共查询到19条相似文献,搜索用时 78 毫秒
1.
2.
超大规模集成电路技术的迅猛发展迫切需要高性能CAD工具——电子设计自动化软件工具的支持.布局是布图设计中一个极为重要的环节.目前,在深亚微米、超深亚微米工艺下的超大规模、甚大规模集成电路设计中,布局结果的好坏直接影响整个布图设计,因此如何高效地表示布局结构,从而提高布局质量成为布图设计中的一个国际上的研究热点.文中介绍并分析了当前国内外比较流行的布局结构的表示方法研究工作的进展情况. 相似文献
3.
VLSI定量驱动布局算法 总被引:2,自引:0,他引:2
定量驱动布局算法是改善VLSI性能的重要措施,现有算法主要建立在面向网络和面向通路两种技术之上,仅获得局部最优解,本文以获得全局最优解为目标,从电路逻辑结构和传输延时出发,提出了面向电路最大延时的布局算法,实验表明,本算法是有效的。 相似文献
4.
将禁忌搜索算法应用于VLSI门阵列的布局问题,建立了以总线长度和通道拥挤度的布局目标函数,用禁忌搜索算法求解目标函数的最小值,通过实验仿真,将本算法和遗传算法进行了比较,结果表明不论在解的质量和收敛速度方面,禁忌搜索算法优于遗传算法. 相似文献
5.
对用于网格工作流调度的遗传模拟退火(GA-SA)算法进行改进.在GA算法部分结合了基于阈值的动态交叉和变异概率, 并通过动态的调节近邻子集的大小,提高收敛速度,有效防止种群早熟现象,通过实验验证该算法的可行性和有效性. 相似文献
6.
宏单元阵列布局的两步模拟退火算法 总被引:1,自引:1,他引:0
本文提出了一种适用于VLSI布局的算法-两步模拟退火算法,针对宏单元版图模式的特点,算法将通常的模拟退火过程为分两步完成,从而使得算法性能有所改善。 相似文献
7.
基于改进型遗传算法的门阵列模式布局 总被引:2,自引:0,他引:2
门阵列模式布局是一类 NP完全问题 .本文将一种改进型遗传算法用于门阵列模式布局 ,提出了相应的数学模型 ,并在布局目标函数中引入了通道拥挤度的概念 ,使布局的构形更趋合理 .实验表明 ,应用所提出的模型及算法能在较短的时间内提供优化解 ,避免了一般优化算法的局部最优问题和维数灾难问题 ,为门阵列模式布局开创了一条新的路径 相似文献
8.
将禁忌搜索算法应用于VLSI门阵列的布局问题,建立了以总线长度和通道拥挤度的布局目标函数,用禁忌搜索算法求解目标函数的最小值,通过实验仿真,将本算法和遗传算法进行了比较,结果表明不论在解的质量和收敛速度方面,禁忌搜索算法优于遗传算法。 相似文献
9.
采用重心矩形约束[1]进行VLSI布局会出现以下问题:(1)布局边界的浪费,出现不可利用的小区域;(2)放置模块时可能会出现模块放置在实际有效区域内却因为重心约束成为非法放置。为了解决该问题,本文提出了一种改进文献[1]的VLSI布局启发式算法:通过设计模块的优先顺序进行合理布局,并辅助于边界矩形来解决重心矩形约束出现的问题;对模块布局放置的多个可能位置进行比较,并将其放置在优先度最高的适当区域。用Banchmark(ami33,ami49)和文献[1]的数据进行测试,结果表明新算法:(1)算法简洁高效,运行时间短;(2)布局结果明显好于文献[1]。 相似文献
10.
11.
12.
基于遗传算法和模拟退火算法的布局问题研究 总被引:8,自引:0,他引:8
文章在介绍遗传算法和模拟退火算法的基本理论及主要特点的基础上,提出了一个基于遗传算法和模拟退火算法的求解布局问题(矩形件排样优化)算法,并通过算例验证了该算法的有效性。 相似文献
13.
14.
模拟退火自适应大变异遗传算法及其应用 总被引:4,自引:0,他引:4
为了克服遗传算法易陷入局部最优或早熟问题,提出了一种模拟退火大变异遗传算法,采用了大比例优秀个体保护策略,以保证算法的收敛性。应用该算法求解旅行商问题的仿真实验证明了它能较快地收敛到最优解或准最优解。 相似文献
15.
16.
基于遗传模拟退火算法的移动机器人路径规划 总被引:4,自引:2,他引:2
针对移动机器人路径规划的难题,运用了一种基于遗传模拟退火算法的移动机器人最优路径规划方法,对移动机器人的路径规划进行了设计,采用了栅格法对环境进行建模.为了提高路径规划的效率,采用了一种改进的避障算法来生成初始种群.将遗传算法与模拟退火算法相结合形成遗传模拟退火算法,新算法具有较强的全局和局部搜索能力.仿真实验结果证明算法相对于基本遗传算法的收敛速度、搜索质量和最优解输出概率方面有了明显的提高. 相似文献
17.
18.
19.
基于退火免疫遗传算法的测试用例生成研究 总被引:2,自引:0,他引:2
在软件测试技术中,高效的测试用例生成是简化测试工作、提高测试效率的必要手段.提出了一种应用于软件测试中的基于退火免疫遗传算法(AIGA)的测试用例自动生成算法,介绍了AIGA测试用例生成模型和AIGA算法的基本思想.算法融合了模拟退火算法和免疫算法在避免陷入局部最优和保持种群多样性方面的优势,克服遗传算法局部搜索能力差及其早熟现象和模拟退火算法全局搜索能力差、效率不高的问题.实验结果表明,算法在测试用例自动生成的效率和效果方面.优于传统遗传算法. 相似文献