實(shí)并不如此。對(duì)于任何給定的問題，通常存在許多局部最小值，并且我們期望的最好的優(yōu)化算法應(yīng)該可以得到最好的結(jié)果。
|~ \K:[T& 因此，人們會(huì)期望兩個(gè)幾乎完全相同的初始結(jié)構(gòu)將達(dá)到相同的局部最小值，即使它不是全局的。當(dāng)前算法在此優(yōu)化上的表現(xiàn)如何？TU Delft的Florian Bociort博士發(fā)現(xiàn)了一些非常有趣的結(jié)果。他做了一個(gè)很簡單的例子，如下圖所示。
I
