基于深度强化学习的绕障X结构Steiner最小树方法技术

本发明专利技术提出基于深度强化学习的绕障X结构Steiner最小树方法，包括以下步骤；步骤一、在预处理阶段，设计基于异构图变换器的编码器为每个结点生成固定长度的编码；步骤二、在布线主阶段，设计基于指针网络的Actor‑Critic解码器生成绕障X结构Steiner冗余树；步骤三、在线长评估阶段，设计快速评估策略用于评估冗余树的质量；本发明专利技术能有效地减少构建绕障矩形Steiner最小树的代价，从而降低了芯片设计的复杂度和总成本。

【技术实现步骤摘要】

本专利技术涉及集成电路计算机辅助设计，尤其是基于深度强化学习的绕障x结构steiner最小树方法。

技术介绍

1、随着集成度的提高和器件的微型化，现代集成电路的复杂度急剧增加，需要大量的时间和人力来完成电路设计、仿真、布局、布线、物理验证、测试等过程。电子设计自动化(electronic design automation,eda)的出现极大地提高了电路设计的效率和准确性。

2、在eda工具中，布线算法是实现电路功能的关键技术之一。在布局阶段，芯片的各个模块已经被放置在芯片上，并确定了电路的电气特性和功能。布线的主要目标是通过连接模块间的逻辑网(以下称为线网)，从而为芯片提供物理互连。值得注意的是布线的质量将直接影响芯片的性能，功耗，可靠性和设计周期。并且，有研究表明，基于x结构的布线技术可显著降低通孔数量、线长和模具尺寸，具有很高的实用价值。

3、由于存在障碍物，解决非曼哈顿结构布线的最佳连接模型是绕障x结构steiner最小树(obstacle-avoiding x-architecture steiner minimal tr本文档来自技高网...

【技术保护点】

1.基于深度强化学习的绕障X结构Steiner最小树方法，其特征在于：包括以下步骤；

2.根据权利要求1所述的基于深度强化学习的绕障X结构Steiner最小树方法，其特征在于：所述绕障X结构Steiner最小树OAXSMT中，λ结构Steiner最小树在二维平面上允许布线路径在与水平线夹角为iπ/λ的方向上延伸，其中i，λ是一个整数，i＜λ；

3.根据权利要求2所述的基于深度强化学习的绕障X结构Steiner最小树方法，其特征在于：所述步骤一中，深度强化学习是深度学习和强化学习的结合；利用智能体在环境中不断学习并积累经验从而达到决策优化的目的；

4.根...

【技术特征摘要】

1.基于深度强化学习的绕障x结构steiner最小树方法，其特征在于：包括以下步骤；

2.根据权利要求1所述的基于深度强化学习的绕障x结构steiner最小树方法，其特征在于：所述绕障x结构steiner最小树oaxsmt中，λ结构steiner最小树在二维平面上允许布线路径在与水平线夹角为iπ/λ的方向上延伸，其中i，λ是一个整数，i＜λ；

3.根据权利要求2所述的基于深度强化学习的绕障x结构steiner最小树方法，其特征在于：所述步骤一中，深度强化学习是深度学习和强化学习的结合；利用智能体在环境中不断学习并积累经验从而达到决策优化的目的；

4.根据权利要求3所述的基于深度强化学习的绕障x结构steiner最小树方法，其特征在于：hgt将oasg异构图的三元组(源点s，边e，终点t)定义为元关系；

5.根据权利要求4所述的基于深度强化学习的绕障x结构steiner最小树方法，其特征在于：编码器以点的二维坐标作为输入，hgt的层数l＝4。模型使用线性变化扩展结点的维数，通过e0＝batchnorm(cwemb)得到初始编码，其中，是一个参数可训练的投影矩阵；batchnorm(·)函数对矩阵进行批标准化处理，通过计算每个mini-batch的均值和方差，将其拉回到均值为0方差为1的标准正态分布，以使训练更加稳定，算法的收敛速度更快。

6.根据权利要求3所述的基于深度强化学习的绕障x结构steiner最小树方法，其特征在于：oasg中，对于任意结点ni∈n，以该结点为原点建立坐标系，并将平面划分为四个象限r1，r...

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