-
公开(公告)号：CN113919280B
公开(公告)日：2024-07-30
申请号：CN202111185378.X
申请日：2021-10-12
Applicant: 福州大学
IPC: G06F30/394 , G06F30/398 , G06F30/25 , G06F30/27 , G06N3/006 , G06F111/06 , G06F115/06
Abstract: 本发明涉及一种基于两阶段竞争粒子群优化的时延驱动XSMT构建方法。该方法包括如下四种有效策略：（1）竞争粒子群优化。使用多目标粒子群优化算法同时优化线长与最大源汇路径，并加入竞争机制选择粒子的学习对象，提高种群多样性，减少计算代价。（2）两阶段学习策略。粒子通过边学习与点学习更好地平衡算法的探索与开发能力。（3）混合交叉策略。针对不同粒子使用不同交叉策略，进一步提高算法收敛质量。（4）离散化框架的设计。结合变异交叉算子，设计合理的目标函数与粒子编码方式，实现了算法的离散化，更好地解决离散型时延驱动Steiner最小树问题。
-
公开(公告)号：CN112395822B
公开(公告)日：2022-08-09
申请号：CN202011342713.8
申请日：2020-11-26
Applicant: 福州大学
IPC: G06F30/3947 , G06F111/06
Abstract: 本发明提出一种时延驱动的非曼哈顿结构Steiner最小树构建方法，包括以下步骤：步骤S1：采用X结构的Prim‑Dijkstra模型初始化布线树；步骤S2：采用基于Pareto支配思想的多目标优化方法，寻找获得一个能平衡总线长和最大汇路径长度的X结构Steiner树，以最终优化布线树的最大汇时延和总时延。该方案能够进一步增强线长的优化能力。
-
Patent Agency Ranking
公开(公告)号：CN115630605A
公开(公告)日：2023-01-20
申请号：CN202210833830.7
申请日：2022-07-14
Applicant: 福州大学
IPC: G06F30/3947 , G06F30/398 , G06N3/006 , G06F111/04
Abstract: 本发明提供了一种基于多子群竞争PSO的限制长度的X结构Steiner最小树构建方法，包括步骤如下：步骤1：加载电路数据；步骤2：进入MSCPSO搜索阶段；步骤3：使用极限穿障策略；步骤4：使用双精炼策略：步骤5：输出LRXSMT作为布线方案，结束算法。应用本技术方案可实现以充分利用障碍内部的可布线资源，从而有效缩短布线长度。
-
公开(公告)号：CN112395822A
公开(公告)日：2021-02-23
申请号：CN202011342713.8
申请日：2020-11-26
Applicant: 福州大学
IPC: G06F30/3947 , G06F111/06
Abstract: 本发明提出一种时延驱动的非曼哈顿结构Steiner最小树构建方法，包括以下步骤：步骤S1：采用X结构的Prim‑Dijkstra模型初始化布线树；步骤S2：采用基于Pareto支配思想的多目标优化方法，寻找获得一个能平衡总线长和最大汇路径长度的X结构Steiner树，以最终优化布线树的最大汇时延和总时延。该方案能够进一步增强线长的优化能力。
-
公开(公告)号：CN117669705A
公开(公告)日：2024-03-08
申请号：CN202311672076.4
申请日：2023-12-06
Applicant: 福州大学
IPC: G06N3/126
Abstract: 本发明涉及一种基于三阶段优化的约束多目标进化方法。将约束多目标优化问题转化为不考虑约束的单目标优化问题，从而使种群穿越大型不可行区域，快速逼近Pareto前沿。其次，在多样性优化阶段，将种群分割成若干子种群，并在每个子种群中进一步挑选出更好的候选解，进而在维持多样性的同时兼顾收敛性。最后，在精炼优化阶段中，采用基于稳态的进化方式，同时考虑候选解的可行性、收敛性与多样性，进一步提高种群的整体质量。
-
公开(公告)号：CN117634214A
公开(公告)日：2024-03-01
申请号：CN202311733121.2
申请日：2023-12-15
Applicant: 福州大学
IPC: G06F30/20 , G06F17/17 , G06N3/006 , G06F111/04 , G06F111/06
Abstract: 本发明提供一种基于双种群的约束高维多目标进化方法，主种群作为该方法最终输出的种群，注重于探索可行域。副种群不考虑约束条件，注重于优化目标函数，为主种群提供收敛性与多样性优秀的个体。提出可行域收缩策略，使该方法能够自适应调整对可行域和不可行域的探索。为了解决在约束高维多目标优化问题中出现选择压力不足的问题，提出一种动态生存函数，动态生存函数兼顾个体的收敛性与多样性信息，进而能够准确地评估种群中个体的质量。
-
公开(公告)号：CN113919280A
公开(公告)日：2022-01-11
申请号：CN202111185378.X
申请日：2021-10-12
Applicant: 福州大学
IPC: G06F30/394 , G06F30/398 , G06F30/25 , G06F30/27 , G06N3/00 , G06F111/06 , G06F115/06
Abstract: 本发明涉及一种基于两阶段竞争粒子群优化的时延驱动XSMT构建方法。该方法包括如下四种有效策略：（1）竞争粒子群优化。使用多目标粒子群优化算法同时优化线长与最大源汇路径，并加入竞争机制选择粒子的学习对象，提高种群多样性，减少计算代价。（2）两阶段学习策略。粒子通过边学习与点学习更好地平衡算法的探索与开发能力。（3）混合交叉策略。针对不同粒子使用不同交叉策略，进一步提高算法收敛质量。（4）离散化框架的设计。结合变异交叉算子，设计合理的目标函数与粒子编码方式，实现了算法的离散化，更好地解决离散型时延驱动Steiner最小树问题。
-
-
-
-
-
-
Search Results
7
records
(took 0.013 seconds)
