基于遗传算法的大规模BGA封装最优引脚分布生成方法技术

本发明专利技术涉及一种基于遗传算法的大规模BGA封装最优引脚分布生成方法，该方法不仅有效地解决随着更多的功能函数被整合到信号分装中，大量的I/O引脚，P/G引脚必须容纳在信号封装甚至更小的体积内这一问题，而且还能大规模自动生出最优的引脚分布，以减少信号完整性的问题。

【技术实现步骤摘要】
基于遗传算法的大规模BGA封装最优引脚分布生成方法
本专利技术涉及大规模BGA封装
，更具体地，涉及一种基于遗传算法的大规模BGA封装最优引脚分布生成方法。
技术介绍
随着电子信息技术和产品工艺的不断进步，芯片的芯片集成度不断提高，I/O引脚数急剧增加，功耗也随之增大，对集成电路封装的要求也更加严格。为了满足产品的需要。BGA封装开始被应用于生产。BGA为Ball-Gird-Array的英文缩写，即球形封装，作为新一代的芯片封装技术，他的工作原理是在封装体基板的底部制作阵列焊球作为电路的I/O端与印刷线路板(PCB)互连，与传统的脚形贴装器件相比，BGA封装器件有很多优良特点，如I/O数较多、提高了贴装成品率、潜在的降低了成本、有利于散热、由于焊球引脚很短从而缩短了信号的传输路径，减少引线电感、电阻，从而可改善电路的整个性能等。近些年，随着半导体硅技术的不断成熟与进步，产品的性能的不断丰富与多样，造成BGA产品封装越发复杂，芯片的引脚数目急剧增加，伴随着BGA封装中信号、电源引脚分布的不断困难，往往会伴随着许多信号完整性的问题，如串扰、轨道塌陷电磁干扰、辐射等。如何才能在BGA封装上更好地实现引脚分配，显得格外重要。近年来，在产品生产与芯片排布中，很多引脚最优分布的方法被陆续提出，本次研究主要是通过对遗传算法在BGA布局中的引用来实现最优的引脚分布。遗传算法(GeneticAlgorithm)是一类借鉴生物界的进化规律(适者生存，优胜劣汰遗传机制)演化而来的随机化搜索方法。它是由美国的J.Holland教授1975年首先提出，其主要特点是直接对结构对象进行操作，不存在求导和函数连续性的限定；具有内在的隐蔽性和更好的全局寻优能力；采用概率化的寻优方法，能自动获取和指导优化的搜索空间，自适应地调整搜索方向，不需要确定的规则。遗传算法的这些性质，已被人们广泛地应用于组合优化、机器学习、信号处理、自适应控制和人工生命等领域，它是现代有关智能计算中的关键技术。在BGA引脚排布过程中，如何尽可能减少时间消耗与确认全局最优，是我们重点研究方向。主要采取的是在遗传算法的基础上运用静态模板快速生成最优引脚。
技术实现思路
本专利技术的目的在于克服大量的引脚排布导致复杂的封装设计甚至是严重的信号完整性问题的现象，提供一种基于遗传算法的大规模BGA封装最优引脚分布生成方法，本方法不仅有效地解决随着更多的功能函数被整合到信号分装中，大量的I/O引脚，P/G引脚必须容纳在信号封装甚至更小的体积内这一问题，而且还能大规模自动生出最优的引脚分布，以减少信号完整性的问题。为实现以上专利技术目的，采用的技术方案是：一种基于遗传算法的大规模BGA封装最优引脚分布生成方法，包括以下步骤：S1.对于引脚数目为M*N的BGA封装，其引脚分布使用M*N的矩阵D来表示，其中使用1、2、0分别来表示电源信号引脚、地信号引脚和空信号引脚；S2.选定K个封装方案，并使用M*N的矩阵分别来表示其引脚分布，K个封装方案构成种群Chrom，封装方案作为种群Chrom中的个体，此时令迭代次数t＝0；S3.将含有K个个体的种群Chrom随机排列；S4.将种群Chrom的个体的适应度值进行评价检测；S5.将种群Chrom中的个体根据其适应度值进行两两比较，将两两比较中适应度较好的个体放入WinChrom的容器中，WinChrom的容器共有N个；S6.使WinChrom中的个体进行匹配交叉，匹配交叉的位置由随机数m1、m2、n1、n2确定，若m1小于m2，则个体矩阵的交叉区域的行位于m1+1到m2之间，若m1大于m2，则个体矩阵的交叉区域的行位于1到m2或是m1+1到K之间，n1、n2用于确定交叉区域的列，其原理同m1、m2。由此可确认匹配交叉区域；S7.判断交叉后的个体相对应的电源信号引脚、地信号引脚数目是否发生了改变，若否则继续执行步骤S8；S8.使WinChrom中的个体进行变异，首先计算变异概率pm：其中fMax、fi为分别种群WinChrom中最适应个体的适应值、种群平均P应值、变异个体的适应值；S9.在变异概率内，判断变异个体的电源信号引脚、地信号引脚是否等于变异个体的总引脚数，若是则将某个电源信号引脚与地信号引脚互换位置，若否，则利用rand函数在(0,1)之间随机产生一个数，若此数大于Pm，则将个体中某个电源信号引脚与地信号引脚互换位置，否则将个体中某个电源信号引脚或者地信号引脚与空信号引脚交换位置；S10.N个WinChrom中的个体进行交叉匹配、变异后产生(K-N)个WinChrom后代，将N个WinChrom中的个体和(K-N)个WinChrom后代组合，形成新一代种群NewChrom；S11.计算种群NewChrom中各个个体的适应值，选择适应值最好的个体为BestInd；S12.令t＝t+1，将种群NewChrom作为初始种群重复执行步骤S3～S11直至t>k；S13.保存每次迭代的最优个体BestInd到容器BestInd_Temp中，通过比较分析BestInd_Temp中每个BestInd的适应值得到最理想的引脚分配。优选地，所述步骤S11的适应值定义为f(x)＝w×Msum(A)+Dsum(A)w∈[0，∞)；其中w是非负的权重系数，Msum(A)为个体总电感，Dsum(A)为个体返回路径质量。优选地，所述权重系数w＝0.75。优选地，个体总电感Msum(A)表示如下：aij为-1，0，1，分别表示引脚i与引脚j在对立的方向、引脚i＝引脚j、引脚i与引脚j在相同的方向这三种不同情况，G代表总的引脚数目，dij表示引脚i与引脚j之间的距离，表示第i行j列的引脚的局部互感，dMax为固定值，表示引脚间距的最大值。优选地，所述个体返回路径质量表示如下：其中Dmin表示矩阵中每列的最小元素所构成的矢量，G表示引脚总数目，dj表示矩阵D中第j列中最小元素，var(Dmin)表示Dmin的均方差。优选地，所述步骤S13中，通过比较分析BestInd_Temp中每个BestInd的适应值得到最理想的引脚分配的过程具体如下：S121.判断BestInd_Temp中BestInd的数目是否大于1小于8，若是则执行步骤S123，否则执行步骤S122；S122.输出适应值最大的个体；S123.判断BestInd_Temp中是否有相同的个体，若是则输出适应值最大的个体，否则执行步骤S121。与现有技术相比，本专利技术的有益效果是：(1)大大提高了引脚分布的效率，提高信号完整性；(2)人眼可以直接对最终结果进行视觉评估；(3)缩短整个大规模BGA封装设计的时间，可广泛适用在现代大规模高性能系统封装中。附图说明图1为最优引脚分布生成方法的流程图。图2为电信号引脚、地信号引脚、空信号引脚的互换关系判断图。图3为通过比较分析BestInd_Temp中每个BestInd的适应值得到最理想的引脚分配的过程示意图。图4使用矩阵表示引脚分别的示例图。图5为改良后的锦标赛选择的示意图。图6为交叉区域的确定示例图。具体实施方式附图仅用于示例性说明，不能理解为对本专利的限制；以下结合附图和实施例对本专利技术做进一步的阐述。实施例1如图1所示，最优引脚分布生成方法具体实施本文档来自技高网...

【技术保护点】
1.一种基于遗传算法的大规模BGA封装最优引脚分布生成方法，其特征在于：包括以下步骤：S1.对于引脚数目为M*N的BGA封装，其引脚分布使用M*N的矩阵D来表示，其中使用1、2、0分别来表示电源信号引脚、地信号引脚和空信号引脚；S2.选定K个封装方案，并使用M*N的矩阵分别来表示其引脚分布，K个封装方案构成种群Chrom，封装方案作为种群Chrom中的个体，此时令迭代次数t＝0；S3.将含有K个个体的种群Chrom随机排列；S4.将种群Chrom的个体的适应度值进行评价检测；S5.将种群Chrom中的个体根据其适应度值进行两两比较，将两两比较中适应度较好的个体放入WinChrom的容器中，WinChrom的容器共有N个；S6.使WinChrom中的个体进行匹配交叉，匹配交叉的位置由随机数m1、m2、n1、n2确定，若m1小于m2，则个体矩阵的交叉区域的行位于m1+1到m2之间，若m1大于m2，则个体矩阵的交叉区域的行位于1到m2或是m1+1到K之间，n1、n2用于确定交叉区域的列，其原理同m1、m2；由此可确认匹配交叉区域；S7.判断交叉后的个体相对应的电源信号引脚、地信号引脚数目是否发生了改变，若否则继续执行步骤S8；S8.使WinChrom中的个体进行变异，首先计算变异概率pm：...

【技术特征摘要】
1.一种基于遗传算法的大规模BGA封装最优引脚分布生成方法，其特征在于：包括以下步骤：S1.对于引脚数目为M*N的BGA封装，其引脚分布使用M*N的矩阵D来表示，其中使用1、2、0分别来表示电源信号引脚、地信号引脚和空信号引脚；S2.选定K个封装方案，并使用M*N的矩阵分别来表示其引脚分布，K个封装方案构成种群Chrom，封装方案作为种群Chrom中的个体，此时令迭代次数t＝0；S3.将含有K个个体的种群Chrom随机排列；S4.将种群Chrom的个体的适应度值进行评价检测；S5.将种群Chrom中的个体根据其适应度值进行两两比较，将两两比较中适应度较好的个体放入WinChrom的容器中，WinChrom的容器共有N个；S6.使WinChrom中的个体进行匹配交叉，匹配交叉的位置由随机数m1、m2、n1、n2确定，若m1小于m2，则个体矩阵的交叉区域的行位于m1+1到m2之间，若m1大于m2，则个体矩阵的交叉区域的行位于1到m2或是m1+1到K之间，n1、n2用于确定交叉区域的列，其原理同m1、m2；由此可确认匹配交叉区域；S7.判断交叉后的个体相对应的电源信号引脚、地信号引脚数目是否发生了改变，若否则继续执行步骤S8；S8.使WinChrom中的个体进行变异，首先计算变异概率pm：其中fMax、为分别种群WinChrom中最适应个体的适应值、种群平均P应值、变异个体的适应值；S9.在变异概率内，判断变异个体的电源信号引脚、地信号引脚是否等于变异个体的总引脚数，若是则将某个电源信号引脚与地信号引脚互换位置，若否，则利用rand函数在(0,1)之间随机产生一个数，若此数大于Pm，则将个体中某个电源信号引脚与地信号引脚互换位置，否则将个体中某个电源信号引脚或者地信号引脚与空信号引脚交换位置；S10.N个WinChrom中的个体进行交叉匹配、变异后产生(K-N)个WinChrom后代，将N个WinChrom中的个体和(K-N)个WinChrom后代组合，形成新一代种群NewChrom；S11.计算种群NewChrom中各个个体的适应值，选择适应值最好...

【专利技术属性】
技术研发人员：张木水，谭天琪，
申请(专利权)人：广东顺德中山大学卡内基梅隆大学国际联合研究院，中山大学，
类型：发明
国别省市：广东,44