利用强化学习引导全局布局
机器学习
2021-09-07 v1
摘要
近期GPU加速的全局与详细布局进展将求解时间降低了一个数量级。这一进展使我们能够利用数据驱动优化（如强化学习）来努力改善布局结果的最终质量。在本工作中，我们为最先进的基于力的全局布局求解器增强了一个经过训练的强化学习智能体，用于改善最终详细布局的半周长线长(HPWL)。我们提出了具有全局或局部化布局过程控制的新型控制方案。随后训练强化学习智能体使用这些控制来引导布局获得改进解。两种情况下，增强的优化器均找到了改进的布局解。我们训练的智能体在一系列学术基准上平均改善了1%的最终详细布局HPWL，并在真实工业设计上改善了超过1%的全局布局HPWL。
引用
@article{arxiv.2109.02631,
title = {Guiding Global Placement With Reinforcement Learning},
author = {Robert Kirby and Kolby Nottingham and Rajarshi Roy and Saad Godil and Bryan Catanzaro},
journal= {arXiv preprint arXiv:2109.02631},
year = {2021}
}