一种用于 VLSI 布线的具有多阶段变换与遗传操作的新颖粒子群优化器
神经与进化计算
2018-11-27 v1
摘要
作为超大规模集成（VLSI）布线的基本模型，Steiner 最小树（SMT）可用于多种实际问题，如线长优化、拥塞和时延估计。本文提出一种基于多阶段变换与遗传操作的新型粒子群优化（PSO）算法，用于构建两类 SMT，包括非曼哈顿 SMT 与曼哈顿 SMT。首先，为能同时处理两类 SMT 问题，提出了一种有效的边—顶点编码策略。其次，提出多阶段变换策略以同时扩展算法搜索空间并保证有效收敛。我们测试了从两阶段到四阶段的三种类型及每类下的多种组合，以凸显最佳组合。第三，结合并查集划分设计了遗传算子，以构建离散 VLSI 布线的离散粒子更新公式。此外，为向 PSO 算法搜索中引入不确定性与多样性，我们提出了一种带边变换的改进变异操作。实验结果表明，我们的算法从多层结构的全局视角能在现有算法中取得最佳解质量。最后，据我们所知，这是首项同时解决曼哈顿与非曼哈顿布线的工作。
引用
@article{arxiv.1811.10225,
title = {A novel particle swarm optimizer with multi-stage transformation and genetic operation for VLSI routing},
author = {Genggeng Liu and Zhen Zhuang and Wenzhong Guo and Naixue Xiong and Guolong Chen},
journal= {arXiv preprint arXiv:1811.10225},
year = {2018}
}