计算机应用研究

作者：徐樊丰,仝明磊,

单位：上海电力大学电子与信息工程学院,上海201306；

关键词：全局布局,深度强化学习,计算机视觉,图卷积神经网络,数字芯片,

基金：国家自然科学基金资助项目(62105196)；；

在数字芯片后端设计中，全局布局需要同时兼顾线长与合法化，是一个组合优化问题。传统的退火算法或者遗传算法耗时且容易陷入局部最优，目前强化学习的解决方案也很少利用布局的整体视觉信息。为此，提出一种融合视觉信息的强化学习方法实现端到端的全局布局。在全局布局中，将电路网表信息映射为多个图像级特征，采用卷积神经网络（convolutional neural network，CNN）和图卷积网络（graph convolutional network，GCN）将图像特征和网表信息相融合，设计了一整套策略网络和价值网络，实现对全局布局的全面分析和优化。在ISPD2005基准电路上进行实验，结果证明设计的网络收敛速度加快7倍左右，布局线长减少10%~32%，重叠率为0%，可为数字芯片全局布局任务提供高效合理的方案。

来源：2024年第4期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2024年第4期