[发明专利]基于离散粒子群优化的轨道规划方法

权利要求书

1.一种基于离散粒子群优化的轨道规划方法，其特征在于，包括以下步骤：

步骤S1:根据总体布线得到的结果中,同时从全局线网和局部线网中提取线段，并创建轨道；

步骤S2：根据得到的轨道，考虑线长成本、重叠成本和障碍成本，并采用改进的离散粒子群优化算法寻找，得到初步的轨道规划方案；

步骤S3:采用拆线-重绕技术，优化初步的轨道规划方案，得到最优的轨道规划方案；

所述改进的离散粒子群优化算法采用新的社会学习方式，震荡参数策略和自适应的惯性权重；

所述新的社会学习方式具体为：每个粒子在社会学习阶段，根据适应值的大小，向比自身粒子适应值更优的粒子学习；

所述震荡参数策略具体为：将最大迭代次数max_iter划分为每个阶段为SI次的迭代过程，使全局勘探和局部搜索在整个迭代过程中交替变化mod(max_iter,SI)次，每个阶段使用如下的参数公式：

其中，ω_init和ω_end分别为惯性权重ω的初始值和结束值，c_init和c_end分别为加速因子c的初始值和结束值，t为当前迭代次数，SI为每个阶段的最大迭代次数；

所述自适应的惯性权重具体为：计算当前种群的平均适应值，并依照每个粒子适应值的大小把全部粒子分为两个级别，依照级别选取不同的惯性因子的公式，每次进化迭代过程中粒子的惯性因子调整的步骤如下：

计算种群的平均适应值，记为f_avg；

适应值比f_avg差或者相等的粒子采取公式(6)；

适应值优于f_avg的粒子采取公式(7)。

2.根据权利要求1所述的基于离散粒子群优化的轨道规划方法，其特征在于：所述步骤S1具体为：

(1)每个局部线网均构建两棵斯坦纳树，分别为单株垂直主干斯坦纳树和单株水平主干斯坦纳树；

(2)通过计算它们的长度，选择二者中长度较小的树主干作为该局部线网的线段；

(3)为每个panel创建轨道，每一层上的所有panels的轨道方向是一致的，相邻层的轨道方向不一致；即奇数层的轨道方向为水平方向，偶数层的轨道方向为垂直方向

其中，panel为一个布线层的行或列中所有G-cell的集合，G-cell为总体布线阶段将布线区域划分成一组子布线区域。

3.根据权利要求1所述的基于离散粒子群优化的轨道规划方法，其特征在于，所述步骤S2具体为：

(1)采用一维实数编码方式来编码轨道规划问题,一个粒子代表一个轨道规划方案，粒子编码的每一位代表了对应线段所在的轨道序号，即粒子第i位的编码为j，代表panel上的线段i被分配在轨道j上；其中，panel为一个布线层的行或列中所有G-cell的集合；

(2)通过不同的分配顺序进行轨道规划，以产生初始种群；

(3)构建适应值函数

其中，是每个panel的适应值函数，OverlapCost是粒子的重叠成本，BlockCost是粒子的障碍成本；β为自定义参数；

(4)引入变异算子和交叉算子来重新定义粒子的更新公式

其中ω是惯性权重，决定了变异的概率，c₁和c₂是加速因子，决定了粒子交叉的概率；N₁是自身变异操作，N₂和N₃是交叉操作；

(5)根据改进离散粒子群优化算法寻找，得到初步的轨道规划方案。

4.根据权利要求3所述的基于离散粒子群优化的轨道规划方法，其特征在于，所述更新公式具体分为：

粒子的惯性保持部分：

其中，ω是惯性权重，rand()是[0,1]之间的随机数；

粒子的个体学习部分：

粒子的社会学习部分：

其中，c₁和c₂是加速因子。