通過Magma Talus來解決與多種模式-角點組合的優(yōu)化相關的復雜性問題。這些方法包括：1)多角優(yōu)化；2)多模優(yōu)化；3)所有模式-角點組合的傳統的多模多角優(yōu)化；以及4)針對僅與特定角點相關的時序模式的基于情景的優(yōu)化（Scenario-Based Optimization） 。本文還將介紹一種通過生成MC下的容限增強型約束進行MMMC優(yōu)化的方法。該流程將使用那些MM下的容限增強型約束來進行同步時序優(yōu)化。最后，本文比較了如下方法間的時序效果：1)Full MMMC和SM/SC；2)情景方法與SM/SC；以及3“容限增強型方法”與SM/SC。基于這些結果，Magma Talus中情景方法較SM/SC方法而言顯示出了最佳的時序相關性、較其它MMMC方法而言顯示出了最佳時序優(yōu)化。

建立時序比較：
1. 就每個步驟而言，情景方法與SC/SM 時序分析報告具有最佳時序相關性。差距在+/-10p 以內。

2. 就建立時序優(yōu)化而言，盡管對于SC/SM:wc_a/m_hi 下結果來說，擁有最佳時序首先是“F MMMC”方法，接下來便是MEM 方法，但對于SC/SM:wc_c/m_lo 和SC/SM:wc_d/m_lo 來說，這兩種方法的時序結果實在不怎么好。盡管它們一開始通過添加時序容限，使其起始時序與SC/SM 保持一致，但這些容限在優(yōu)化流程期間并不會隨著優(yōu)化而自動改變。而情景方法卻能夠在優(yōu)化期間同時考慮到這三種關系；因此對于SC/SM:wc_c/m_lo 和SC/SM:wc_d/m_lo，情景方法擁有最佳時序，且與其它兩種方法與之相比較時時序結果相差甚遠；而對于SC/SM:wc_a/m_hi，情景方法與其它兩種方法之間時序結果則不相上下。盡管如此，不可否認擁有最佳時序優(yōu)化效果仍要屬情景方法。

詳情請下載：EECOL_2009AUG07_EDA_TA_05.pdf