采用模糊遗传算法优化两层埋入式电阻布局的方法
【专利摘要】本发明的采用模糊遗传算法优化两层埋入式电阻布局的方法，包括：对上下层电阻分别实施遗传操作，依次执行初始种群生成、交叉、变异和进化逆转操作，共用模糊逻辑控制器输出的交叉概率 P c和变异概率 P m，在计算适应度函数和局部灾变时，将两个种群作为整体进行评价及更新，种群更新后重新判断，满足条件则对种群实施局部灾变。与采用标准遗传算法进行热布局优化的方法相比，本发明在保持种群多样性及搜索全局最优解方面具有明显优势，且ANSYS温度场分布以及实验样板的热成像结果显示其最高温度及最大温差都有较大幅度降低。根据优化结果获得的两层电子元件热布局规则除适用于埋入式电阻，对其它电子元件的热布局设计也具有指导作用。
【专利说明】采用模糊遗传算法优化两层埋入式电阻布局的方法
【技术领域】
[0001] 本发明涉及电阻热布局，具体是一种采用模糊遗传算法优化两层埋入式电阻热布 局的方法。
【背景技术】
[0002] 随着电子产品向轻、薄、短、小趋势发展，在互连基板内层制造或埋入无源器件W 实现元件高密度集成的埋入式无源器件技术受到广泛关注。该技术可有效减小基板面积， 提高布线密度，降低生产成本。信号传输路径的缩短使埋入式器件在高频高速领域可W很 好地保持信号完整性及减少电磁干扰。但是，元件集成度的提高同时使基板内单位体积的 功耗增大、发热量增加。高温环境影响埋入式器件的工作寿命并导致相关参数值改变，当温 度升高到一定程度，埋入式器件可能因失效而停止工作，严重时甚至引起封装材料燃烧。埋 入式无源器件中的主要发热源是电阻元件，电阻的功率对PCB板的温升具有显著影响，且 电阻在基板中的位置不同，其温升不同，对邻近器件的温度影响也不同。不合理的布局将导 致基板局部温度过高或温度梯度过大，从而降低电路板的整体性能及可靠性。因此，分析参 数不同的元器件相互间的位置关系对温度场分布的影响，寻求散热效果最佳的布局方案具 有必要性。
[0003] 近年来已有学者将遗传算法应用到该领域研究中，如文献[1]利用遗传算法解决 单层SMT电子元件的热布局优化，文献巧，3]利用遗传算法进行两层3D-MCM芯片的热布 局设计等。但由于遗传算法存在特有的早熟收敛现象，在进化早期种群多样性急剧减少， 群体缺乏有效的等位基因，在遗传算子作用下不再生成高阶竞争模式[4]。因此，采用标准 遗传算法进行热布局优化得到的优化结果有可能并非全局最优解，而是某个随机的非优个 体。
[0004] [1]肖德劲，周德俭，黄春跃，李天明.基于遗传算法的表面组装电子元件热布 局优化[J].电子机械工程.2007, 23(2): 12-17YAN Dejin，ZH0U Dejian，HUANG Chunyue，et al. Placement optimization for thermal performance of SMT electronic components using genetic algorithms[J]. Electro-Mechanical Engineering. 2007, 23 (2):12-17 (in Chinese)
[0005] [2] HUANG Chunyue, LI Tianming, LIANG Ying, et al. Study on thermal placement optimization of embedded MCM[C]. Advanced Materials Research. Switzerlanchhans Tech Publications, 2011:2269-2273
[0006] 口]梁颖，黄春跃，间德劲，等.基于热叠加模型的叠层3D多芯片组件 芯片热布局优化研究[J].电子学报，2009,37 (11) :2520-2524 LIANG Ying, HUANG Chunyue,YAN Dejin,et al. Study on thermal placement optimization of stackedSD-MCM based on thermal superposition model[J]. Acta Electronica Sinica，2009, 37(11):2520-2524 (in Chinese)
[0007] [4]雷英杰，张善文，李续武，等.MTLAB遗传算法工具箱及应用[M].西安：西 安电子科技大学出版社，2005 :25-29
【发明内容】
[0008] 为了克服已有技术的不足，本发明W埋入式基板内两层功率不同的电阻元件为研 究对象，采用模糊遗传算法优化其布局排列，提供一种采用模糊遗传算法优化两层埋入式 电阻布局的方法，改善标准遗传算法优化收敛过早的问题，得到可用于指导埋入式电阻热 设计的布局规则，弥补现有技术的不足。
[0009] 本发明的采用模糊遗传算法优化两层埋入式电阻布局的方法，包括：对上下层电 阻分别实施遗传操作，依次执行初始种群生成、交叉、变异和进化逆转操作，共用模糊逻辑 控制器输出的交叉概率P。和变异概率Pm,在计算适应度函数和局部灾变时，将两个种群作 为整体进行评价及更新，步骤如下：
[0010] 步骤1;上下层电阻采用随机方式生成初始种群；
[0011] 步骤2 ;将当前进化代数gen和最优适应度值未改变的次数num输入模糊逻辑控 制器得到交叉概率P。和变异概率Pm ;
[0012] 步骤3 ;分别对两个种群实施交叉操作；
[0013] 步骤4 ;分别对两个种群实施变异操作；
[0014] 步骤5 ;分别对两个种群实施进化逆转；
[0015] 步骤6 ;将两个种群作为整体计算适应度函数值，并采用最优保存策略选择最佳 个体；
[0016] 步骤7 ;种群更新后重新判断，若gen值小于200且num值大于50,则对种群实施 局部灾变，然后返回步骤2,否则直接返回步骤2 ;
[0017] 算法的最大遗传代数设为300代，gen值超过300则终止进化。
[0018] 在步骤1，种群规模都设置为100。
[0019] 进一步，在步骤2,模糊逻辑控制器有两个输入变量和两个输出变量，输入变量为 遗传算法的当前进化代数gen, W及进化过程中最优适应度值未改变的次数num,输出变量 为遗传算法的交叉概率P。和变异概率Pm;各输入变量的模糊论域都归一化到[0，1]范围， 输出变量P。和Pm的论域分别为化7, 1]和[0, 0. 3];各输入输出变量的隶属度函数都取为 H角形隶属度函数，定义如式（1)所示，参数a、C分别对应H角形下部左右顶点，参数b对 应H角形上部顶点；
[0020]
【权利要求】
1. 采用模糊遗传算法优化两层埋入式电阻布局的方法，包括：对上下层电阻分别实施 遗传操作，依次执行初始种群生成、交叉、变异和进化逆转操作，共用模糊逻辑控制器输出 的交叉概率P。和变异概率Pm，在计算适应度函数和局部灾变时，将两个种群作为整体进行 评价及更新，步骤如下： 步骤1:上下层电阻采用随机方式生成初始种群； 步骤2 :将当前进化代数gen和最优适应度值未改变的次数num输入模糊逻辑控制器 得到交叉概率P。和变异概率Pm ; 步骤3 :分别对两个种群实施交叉操作； 步骤4 :分别对两个种群实施变异操作； 步骤5 :分别对两个种群实施进化逆转； 步骤6 :将两个种群作为整体计算适应度函数值，并采用最优保存策略选择最佳个体； 步骤7 :种群更新后重新判断，若gen值小于200且num值大于50,则对种群实施局部 灾变，然后返回步骤2,否则直接返回步骤2 ; 算法的最大遗传代数设为300代，gen值超过300则终止进化。
2. 根据权利要求1所述的方法，其特征在于：在步骤1，种群规模都设置为100。
3. 根据权利要求1所述的方法，其特征在于：在步骤2,各输入变量gen和num的模糊 论域都归一化到[〇, 1]范围，输出变量P。和Pm的论域分别为[〇. 7, 1]和[0, 0. 3];各输入 输出变量的隶属度函数都取为三角形隶属度函数，定义如式（1)所示，参数a、c分别对应三 角形下部左右顶点，参数b对应三角形上部顶点；
模糊逻辑控制器的输入、输出变量的语言值都设为三个，分别是S、M和B，对于输入变 量gen，S代表进化早期，M代表进化中期，B代表进化后期；对于其它变量，S代表小，M代表 中，B代表大；共有9条规则，写成条件语句的形式如下： if gen is Aij and num is Bi, then Pc is Cij then Pm is Di ； 其中i = 1，2,…，9, Ai、Bi、Ci和Di分别是定义在gen、num、P。和P m论域上的模糊集。 具体的模糊逻辑控制规则为：在进化早期，种群多样性较好，P。和Pm随着num变化相应 增大或减小；进化中期，种群多样性逐渐下降，对P。和Pm赋值力度比早期偏大；进化后期， 种群趋于收敛，为避免破坏已找到的最优解，对P。和Pm的赋值力度比早期偏小。
4. 根据权利要求1所述的方法，其特征在于：在步骤3,利用交叉概率P。随机选择交叉 区域，将待交叉个体的交叉区域互换后放置于个体前端，并把原个体中与交叉区域重复的 编码删除。
5. 根据权利要求1所述的方法，其特征在于：在步骤4,利用变异概率Pm随机选择对换 位置，并将该位置上的两个编码互换。
6. 根据权利要求1所述的方法，其特征在于：在步骤5,将个体中随机选择的一段区间 内的编码逆序排列，若逆转后的个体适应度值有提高则保留，否则无效。
7. 根据权利要求1所述的方法，其特征在于：在步骤6,适应度函数定义为所有电阻温 度的平均值：
式中M为基板中电子元件的总数，Ti为每一个元件在基板上的温度；且
Tmax = c1+t+/2Bi (4) T = C4K0OnD+)，D+31 (5) 其中，Titj为各电子元件的自身温度，Tji为某一元件j对元件i的贡献温度，Tmax为电子 元件中心处的温度， T为无量纲温度，D为距离变量，D+为无量纲距离D/R，用圆面积近似电子元件面积， ....
，W和H为电子元件的宽和高；t为芯片厚度，t+为无量纲芯片厚度t/R ;
实中h为热传递系数，k为导热性系数A和C4的表达式为：
Bi为毕奥数，Itl和I1为变形的第一类O阶和1阶贝塞尔函数，K tl和K1为变形的第二类 〇阶和1阶贝塞尔函数。
8. 根据权利要求7所述的方法，其特征在于：采用多项式方程简化，得到某一元件i的 自身温度Ti。和某一元件j对元件i的贡献温度Tji : Tio = 12. 5 X (1+6. 31 X (AiAmax)-2.87)-O.5 (7) Tji = 0. 02 X AjAmax X (1+6. 82 X (DjiZRi)^55)15 (8) 式中Ai为某一元件i的功率，Amax为所有元件中的最大功率，Dji表示元件j和元件i 的距离，Ri为元件i半径； 采用式（8)计算其它元件对某一上层元件的贡献温度时，Amax取其所对应的下层元件 的功率。
9. 根据权利要求7所述的方法，其特征在于：对式（2)增加修正项，如式（10)所示， Ave' = 0. 8XAve+0. lXMax+0. IXDiff (10) Ave为原适应度函数值，Max代表所有元件的最高温度，Diff代表元件最高温度与最低 温度的差值。
10. 根据权利要求1所述的方法，其特征在于：在步骤7,局部灾变是采用对换变异法将 种群中最差的10%个体替换为当前最佳个体的不同变异体。
【文档编号】G06F17/50GK104331557SQ201410606373
【公开日】2015年2月4日 申请日期:2014年10月30日 优先权日:2014年10月30日
【发明者】邓莉, 李天明, 黄春跃, 张瑞宾, 庞前娟, 黄伟 申请人:桂林航天工业学院