初盈盈

大連北方測(cè)控工程有限公司

智能優(yōu)化算法在集成電路設(shè)計(jì)中的應(yīng)用研究

初盈盈

大連北方測(cè)控工程有限公司

隨著科技的進(jìn)步，集成電路設(shè)計(jì)的復(fù)雜性與難度越來越高，傳統(tǒng)的算法已經(jīng)不能滿足人們對(duì)集成電路的功能需求。同時(shí)傳統(tǒng)的算法一般為人工設(shè)計(jì)，需要的時(shí)間與成本相對(duì)較高。所以如何設(shè)計(jì)一種智能的算法對(duì)集成電路進(jìn)行設(shè)計(jì)對(duì)我國集成電路的發(fā)展是十分重要的。智能優(yōu)化算法可以很好地解決上述的問題。智能優(yōu)化算法是以自然界生物群體所表現(xiàn)的智能現(xiàn)象為基礎(chǔ)進(jìn)行設(shè)計(jì)，可以自我進(jìn)化，免疫，和自我適應(yīng)。所以文章主要對(duì)智能優(yōu)化算法在集成電路設(shè)計(jì)中的應(yīng)用進(jìn)行相應(yīng)的研究。

集成電路；優(yōu)化算法；應(yīng)用

對(duì)于系統(tǒng)復(fù)雜性的設(shè)計(jì)，通過對(duì)設(shè)計(jì)過程的加速，來進(jìn)行相應(yīng)計(jì)算機(jī)的輔助綜合性分析，包括對(duì)電路進(jìn)行模擬﹑射頻等辦法。數(shù)字電路能夠更加簡單的將不同邏輯層次進(jìn)行抽離，提高電路的自動(dòng)分布。模擬電路設(shè)計(jì)過程，因?yàn)榉N類繁多，結(jié)構(gòu)差異巨大，設(shè)計(jì)需要大量的人力物力和技術(shù)指導(dǎo)。有效地將智能算法在各種大范圍的電路設(shè)計(jì)中進(jìn)行應(yīng)用，可以更好地增加電路設(shè)計(jì)效率，解決集成電路中存在的多沖突指標(biāo)。還能夠發(fā)揮出自身潛在特點(diǎn)，提供設(shè)計(jì)者相應(yīng)的數(shù)據(jù)庫進(jìn)行電路方面的設(shè)計(jì)工作。

1 智能優(yōu)化算法的流程

集成電路在人們生活中的應(yīng)用是十分廣泛的。只有大力發(fā)展智能優(yōu)化算法才能幫助我們更好地進(jìn)行繼集成電路的設(shè)計(jì)。人們利用自然界來認(rèn)識(shí)更多的事物，并且通過事物的來源進(jìn)行想象與創(chuàng)造。智能優(yōu)化算法就是基于自然界，進(jìn)行適應(yīng)性啟發(fā)，從而模擬進(jìn)化出來的計(jì)算機(jī)的表達(dá)方式。智能優(yōu)化算法可以起到自我適應(yīng)，自我改進(jìn)等優(yōu)點(diǎn)?？梢赃M(jìn)行全面的全局搜索。如果選擇到位最優(yōu)解則選擇這種方式作為問題的解法，如果選擇的不是最優(yōu)解那么就會(huì)再次進(jìn)行路徑的選擇，不斷循環(huán)直到達(dá)到想要的結(jié)果。

2 智能優(yōu)化算法

2.1 禁忌搜索算法

禁忌搜索(TabuSearch，TS)算法是一種模仿人類大腦記憶功能的元啟發(fā)式算法，最早是由FredGlover提出，它比局部搜索領(lǐng)域范圍更廣，具有一定的全局搜索能力。禁忌算法通過Tabu表鎖住剛搜索過的區(qū)域，并通過禁忌準(zhǔn)則防止算法進(jìn)行反復(fù)搜索，同時(shí)通過藐視準(zhǔn)則將禁忌表中的一些優(yōu)良個(gè)體解禁出來，這樣算法搜索過程具有多樣性，才能避免算法陷入局部最優(yōu)，最終搜索到全局最優(yōu)解。目前，TS算法主要用于NP問題﹑生產(chǎn)調(diào)度﹑組合優(yōu)化﹑神經(jīng)網(wǎng)絡(luò)和電路設(shè)計(jì)等領(lǐng)域，近年來在函數(shù)的全局優(yōu)化方面也有很多的研究，隨著算法的發(fā)展和改進(jìn)，它的應(yīng)用范圍還會(huì)不斷擴(kuò)大。

2.2 模擬退火算法

模擬退火算法(Simulated Annealing，SA)是由 Metropolis 等于1953 年提出的重要性采樣法，即以概率接受新狀態(tài)，稱 Metropolis準(zhǔn)則，計(jì)算量相對(duì) Monte-Carlo 方法顯著減少，但未引起反響。1982年 Kirkpatrick 等將其應(yīng)用于組合優(yōu)化問題的求解，才得到廣泛的應(yīng)用。SA 的基本思想主要是模擬熱力學(xué)中的退火過程，它主要來源于固體物質(zhì)的退火過程，將固體加溫到足夠高的溫度，再將其慢慢冷卻，加溫時(shí)固體內(nèi)部粒子呈無序狀(最高的熵值)，內(nèi)能增大，而慢慢冷卻時(shí)粒子漸趨有序(熵值下降)，在每個(gè)溫度都能達(dá)到平衡狀態(tài)，最后在常溫時(shí)達(dá)到基態(tài)，內(nèi)能減為最小(最低的熵值)，其過程與一般組合優(yōu)化問題很相似。在概率理論上模擬退火算法可用馬爾可夫(Markov)過程的數(shù)學(xué)模型來解釋。

2.3 群智能優(yōu)化算法

群智能優(yōu)化算法是近幾十年才發(fā)展起來的一種新興的演化優(yōu)化算法，也是受到最多關(guān)注的優(yōu)化研究領(lǐng)域之一。信息的交互過程中不但整個(gè)群體內(nèi)傳播信息，群體內(nèi)的個(gè)體也能處理信息，并通過所得到的信息(包括環(huán)境信息和其它個(gè)體信息等)去改變自身的行為規(guī)范，這樣整個(gè)群體就擁有了一些個(gè)體所不具備的特征和能力，特別是對(duì)周圍環(huán)境的適應(yīng)能力，這種對(duì)周圍環(huán)境改變所具備的適應(yīng)能力其實(shí)就是所說的“智能”。受這些生物群體的集體行為的啟示，人們摸索出了一種新的優(yōu)化技術(shù)——群智能優(yōu)化算法。

2.4 遺傳算法

遺傳算法是模擬達(dá)爾文的生物進(jìn)化論的自然選擇和遺傳學(xué)機(jī)理的生物進(jìn)化過程的計(jì)算模模型，是一種通過模擬自然進(jìn)化過程搜索最優(yōu)解的方法。遺傳算法從問題解的串集開始搜索，而不是從單個(gè)解開始。遺傳算法中需要很多的函數(shù)，在具體應(yīng)用中，適應(yīng)度函數(shù)的設(shè)計(jì)要結(jié)合求解問題本身的要求而定。適應(yīng)度函數(shù)設(shè)計(jì)直接影響到遺傳算法的性能。

1)在射頻集成電路中的應(yīng)用

傳統(tǒng)的射頻(Radio Frequency，RF)集成電路設(shè)計(jì)方法是設(shè)計(jì)者基于專業(yè)知識(shí)和設(shè)計(jì)經(jīng)驗(yàn)，通過反復(fù)多次的模擬試驗(yàn)對(duì)電路性能進(jìn)行優(yōu)化的。這種設(shè)計(jì)方法不但需要很長的設(shè)計(jì)時(shí)間，而且還很難達(dá)到多項(xiàng)性能的最優(yōu)化。隨著現(xiàn)代優(yōu)化算法的發(fā)展，人們可以通過計(jì)算機(jī)進(jìn)行電路自動(dòng)優(yōu)化。這種優(yōu)化技術(shù)最初應(yīng)用于模擬集成電路的尺寸最優(yōu)化，設(shè)計(jì)者可以通過某一優(yōu)化算法進(jìn)行電路尺寸自動(dòng)搜索，直至電路性能達(dá)到設(shè)計(jì)要求。射頻集成電路的設(shè)計(jì)也從中受到了啟發(fā)，相關(guān)優(yōu)化設(shè)計(jì)研究方法也逐漸開展起來。

2)遺傳算法在數(shù)字集成電路中的應(yīng)用

對(duì)于數(shù)字集成電路，可以很容易抽象出邏輯門﹑加法器﹑減法器﹑寄存器等不同層次的邏輯單元，這種抽象大大促進(jìn)了數(shù)字集成電路的設(shè)計(jì)自動(dòng)化。從高層次的自動(dòng)綜合，到最低層次的集成電路版圖的布局布線，都有較為成熟和實(shí)用的自動(dòng)設(shè)計(jì)軟件工具。采用遺傳算法對(duì)具有代表性的全加器進(jìn)行自動(dòng)優(yōu)化設(shè)計(jì)。所選用的電路拓?fù)浣Y(jié)構(gòu)圖是將全加器中的每個(gè)邏輯門看作一個(gè)小單元，對(duì)于三輸入兩輸出的全加器看成一個(gè)3*3的二維單元數(shù)組。

文章主要分析了幾種重要的智能優(yōu)化算法，并對(duì)其進(jìn)行了相應(yīng)的解釋。雖然這些算法已經(jīng)可以很好地幫助我們進(jìn)行集成電路的設(shè)計(jì)，但是這樣還是遠(yuǎn)遠(yuǎn)不夠的，還要進(jìn)行更多的研究，研發(fā)更有用處，更完善的算法應(yīng)用到集成電路的設(shè)計(jì)中去。

[1]杜奇功，張彪，虎帥，劉海軍.智能優(yōu)化算法在集成電路設(shè)計(jì)中的應(yīng)用研究[J].科技創(chuàng)新與應(yīng)用，2016，21：98.

[2]王愷爾.基于智能優(yōu)化算法的半導(dǎo)體器件參數(shù)提取方法研究[D].浙江師范大學(xué)，2009.