基于离散粒子群优化的VLSI布线算法研究

来源 :福州大学 | 被引量 : 0次 | 上传用户:drg45tg54h4h
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
布线是超大规模集成电路(Very Large Scale Integration,VLSI)物理设计中至关重要的一步。由于布线问题复杂度高,故将其分为:总体布线,轨道分配和详细布线三个阶段。其中,Steiner树由于具有比其他方法求得的连接树总长更小的优点,成为了解决总体布线中多端线网的最佳模型。传统的总体布线以曼哈顿结构为互连线模型,其布线方向受限,且传统的精确算法和启发式算法难以满足复杂性呈指数增长的VLSI物理设计的发展需求。此外,总体布线由于忽略了许多详细布线的问题,使得二者之间的不匹配程度加剧。尽管轨道分配的提出为二者架起了一座理想桥梁,但现有的轨道分配算法也面临着陷入局部极值的问题。而粒子群优化(Particle Swarm Optimization,PSO)作为群体智能技术的典型代表之一,是解决大规模离散问题的有力工具,但标准PSO算法易陷入局部极值,难以得到满意的解。因此,本文从PSO的工作机理出发,改变原有单一的学习模式,提出新的社会学习策略以平衡PSO算法的全局搜索和局部开发能力,从而构造出以下三个高质量的VLSI布线算法。(1)针对线长优化的X结构Steiner树问题,提出了基于社会学习离散粒子群优化(Social Learning Discrete PSO,SLDPSO)的线长驱动X结构Steiner最小树算法。该算法引入了混沌下降变异策略和基于样例池机制的社会学习模式以增强种群多样性,并使用局部拓扑优化策略进一步减少线长。实验结果显示,该算法在大规模线网的Steiner树问题上具有明显的线长优化效果。(2)针对时延优化的X结构Steiner树问题,提出了基于最近最优SLDPSO的最大汇延迟驱动X结构Steiner最小树算法。该算法引入了Elmore时延模型,提出了X结构Prim-Dijkstra模型以同时优化线长和最大源汇路径长度,并提出最近最优社会学习模式以增强PSO算法的勘探能力。实验结果显示,提出的算法与同类算法相比,能够取得更低的总时延和最大汇时延。(3)针对线长和冲突优化的轨道分配问题,提出了基于SLDPSO的冲突最小化轨道分配算法。该算法考虑了局部线网以更好地指导详细布线,设计了能扩大搜索空间的有效编码方式,并引入基于样例池机制的社会学习模式以提高算法性能,最后使用基于协商的精炼策略进一步减少重叠冲突。实验结果显示,该算法能获得同类工作中最佳的重叠代价优化,同时减少关键布线区域的拥挤度。
其他文献
燃料电池汽车(Fuel Cell Hybrid Vehicle,FCHV)凭借环保、高效、低噪声等特点,得到国家的大力支持和推广。但FCHV应用于城市公交时面临着客流量多变、交通拥堵、频繁启停等复杂工况,导致其经济性和耐久性较差。因此,本文通过解析工况特征,分析工况聚类方法,结合强化学习的寻优能力,提出可在线应用于燃料电池公交客车的融合工况特征的强化学习能量管理策略(Energy Manageme
学位
随着智能车的快速发展,无人驾驶技术可以有效提高道路行驶的安全性及城市通行效率,同时也能降低驾驶者的门槛。路径规划在无人驾驶技术中占据重要位置,本文针对具有较多随机障碍物的复杂环境,对快速搜索随机树(RRT)路径规划算法进行改进研究;引入节点视野同心圆,结合无人车运动约束,提出逆向连接简化法,并建立dubins曲线类型选择策略,不仅改善了无人车行驶路径的质量,还提高其路径规划的效率。本文主要研究内容
学位
智能汽车作为未来汽车发展的主要趋势,已经成为了各大高校和企业的研究重点。针对车辆在行驶过程中因速度和自身参数变化所造成控制器性能下降的问题,如何设计一种对速度和车辆参数具有较强适应性的转向控制策略成为一个新的研究课题。本文首先分别对基于现代控制方法和智能控制方法的转向策略进行了研究,在此基础上融合两者优点,制定了一种基于预测补偿的智能汽车速度和参数自适转向控制策略。针对模型预测控制算法(Model
学位
2012年,Gǎvruta在研究有界线性算子的原子分解时引入了K-框架,它可以重构有界线性算子K值域R(K)中的元素,而非整个空间中的元素.根据已得到的K-框架的相关研究成果,可以得出框架的一些结论对于K-框架而言未必成立.比如Gǎvruta证明了序列{fn}n=1∞为H的K-框架当且仅当{fn} n=1∞为H的Bessel序列且其合成算子T满足R(K)(?)R(T),而序列{fn} n=1∞为H
学位
液滴撞击固体表面的现象不仅在自然界普遍存在,在工农业生产中也有着十分广泛的应用。随着对液滴调控需求的不断增加,液滴撞击固体表面的动力学特性作为液滴调控的基础,有待完善。由于工业生产向微纳领域发展,对液滴的研究逐渐进入微纳米尺度。目前的研究主要集中在单个纳米液滴撞击光滑固体表面,而较少涉及纳米液滴撞击粗糙固体表面以及双液滴撞击固体表面的动态行为。本文采用分子动力学(MD)模拟的方法,从原子尺度探究纳
学位
现实世界中的计算系统经常遇到连续信息流的运算,这种情况要求模型能够随着时间的流逝而适应和学习。传统的机器学习方法所构建的静态模型,无法随时间推移来改变或扩展其行为,而终身学习试图通过让模型保留已经获得的知识,并将其用于将来的学习,使模型的学习过程更接近于人类的学习方式。如何保留和利用过去的知识是终身学习的重要难点,具体而言,终身学习需要解决灾难性遗忘问题,即避免模型在新任务训练期间几乎完全失去先前
学位
由于分布式驱动电动汽车的各动力源独立可控,若电机输出的动力控制不当则容易出现车辆失稳现象。为了提高分布式驱动电动汽车的行驶稳定性,本文提出一种基于相平面法的行驶稳定性控制策略,并通过仿真分析和实车测试来验证所提控制策略的有效性与可靠性。论文的主要研究内容包括:1、构建车辆动力学仿真模型。基于福州大学自主研制的分布式后轮独立驱动赛车的整车结构参数,通过Matlab/Simulink和Carsim分别
学位
答案选择作为智能问答领域的一项重要子任务,旨在于从几个候选答案中选择出正确的答案。传统基于统计学习的方法主要依靠人工来提取问答对之间的语义相似特征并进行问答匹配,该类模型虽然取得一定的进展,但是在时间成本和性能上还无法令人满意。而基于深度学习的方法相比之下则展现出较大的优势,因而成为目前的主流方法。基于上述背景,本文主要针对智能问答系统中的答案选择任务进行研究,提出相应的模型算法。本文的主要研究内
学位
时间序列广泛存在于工程技术、金融分析、自然科学研究等诸多领域中。自上个世纪初以来,时间序列模型的研究就备受研究者的关注,其中包括早期的线性自回归模型、滑动平均自回归模型以及后来为适应不同研究领域的应用而提出的各种非线性时间序列模型。基于状态相依的自回归径向基函数(RBF-AR)模型就是其中一种广泛用于时间序列建模的非线性时间序列模型。关于RBF-AR模型的参数辨识、模型选择、遍历性等问题的研究一直
学位
分段线性微分系统是一类特殊的微分方程,具有比光滑微分系统更丰富的动力学性质.并在工程和应用科学中有广泛的应用,具有特殊的研究意义,是近年来研究的热点.本文在某参数空间下,完整研究了由两条平行线分隔形成三个线性区域的非对称的四参数连续分段线性微分系统的全局动力学.具体研究内容如下.首先,完整研究了系统的有限远平衡点和无穷远平衡点的定性性质,包括了平衡点的数目、类型以及稳定性.本文利用雅可比矩阵的迹和
学位