基于动态粒子群优化的X结构Steiner最小树构建方法

本发明涉及集成电路计算机辅助设计，特别是一种基于动态粒子群优化的x结构steiner最小树构建方法。

背景技术：

1、布线作为vlsi(very large scale integration,vlsi)物理设计的关键阶段，需要确定电路上每个线网的布线拓扑结构，同时使电路性能达到最佳。steiner树算法是求解布线问题的最佳方法。x结构steiner最小树(x-architecture steiner minimal tree,xsmt)更加充分地利用了布线的空间资源，缩短了互连线的线长、降低了互连线的时延、减小了芯片的面积，进而大大地改善了芯片性能。

2、粒子群优化方法(particle swarm optimization，pso)具有收敛快、参数少的优点，因此近年来该方法得到了相关研究人员的广泛应用，是一种效果显著的优化工具。尽管pso具有一定的优化性能，但其仍然存在着许多可以进行改良的地方。大量实验表明，基本粒子群方法存在早熟收敛问题，这主要是由于该方法在优化初期的快速收敛特性和多样性损失。大多数情况下，过早收敛会将粒子困在局部最优解中，从而导致低质量的解。该方法在平衡探索与开发的能力方面也需要继续进行更深入的研究。

技术实现思路

1、本发明的目的在于提供一种基于动态粒子群优化的x结构steiner最小树构建方法，能够得到一个最小化线长代价的布线解方案。

2、为实现上述目的，本发明的技术方案是：一种基于动态粒子群优化的x结构steiner最小树构建方法，包括：

3、(1)布线拓扑初始化阶段：用prim算法初始化种群，初始化每个粒子的历史最优位置pi与整个种群的历史最优位置pg；

4、(2)基于动态粒子群优化的搜索阶段：将动态子群与信息交换策略、粒子学习策略与变异、多群局部学习过度到单群全局学习策略加入pso算法中，提出基于动态粒子群优化的算法，然后基于该算法对粒子群进行迭代更新，直到收敛到全局最优粒子，将其作为x结构steiner布线树。

5、相较于现有技术，本发明具有以下有益效果：本发明方法主要包括以下3个有效的策略：(1)动态子群与信息交换策略让子群在保持独立性的同时与其他子群进行信息交换，增加子群多样性；(2)改进粒子学习策略能够结合局部拓扑结构在粒子多样性和寻优精度方面的优势与全局拓扑结构在算法收敛速度方面的优势；(3)从多群局部学习过渡到单群全局学习策略使得粒子获得更好的线长优化率。本发明以优化线长为目标，最终达到对线长这一重要目标的优化。

技术特征：

1.一种基于动态粒子群优化的x结构steiner最小树构建方法，其特征在于，包括：

2.根据权利要求1所述的基于动态粒子群优化的x结构steiner最小树构建方法，其特征在于，该方法具体实现如下：

3.根据权利要求2所述的基于动态粒子群优化的x结构steiner最小树构建方法，其特征在于，互连线的连接方式c分为四种类型，分别如下：

技术总结
本发明涉及一种基于动态粒子群优化的X结构Steiner最小树构建方法。该方法主要包括以下3个有效的策略：(1)动态子群与信息交换策略让子群在保持独立性的同时与其他子群进行信息交换，增加子群多样性；(2)改进粒子学习策略能够结合局部拓扑结构在粒子多样性和寻优精度方面的优势与全局拓扑结构在算法收敛速度方面的优势；(3)从多群局部学习过渡到单群全局学习策略使得粒子获得更好的线长优化率。本发明以优化线长为目标，最终达到对线长这一重要目标的优化。

技术研发人员：刘耿耿,郑瀚,郭文忠
受保护的技术使用者：福州大学
技术研发日：
技术公布日：2024/1/12