基于再聚类和离散优化的k路划分算法

为了寻得集成电路更优的k路划分,提出将再聚类和离散优化应用于k路划分算法.首先利用再聚类缩小超图规模,即根据给定划分计算顶点间的评级函数值,依据取值大小进行顶点聚类;然后将超图转换为星型图,并将k路划分问题转换为无约束的离散优化问题;进而设计一个算法迭代移动增益值最大的顶点,在算法求解过程中放宽平衡约束,允许暂时处于不可行域的解,扩大问题的求解空间.在同一平台上使用ISPD98电路测试基准对所提算法、hMETIS-Kway和KaHyPar-K进行测试,并比较最小割值和运行时间.实验结果表明该算法优于hMETIS-Kway,特别是在k=2时,最小割值减少了0.173,速度提升了0.706.此外,该算法对KaHyPar-K也有相应的改进效果.

VLSI标准单元布局遗传交叉算子比较研究

遗传算法的成功之处在于其交叉、变异等进化机理,交叉算子性能对算法的整体性能有决定性的影响,因而成为了设计大规模问题遗传算法的关键因素.首先简要介绍VLSI标准单元布局问题定义及其染色体编码,给出4种主要交叉算子的基本思想及其算法步骤,并对其中循环交叉算子进行改进.而后使用标准测试例子对这4种交叉算子的性能进行深入的实验比较,分析交叉算子特征与性能的关联性,总结了高性能交叉算子的设计思想.改进型限定长度循环交叉算子的性能实验结果验证了该设计思想的有效性.

考虑模块翻转和空白区域再分配的基于静电场的固定边框布图规划

目前,基于解析方法的布图规划取得了很好的结果,模块翻转有实际应用场景且可以进一步优化结果,但解析方法尚无法处理模块翻转问题。因此,本文首次尝试使用统一的解析方法来解决这一问题,提出了一种新的力,即翻转力。在总体布图规划阶段,翻转力能根据线长将每个模块翻转到理想的方向。此外,基于静电场模型设计了一个新的总体布图规划流程。在该流程中,本文对超大型模块的密度计算进行了特殊处理,以减小超大型模块的排斥力,使得其他模块能更加靠近超大型模块,从而实现更加均匀的模块分布。为了更好地利用边框处缝隙中的空白区域,提出了一种边框处缝隙处理方法。最后,在布图规划算法中添加了后处理阶段以进一步优化布图结果。该后处理阶段首先基于混合整数线性规划的翻转模型对模块的翻转方向进行再次优化,然后使用本文提出的新的空白区域再分配方法。该方法减小了线性规划问题中约束条件的数量且能进行多轮次的优化,相对于以往的方法能够更有效地缩短线长。在HB+和ami49_x基准电路上,实验结果表明,本文的布图规划算法与最好的布图规划算法相比,平均半周长线长分别至少减小了13.3%和13.7%。

求解三维装箱问题的混合模拟退火算法

提出了一个高效求解三维装箱问题(Three Dimensional Container Loading Problem 3D-CLP)的混合模拟退火算法.三维装箱问题要求装载给定箱子集合的一个子集到容器中,使得被装载的箱子总体积最大.文中介绍的混合模拟退火算法基于三个重要算法:(1)复合块生成算法,与传统算法不同的是文中提出的复合块不只包含单一种类的箱子,而是可以在一定的限制条件下包含任意种类的箱子.(2)基础启发式算法,该算法基于块装载,可以按照指定装载序列生成放置方案.(3)模拟退火算法,以复合块生成和基础启发式算法为基础,将装载序列作为可行放置方案的编码,在编码空间中采用模拟退火算法进行搜索以寻找问题的近似最优解.文中采用1500个弱异构和强异构的装箱问题数据对算法进行测试.实验结果表明,混合模拟退火算法的填充率超过了目前已知的优秀算法.

VLSI标准单元布局问题的增强型混合遗传模拟退火算法

提出有效处理百万个VLSI标准单元布局问题的混合遗传模拟退火算法.首先采用小规模种群、动态更新种群和交叉局部化策略,并协调全局与局部搜索,使遗传算法可处理超大规模标准单元布局问题.然后为进一步提高算法进化效率和布局结果质量,将爬山和模拟退火方法引入遗传算法框架及其算子内部流程,设计高效的线网-循环交叉算子和局部搜索算法.标准单元阵列布局侧重使用爬山法,非阵列布局侧重使用模拟退火方法.Peko suite3、Peko suite4和ISPD04标准测试电路的实验结果表明,该算法可在合理运行时间内有效提高布局结果质量.

非奇异单圈图的刻划

边数等于顶点个数的连通图称为单圈图.本文修正了文献[1]中关于奇异单圈图的充要条件,并且利用该条件证明了文献[2]中一个关于非奇异单圈图的猜想.

基于贪心随机自适应搜索的电路划分改进算法

为提高基于迭代改进的传统电路划分算法的划分质量,提出了一种基于贪心随机自适应搜索过程(greedyrandomized adaptive search procedure,GRASP)的电路划分改进算法.GRASP由构造阶段和局部搜索阶段组成,能够快速构造较好的初始划分.在其构造阶段引入启发式子集选择策略,并与高效搜索技术Path-Relinking相结合,在各个局部最优解之间建立路径,从而有效搜索了局部最优解空间.实验结果表明,该算法与基本GRASP相比,能在合理的时间范围内改进解的质量,获得更好的划分结果.在获得的最小划分上,改进程度最大达到33.3%;而在平均划分上,最大达到27.4%.

VLSI标准单元阵列布局问题的一个高效遗传算法

研究可有效处理几万至百万个单元规模VLSI标准单元阵列布局问题的遗传算法,使之能在合理的时间内获得高质量的布局结果.为了提高布局质量,针对布局的二维特性设计了新型线网交叉算子和局部搜索技术,并提出了三阶段算法框架以协调算法的全局搜索和局部搜索.为了降低算法的时间和空间复杂度,使算法可处理大规模问题,采用了交叉算子局部化和小规模种群的思想,同时使用了多种保持种群多样性的策略以提高小规模种群的进化性能.对Peko suite3、4标准测试电路的实验结果表明,基于这些策略的遗传算法是有效的.

基于剩余寿命的劣化系统最优维修策略

考虑Gamma型劣化可替换系统的最优观测/替换策略问题,给出了基于剩余寿命的观测函数,得到期望单位时间维修费用最小化准则下的最优维修策略.相对于传统的非周期观测策略,该方法只需要一个比例风险系数参数来确定检测时间,从而降低了策略优化过程的复杂性.数值模拟表明在系统长期使用的单位时间维修费用上,基于平均剩余寿命的策略可以得到比一些基于状态的维修策略更优的结果.

图最小线性排序问题的Memetic爬山算法

针对图最小线性排序问题优化目标的特性及其可行域总是连通的特点,提出了一个新型的Memetic爬山算法。在Memetic算法框架及其主要算子内部流程中同时结合爬山法,并在主要算子内部采用迂回爬山策略。设计可变型顶点-边-邻接交叉算子,改进使用基于贪心随机自适应搜索过程的初始解生成算法,采用动态更新等保持种群多样性策略。公认测试集的实验结果表明,与最近的两阶段模拟退火算法(two-stage simulated annealing,TSSA)和分散搜索与路径重链接算法(scatter search and path relinking,SSPR)相比,该算法具有更好的整体性能。在相近平均运行时间内,该算法近优解质量分别平均提高1.6%和2.01%,21个测试例子中13个获得当时最好的近优解,比TSSA算法多出4个,比SSPR算法多出2个。

基于多阶段拆线重布的总体布线算法

超大规模集成电路总体布线是集成电路物理设计的关键环节之一,对芯片的可布线性、线长、通孔数等性能指标有重大影响.针对拆线重布方法容易陷入局部最优解的问题,提出一种基于多阶段拆线重布的总体布线算法.该算法根据不同布线阶段对最小化溢出值和最小化线长这两个目标的侧重点不同,通过构造不同的布线代价函数、确定不同的布线顺序、选取不同的布线模型及布线算法对线网进行拆线重布,使得基于多阶段拆线重布的总体布线算法可以有效地跳出局部最优解,快速地提高布线质量.采用ISPD08总体布线竞赛中的标准测试例子集的实验结果表明,与NTUgr,NTHU-Route2.0和NCTU-GR2.0相比,所提出的总体布线算法在平均总溢出方面分别减少了1.4%,2.4%和21.5%,在平均运行时间方面分别快了10.4倍,1.6倍和1.3倍.

超大规模集成电路布局的优化模型与算法

布局确定集成电路单元在芯片中的具体位置,在单元互不重叠的基础上优化一些性能指标。该问题是NP困难的组合优化问题,是超大规模集成电路物理设计的核心问题之一,对集成电路的性能指标,如线网可布通性、时延、功耗、电路可靠性等有重大影响。在现代的集成电路设计中,布局问题通常包含数百万个集成电路单元,以及大小相异的异质性模块,和各种复杂的布局约束。目前的超大规模集成电路布局算法通常分解为总体布局、布局合法化和详细布局三个步骤。根据近年来集成电路布局算法的研究进展,综述并分析集成电路的总体布局、布局合法化和详细布局的相关优化模型和算法,并展望进一步的研究方向。

求解边坡最小安全系数的混合文化基因算法

基于瑞典圆弧法的数学模型,提出一种有效用于求解边坡稳定最小安全系数的混合文化基因算法.该算法结合了遗传算法优秀的全局搜索能力与低温状态下模拟退火算法的快速局部收敛特性,使算法在全局搜索和局部搜索之间达到较好平衡.通过典型工程实例分析,验证了该混合文化基因算法在搜索边坡最小安全系数及其所对应的最危险滑动面位置的有效性.

MAX-SAT问题一种改进的局部搜索算法

局部搜索算法是求解大规模SAT问题的高效算法。经典的局部搜索算法有GSAT、WSAT、TSAT、NSAT等,但这些算法的初始解都是随机产生的。本文提出了用单纯形法产生"初始概率"(每个变量取1的概率) ,用"初始概率"对局部搜索算法中变量的初始随机指派进行适当的约束,使在局部搜索的开始阶段,满足的子句数大大增加,加快了收敛的速度。通过对不同规模的随机STA问题实例的实验表明,这些改进有效地提高了局部搜索算法求解SAT问题的效率。

具有最小度距离的双圈图

记G(n)为所有n阶连通简单双圈图所构成的集合.本文主要讨论G(n)按其度距离从小到大进行排序的问题.并确定了该序的前两个图及其相应的度距离,其中具有最小度距离的图是由星图K_(1,n-1)的—个悬挂点与另外两个悬挂点之间各连上一条边所得的图S_n.

TSP问题的一种改进的GRASP算法

本文对Marinakis等提出的扩展邻域GRASP算法进行改进。首先使用最近α值方法构造初始TSP回路,然后运用混合的局部搜索即2-opt算法、双桥策略和3-opt算法来改进初始回路,并且引进α-nearness候选集和don’t-lookbit技术来提高搜索速度。实验结果表明,本文提出的GRASP能够在合理的时间内得到很好的解,并且解的质量优于Marinakis等提出的扩展邻域GRASP算法得到的解。

集成电路二划分的一维泊松方程方法

将集成电路二划分问题转化为等价的一维离散布局问题,在全局布局阶段将问题松弛为连续布局问题,并推导得到一维显式泊松方程.以线长作为目标函数,由泊松方程建立的密度函数作为罚函数,使用非线性优化方法得到全局布局阶段的连续解.在合法化阶段将连续解映射至原问题的离散解空间,得到原问题的可行解.在详细布局阶段使用FM(factorization machines)算法对离散解进行局部优化,得到最终解.上述二划分方法在ISPD98标准测试样例中的表现相较于传统FM算法,割边减少约36%.将上述方法嵌入多级划分框架KaHyPar,割边约减少7%.

非负约束稀疏优化问题的一个等价性条件

加权l最小化是稀疏优化的主流方法之一。本文对带非负约束的l最小化问题与加权l最小化问题的解之间的关系进行了研究,给出了加权l最小化问题的约束矩阵和目标函数的系数是“s-权优”的定义,并通过该定义给出了加权l最小化问题的解是带非负约束的l最小化问题的解的条件。进一步,本文给出了“s-权优”的充分条件及其具体表示形式,并对其上下界进行了可计算的有效估计。

最小度不小于3的图的圈长问题(英文)

Bondy和Vince曾证明最小度不小于3的图包含两个长度相差为1或者2的圈,这个结果回答了Erd(o|¨)s提出的问题.H(o|¨)ggkvist和scott证明了除K_4外,所有的3-正则图都包含两个长度相差2的圈.通过不同的方法,我们得到了下面的结论:除了每个端块都是K_4的图外,所有最小度不小于3的图都包含两个长度相差2的圈.

一个参数动态调节的全局凸填充函数算法

构造了有界闭箱上连续全局优化问题的一个新的全局凸填充函数,分析了该函数的几个性质,设计了一个基于该填充函数的全局优化算法。该算法通过动态调节参数来跳出当前收敛的局部极小解的邻域,数值试验表明该算法是有效的。