一种优化FPGA布线拥塞的FHO-BP网络

超大集成电路的高度复杂化造成的布线拥塞可能导致电路的不可布性,早期的布线拥塞预测对于提高集成电路的最终设计质量非常关键,因此针对现场可编程门阵列(Field Programmable Gate Array,FPGA),引入火鹰优化(Fire Hawk Optimizer,FHO)算法机制优化反向传播(Back Propagation,BP)神经网络,提出一种基于复杂网络和FHO-BP网络的布线拥塞优化方法,将电路布局的复杂网络特征向量应用到布线拥塞度预测模型中,并利用提出的优化算法改善电路布线拥塞。实验结果表明,与经典的BP网络相比,所提FHO-BP预测模型具有更高的预测精度和收敛速度,决定系数达到92.62%,模型的平均训练时间为94.55 s,平均预测时间为0.57 s,并且利用布线拥塞优化算法对布局进行优化后的布线实际拥塞程度明显缓和。