智能優化算法在集成電路設計中的應用研究

摘 要：隨著科技的發展，集成電路工藝正處于不斷的進步之中。集成電路在生活中應用是十分廣泛的，在很多電子產品中集成電路都是需要用到的電子元件。同時隨著集成電路的不斷發展，傳統的算法設計已經不能滿足集成電路的制造，集成電路的設計變得越來越富有挑戰性。現在集成電路的設計一般是通過人工設計的方法進行設計，但是這樣的設計方法需要較多的時間與成本。所以我們要想設計更好地集成電路就要用到智能優化算法對集成電路進行設計。智能的集成電路可以幫助人們做更多的事情。所以文章主要對智能優化算法在集成電路設計中的應用進行相應的研究。

關鍵詞：智能優化算法；集成電路；設計應用

前言

隨著科技的進步，集成電路設計的復雜性與難度越來越高，傳統的算法已經不能滿足人們對集成電路的功能需求。同時傳統的算法一般為人工設計，需要的時間與成本相對較高。所以如何設計一種智能的算法對集成電路進行設計對我國集成電路的發展是十分重要的。智能優化算法可以很好地解決上述的問題。智能優化算法是以自然界生物群體所表現的智能現象為基礎進行設計，可以自我進化，免疫，和自我適應。所以文章主要對智能優化算法在集成電路設計中的應用進行相應的研究。

1 智能優化算法

1.1 智能優化算法的流程

通過上文可以清晰的了解到集成電路在人們生活中的應用是十分廣泛的。只有大力發展智能優化算法才能幫助我們更好地進行繼集成電路的設計。人們利用自然界來認識更多的事物，并且通過事物的來源進行想象與創造。智能優化算法就是基于自然界，進行適應性啟發，從而模擬進化出來的計算機的表達方式。智能優化算法可以起到自我適應，自我改進等優點。可以進行全面的全局搜索。智能優化算法需要一個較為合適的電當成搜索的初始點，再通過對其所在結構的函數鄰域解來進行相關鄰域的創建工作，隨后選出一定的鄰域解作為候選。如果選擇到位最優解則選擇這種方式作為問題的解法，如果選擇的不是最優解那么就會再次進行路徑的選擇，不斷循環直到達到想要的結果。

1.2 智能優化算法的關鍵要素

智能優化算法中有很多的關鍵要素。這些要素都會對算法有很大的影響。想要算法更好地運行與設計更好的算法就要重視這些要素。首先要有完整的問題。有了完整的問題才能針對問題進行算法的設計。其次要保證其有一個完美的初始解。初始解對于一個算法是十分重要的。算法的運算速率與智能程度取決于初始解的選取。初始解是通過隨機辦法生成的，遇到相應的復雜約束時初始解不一定可行，所以我們要選擇一個合適的初始解作為算法的開始。同時要注意算法路徑與效率。算法的運算路徑與效率是十分重要的。就計算機中的算法而言，cpu處理器的計算能力有限，如果所有的算法都是暴利求解，那么計算機的計算速度會十分緩慢。所以要選擇合適的計算路徑來提高算法的運算效率。

1.3 智能優化算法的特點及其應用

智能優化算法只是多種算法的總成。不同的算法有其不同的特點與不同的應用方面。電路的設計過程是各個性能指標互相權衡的達到最優性能的過程，電路的優化對象屬于多目標優化領域。智能優化算法大多數具有潛在的分布式和并行性特點，在處理大量的以數據庫形式存在的數據方面可以為設計者提供研究保證。智能優化算法大多數具有潛在的分布式和并行性特點，在處理大量的以數據庫形式存在的數據方面可以為設計者提供研究保證。

2 算法概括

2.1 禁忌搜索算法

禁忌搜索算法是一種模仿人類大腦記憶工程的元啟發式算法。他最早是由fred glover提出的。它比局部搜索領域范圍更廣，同時具有全局搜索的能力。通過相應的設計避免算法進入局部最優解，而是從整體中最終搜索到全局的最優解。禁忌搜索法首先需要找到一個可行的初始解為當前解，通過路徑的移動與鄰域結構函數對其進行相應的數據轉換，將最優解一次又一次的更新。這種算法就是首先設計一個局部的標桿，之后利用路徑或者指針的移動，利用區域結構函數進行下個區域的搜索，同時對搜索過的區域進行標記，標記為已經被檢索過。同時將搜索到的解與現有的最優解進行比較，如果比現有的解優秀，則利用新的解將其進行替換。這樣可以幫助我們進行全局的搜索，直到所有的區域都被搜索完畢，這樣可以得到全局最優解。禁忌搜索算法的關鍵要素是初始解與移動與鄰域結構。初始解可以幫助我們進行全局的搜索，但是隨即生成的最優解不一定為可行解，所以需要選擇一個好的初始解作為開始時的索引，這樣可以更好地進行算法設計。同時禁忌算法是全局檢索各個部位，通過這樣的方式就要利用到指針的移動與搜索鄰域結構。同時禁忌算法中還有候選解，適配值函數，禁忌表，禁忌對象與禁忌長度，藐視準則與終止準則幾個關鍵要素。禁忌搜索算法可以跳出局部搜索進行全局的搜索。算法的局部搜索能力很強，同時又能和全局搜索想結合。但是其由一定的缺陷，較大的一來初始解與領域結構。同時其中關鍵的參數很多，所以在運算時可能造成性能低下的問題。

2.2 模擬退火算法

模擬退火算法是智能優化算法中重要的算法之一，它的思想來源于模擬熱力學中的退火過程而產生的算法。固體物質的退火過程。將溫度與常溫進行平衡轉化，從中的取得算法。模擬退火算法是從一個很高的溫度開始的，隨著溫度的不斷下降，再與概率突條特征相結合。通過目標函數在解空間中進行過全局的搜索，最終得到全局的最優解。在模擬退火算法中有幾個相應的關鍵要素。首先就是狀態空間與狀態產生的函數。這是整個算法的開始的地方。他是進行編碼后的可行解的集合，所創建的候選解通過狀態產生函數使其充滿整個解空間。同時關鍵要素還有轉臺轉移概率。在算法運算中，由一種狀態向另一種狀態進行轉換或者轉化時需要一定的轉化概率。通過這樣的概率可以幫助我們進行問題的求解。同時關鍵要素還有內外循環終止準則。模擬退火算法可以得到全局的最優解，算法求得的解與算法迭代的起點無關，它的優化速率效率是極高的，同時實現較為容易，理論相對完善。但是搜索過程中需要緊缺調整接受退化結果的條件，因此往往需要經過多次計算才能得到滿意的結果，不便于實際應用。

2.3 遺傳算法

遺傳算法是模擬達爾文的生物進化論的自然選擇和遺傳學機理的生物進化過程的計算模模型，是一種通過模擬自然進化過程搜索最優解的方法。遺傳算法從問題解的串集開始搜索，而不是從單個解開始。遺傳算法同時處理群體中的多個個體，即對搜索空間中的多個解進行評估，減少了陷入局部最優解的風險，同時算法本身易于實現并行化。遺傳算法中需要很多的函數，在具體應用中，適應度函數的設計要結合求解問題本身的要求而定。適應度函數設計直接影響到遺傳算法的性能。

3 結束語

通過文章的分析可以清晰地了解到智能優化算法對集成電路設計的重要性。同時我們可以了解到智能優化算法可以很好地幫助我們設計新型的集成電路。智能優化算法在當今的很多領域內都是重點的研究項目。他可以幫助我們更好地適應生活，讓軟件有生命力，可以像是生物一樣的進行自我進化自我適應。所以文章主要分析了幾種重要的智能優化算法，并對其進行了相應的解釋。雖然這些算法已經可以很好地幫助我們進行集成電路的設計，但是這樣還是遠遠不夠的，還要進行更多的研究，研發更有用處，更完善的算法應用到集成電路的設計中去。

參考文獻

[1]錢誠，沈海華，陳天石，等.超大規模集成電路可調試性設計綜述[J].計算機研究與發展，2012，49（1）：21-34.

[2]王豪，常勝，黃啟俊，等.工程碩士“模擬集成電路設計”課程探索[J].電氣電子教學學報，2013，35（6）：1-3.