一种基于多阶段遗传算法的功率模块自动化布局方法

模块的布局设计是功率模块设计的关键环节,随着功率模块向着集成化、高频化飞速发展,布局设计对于模块可靠性的影响越来越重要.目前,功率模块的布局设计主要依赖于设计人员经验而以手工方法完成,在此过程中消耗了大量的人力和时间成本.电子设计自动化作为未来电子领域的发展趋势,近年来已经研究用于功率模块的设计之中.然而,传统遗传算法的应用造成自动化方法无法在可接受时间内得到准确的结果.针对该现状,设计开发了结果精度更高、运算速度更快的修正自动化布局遗传算法.该算法采用统计学、种群多阶段思想与遗传算法思想减少种群数量与运算复杂度,最终保证算法计算速度和精度的提高.将该算法用于简单的半桥模块实例的布局设计,并采用ANSYSQ3D软件验证,结果表明,相比于原来的自动化布局设计遗传算法,本文方法缩短了约29%的运行时间,并且布局方案的适应度平均值达到231.14,其标准差仅为0.43,优于原有方法 175.35的适应度平均值和13.96的标准差.所以,本文方法可以在短时间内得到更准确的结果,这有助于将自动化方法真正用于实际功率模块的布局设计.

多阶段复合型遗传算法的结构及性能研究

针对基本遗传算法(SGA)在求解复杂优化问题时常常存在的局部收敛和不能很好地收敛到全局最优解的不足,采用逐步缩小寻优范围的策略,提出了多阶段复合型遗传算法(简记为MSC-GA),给出了MSC-GA的结构以及具体的实施策略;进而利用Markov链理论和仿真技术分析了MSC-GA的收敛性,证明了MSC-GA在最优个体保留策略下是全局收敛的;最后,通过一个实例从不同的角度分析了MSC-GA的收敛性能。结果表明,MSC-GA具有良好的收敛稳定性,可以有效地避免局部收敛现象,尤其适用于大范围、高精度的优化问题,具有广泛的应用价值。