半导体器件模型对电路的设计精度有很大的影响,尤其是对超大规模的集成电路,所以要有准确的器件模型。在确定半导体器件模型之后,还要有合适的参数提取方法。参数提取方法归纳为两类：一类是直接分析法；另一类是优化方法。直接提取法虽然步骤简单,取值唯一,但提取的参数值通常还需要进一步优化。传统的基于梯度或是微分的优化方法有诸多缺点：只有合适的初始值才能求出部分参数,目标函数含有无法解出的极点和冗余的参量,容易陷入局部极小值。而智能优化算法的优点是简单、平稳、便于实现,更重要的是对初值不敏感。优化的目的是找到最佳的参数组合,使之符合器件的特性。为了能够找到这样一组优质解,需要一种提取算法,其全局误差最小。近几十年来,应用算法提取半导体器件模型的参数一直是研究的热点和重点。本文以高电子迁移率晶体管(HEMT)器件为例,首先对遗传算法,粒子群算法,模拟退火算法和差分进化算法进行了研究,并对差分进化算法进行了改进。然后基于上述算法进行模型参数提取,主要研究工作包括以下四个部分：1)用仿真数据与优化的数据相比较,结果显示误差都在可允许的范围内；2)用优化算法提取了高电子迁移率晶体管的小信号模型参数,模拟的S参数和测试的S参数可以很好的吻合；频率可以达到40GHz；3)改进了差分进化算法,其收敛速度比标准的差分进化算法快。4)编写了S参数的自动化测量软件,通过控制软件,可以直接将测试数据保存在PC机内,加快了测试进度。