考虑最大时延优化的FPGA布线方法技术

本发明专利技术涉及一种考虑最大时延优化的FPGA布线方法，包括以下步骤：步骤S1:采用布线驱动的布局优化算法，将电路设计划分为系统时延更小的分区;步骤S2:采用基于拉格朗日松弛方法的TDM比率初次分配方法，得到最优的TDM比率分配结果；步骤S3:基于实际约束条件的TDM比率合法化算法对TDM比率分配结果进行合法化操作；步骤S4:基于协商交换的最大时延优化算法,进一步减少TDM比率，缩小系统时延。本发明专利技术能有效提升多FPGA原型系统的可用性，提高布线效率。提高布线效率。提高布线效率。

【技术实现步骤摘要】
考虑最大时延优化的FPGA布线方法


[0001]本专利技术属于集成电路计算机辅助设计
，具体涉及一种考虑最大时延优化的FPGA布线方法。

技术介绍

[0002]逻辑验证在超大规模集成电路(Very Large Scale Integration Circuit，VLSI)物理设计自动化中起着重要的作用。随着超大规模集成电路尺寸的快速增加，用于实现逻辑验证的时间变长，复制成本也越来越高。因此，对于现代先进的超大规模集成电路，需要一种有效的、可扩展的逻辑验证方法。现有的VLSI逻辑验证方法分为以下三类：(1)软件仿真方法、(2)硬件仿真方法和(3)现场可编程逻辑门阵列(Field Programmable Gate Array,FPGA)原型设计方法。基于软件的模拟器是可视化的，并为VLSI开发人员提供了调试能力。然而，这样的模拟器需要在单个处理器上依次模拟所有的逻辑门，所以它的运行时间对于大型的VLSI设计来说太长了。与软件仿真相比，硬件仿真方法大大加快了电路的生成过程，但实施代价将会大大增加。现在因集成电路技术的发展，使用的芯片规模越来越大，之前所述的两种验证方法的劣势愈加明显。
[0003]目前，现场可编程逻辑门阵列已被广泛运用于云计算、人工智能中的深度学习和FPGA原型系统。与逻辑仿真和硬件仿真的方法不同，FPGA原型方法在成本和运行时间上花费更少，因此在工业上得到了广泛的应用。对于FPGA原型设计，如果是很小规模的电路，则可以在单个FPGA上进行逻辑验证。但是，目前的超大规模集成电路设计的尺寸是巨大的，FPGA原型系统很难仅在一个FPGA中进行设计。因此，人们开发了多FPGA原型系统，将给定的超大规模集成电路设计划分为子电路，每个子电路可以在单个FPGA中实现。由于单个FPGA的物理上的限制，电路间信号通常超过I/O引脚的数量。因此提出了时分复用技术(Timing Division Multiplexing,TDM)技术被提出解决I/O引脚数量不足的问题。TDM技术有效地提高了FPGA原型系统的信号传输能力。但是，由于时分多路复用延长了FPGA间的信号延迟，因此大大降低了系统的时钟频率，如何优化TDM比率仍是一个重要的问题。

技术实现思路

[0004]有鉴于此，本专利技术的目的在于提供一种考虑最大时延优化的FPGA布线方法，以优化系统运行时间和优化最大时延为目标，有效提升多FPGA原型系统的可用性。
[0005]为实现上述目的，本专利技术采用如下技术方案：
[0006]一种考虑最大时延优化的FPGA布线方法，包括以下步骤：
[0007]步骤S1:采用布线驱动的布局优化算法，将电路设计划分为系统时延更小的分区；
[0008]步骤S2:采用基于拉格朗日松弛方法的TDM比率初次分配方法，得到最优的TDM比率分配结果；
[0009]步骤S3:基于实际约束条件的TDM比率合法化算法对TDM比率分配结果进行合法化操作；
[0010]步骤S4:基于协商交换的最大时延优化算法,进一步减少TDM比率，缩小系统时延。
[0011]进一步的，所述布线驱动的布局优化算法，具体为：
[0012](1)为每个逻辑元素提供一个初始位置，并调整逻辑元素的面积；
[0013](2)基于约束将逻辑元素打包到基本逻辑元素中；
[0014](3)拥塞驱动的全局布局，为合法化提供全局布局结果；
[0015](4)确定每个逻辑元素的确切位置；
[0016](5)采用改进贪婪算法进行的详细布局。
[0017]进一步的，所述步骤S2具体为：
[0018]步骤S21:根据约束条件将TDM分配问题建模为公式(1)，公式(1)如下所示：
[0019][0020]其中，at
sink
是到达目标节点的系统时延，at
i
是到达节点i的系统时延，x
i
是第i条边上的TDM比率，p
i
是第i个连接对上边的数目；
[0021]其中，公式(1)中的第二个约束条件展开后可以得到公式(2)，公式(2)如下所示：
[0022][0023]步骤S22:对公式(2)中所示的约束进行松弛,对于每一个约束条件，引入一个非负的拉格朗日乘子变量；
[0024]步骤S23:基于拉格朗日松弛法求解约束优化问题，得到最优的TDM比率分配结果。
[0025]进一步的，所述步骤S22具体为：
[0026]对每个FPGA引入了λ
i
，并且对每条边e
p，q
上的约束引入μ
p，q
，松弛后的公式如下所示：
[0027][0028]综上，与拉格朗日乘子μ，λ相关的拉格朗日松弛子问题(LRS)将定义为：
[0029][0030]进一步的，所述步骤S23具体为：
[0031]在KKT条件下，PP的较优解也是拉格朗日松弛子问题的较优解，因此，μ和λ必须满足KKT条件和在求解拉格朗日对偶问题(LDP)的(μ,λ)时，只考虑那些满足这些条件的乘子，同时这也表明了乘子上的最优性条件，如公式(5)所示：
[0032][0033]因此，通过(μ,λ)就可以得到x，如公式(6)所示：
[0034][0035]由于μ和λ是两组非负变量，所以LRS/(μ,λ)的最优值并不大于PP目标值，如果最大化L
μ，λ
的最小值，得到一个更紧密的PP下界
[0036]通过迭代更新μ和λ，L
μ，λ
的下界将更接近PP的最优解，最终达到收敛，设Q(μ,λ)表示LRS/(μ,λ)的最优值，LDP的公式如下：
[0037][0038]当优化LDP时，只需要考虑公式(7)定义的解空间Ω中的(μ,λ)；之前的工作通常使用任意分配的乘子作为初始拉格朗日乘子，然后通过不断迭代更新乘子；为了更新乘子；
[0039]将μ
p，q
的初始值与影响at
p，q
的TDM边数联系起来，通过将μ
p，q
与影响at
p，q
的TDM边的数量成正比来获得μ的初始分配。
[0040]进一步的，所述λ的初始化方法如下：
[0041][0042]在求解LRS/(μ,λ)后，根据每条边的时间临界值来更新μ，使用公式(9)来控制收敛速度和质量；
[0043][0044]其中，i为当前迭代次数；
[0045]进一步的，采用贪心算法来更新μ，首先，更新目标节点的μ
i，sink
，如公式(10)所示：
[0046]μ
′
i,sink
＝μ
i,sink
·
(1+r),if at
i,sink
≥c
·
at
sink
ꢀꢀ
(10)
[0047]然后，对中间节点的拉格朗日乘数进行更新；当一个节点本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种考虑最大时延优化的FPGA布线方法，其特征在于，包括以下步骤：步骤S1:采用布线驱动的布局优化算法，将电路设计划分为系统时延更小的分区；步骤S2:采用基于拉格朗日松弛方法的TDM比率初次分配方法，得到最优的TDM比率分配结果；步骤S3:基于实际约束条件的TDM比率合法化算法对TDM比率分配结果进行合法化操作；步骤S4:基于协商交换的最大时延优化算法,进一步减少TDM比率，缩小系统时延。2.根据权利要求1所述的一种考虑最大时延优化的FPGA布线方法，其特征在于，所述布线驱动的布局优化算法，具体为：(1)为每个逻辑元素提供一个初始位置，并调整逻辑元素的面积；(2)基于约束将逻辑元素打包到基本逻辑元素中；(3)拥塞驱动的全局布局，为合法化提供全局布局结果；(4)确定每个逻辑元素的确切位置；(5)采用改进贪婪算法进行的详细布局。3.根据权利要求1所述的一种考虑最大时延优化的FPGA布线方法，其特征在于，所述步骤S2具体为：步骤S21:根据约束条件将TDM分配问题建模为公式(1)，公式(1)如下所示：其中，at
sink
是到达目标节点的系统时延，at
i
是到达节点i的系统时延，x
i
是第i条边上的TDM比率，p
i
是第i个连接对上边的数目；其中，公式(1)中的第二个约束条件展开后可以得到公式(2)，公式(2)如下所示：步骤S22:对公式(2)中所示的约束进行松弛,对于每一个约束条件，引入一个非负的拉格朗日乘子变量；步骤S23:基于拉格朗日松弛法求解约束优化问题，得到最优的TDM比率分配结果。4.根据权利要求3所述的一种考虑最大时延优化的FPGA布线方法，其特征在于，所述步骤S22具体为：对每个FPGA引入了λ
i
，并且对每条边e
p，q
上的约束引入μ
p，q
，松弛后的公式如下所示：
综上，与拉格朗日乘子μ，λ相关的拉格朗日松弛子问题(LRS)将定义为：5.根据权利要求3所述的一种考虑最大时延优化的FPGA布线方法，其特征在于，所述步骤S23具体为：在KKT条件下，PP的较优解也是拉格朗日松弛子问题的较优解，因此，μ和λ必须满足KKT条件和在求解拉格朗日对偶问题(LDP)的(μ,λ)时，只考虑那些满足这些条件的乘子，同时这也表明了乘子上的最优性条件，如公式(5)所示：因此，通过(μ,λ)就可以得到x，如公式(6)所示：由于μ和λ是两组非负变量，所以LRS/(μ,λ)的最优值并不大于PP目标值，如果最大化L
μ，λ
的最小值，得到一个更紧密的PP下界通过迭代更新μ和λ，L
μ，λ
的下界将更接近PP的最优解，最终达到收敛，设Q(μ,λ)表示LRS/(μ,λ)的最优值，LDP的公式如下：当优化LDP时，只需要考虑公式(7)定义的解空间Ω中的(μ,λ)；之前的工作通常使用任意分配的乘子作为初始拉格朗日乘子，然后通过不断迭代更新乘子；为了更新乘子；将μ
p，q
的初始...

【专利技术属性】
技术研发人员：刘耿耿，陈正阳，郭文忠，
申请(专利权)人：福州大学，
类型：发明
国别省市：