[发明专利]一种芯片热布局方法

权利要求书

1.一种基于粒子群优化与结温结合的芯片热布局方法，其特征在于，包括：

步骤1、确定要布局的芯片数量、芯片的尺寸大小和基板的尺寸大小；

步骤2、将各个芯片作为粒子，基板上的所有芯片构成粒子群，将芯片的结温作为适应度函数，采用粒子群优化算法寻找最优的芯片坐标；

步骤3、根据确定的最优的各芯片坐标将各芯片布局到基板上；

所述步骤2，包括：

步骤2.1、初始化：根据布局的芯片数量确定粒子群大小，随机生成初始粒子群，随机生成初始的粒子位置与速度，设定最大迭代次数；将每个粒子初始时的个体极值设置为每个粒子当前位置，将全局极值设置为最优的粒子当前位置；

步骤2.2、计算每个粒子当前位置对应的适应度函数值即根据当前各芯片坐标计算各芯片的结温；

步骤2.3、将所有芯片的总结温的最小值作为当前的全局极值，所有芯片的总结温是由单个芯片结温的等权值线性组合来表示的一个加权函数T_i^Tatal；

步骤2.4、将需要降低温度的特定某个芯片的结温作为当前的个体极值；

步骤2.5、根据速度更新方程和位置更新方程，不断更新每个粒子在t+1时刻的位置和速度；

步骤2.6、判断更新的粒子位置是否发生芯片出界或芯片间重叠：是，则返回步骤2.5，否则执行步骤2.7；

步骤2.7、利用当前粒子的位置与速度，计算每个粒子当前位置对应的适应度函数值；

步骤2.8、更新个体极值与全局极值；

步骤2.9、判断是否达到最大迭代次数：是，则当前全局极值所对应的粒子为芯片最优布局位置，否则返回步骤2.2。

2.根据权利要求1所述的方法，其特征在于，所述步骤2.2，包括：

步骤2.2.1、利用热仿真分析软件得到各个芯片坐标与结温对应关系的多组数据；

步骤2.2.2、采用响应面分析法，运用SAS统计分析软件建立多元二次回归模型，来拟合各个芯片的结温与坐标之间的函数关系，并寻求多元二次回归模型的最优参数；

步骤2.2.3、对每个粒子的优劣程度由适应度函数即芯片结温来衡量。

3.根据权利要求1所述的方法，其特征在于，所述步骤2.5中，

所述粒子速度更新方程为：

Vi_t+1＝wVi_t+c₁·rand₁()·(P_i，t-Xi_t)+c₂·rand₂()·(P_g，t-Xi_t)

其中，Vi_t为t时刻的速度，Vi_t+1为t+1时刻的速度；c1、c2为学习因子，rand₁()和rand₂()为两个[0，1]区间的随机数；P_i，t为t时刻的粒子所经历的最优状态，P_g，t为t时刻的群体所经历的最优状态，Xi_t为t时刻的位置；w是惯性权重，采用改进的惯性权重线性递减策略；

改进的惯性权重线性递减策略采用如下线性递减公式：

其中，w_max、w_min分别代表最大惯性权重、最小惯性权重，iter为当前粒子的迭代次数，iter_max为最大迭代次数；

所述粒子位置更新方程为：

Xi_t+1＝Xi_t+Vi_t+1

其中，Xi_t+1为t+1时刻的位置。