摘 要：隨著科技的發(fā)展，集成電路工藝正處于不斷的進(jìn)步之中。集成電路在生活中應(yīng)用是十分廣泛的，在很多電子產(chǎn)品中集成電路都是需要用到的電子元件。同時(shí)隨著集成電路的不斷發(fā)展，傳統(tǒng)的算法設(shè)計(jì)已經(jīng)不能滿足集成電路的制造，集成電路的設(shè)計(jì)變得越來越富有挑戰(zhàn)性。現(xiàn)在集成電路的設(shè)計(jì)一般是通過人工設(shè)計(jì)的方法進(jìn)行設(shè)計(jì)，但是這樣的設(shè)計(jì)方法需要較多的時(shí)間與成本。所以我們要想設(shè)計(jì)更好地集成電路就要用到智能優(yōu)化算法對集成電路進(jìn)行設(shè)計(jì)。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(yōu)化算法在集成電路設(shè)計(jì)中的應(yīng)用進(jìn)行相應(yīng)的研究。

關(guān)鍵詞：智能優(yōu)化算法；集成電路；設(shè)計(jì)應(yīng)用

前言

隨著科技的進(jìn)步，集成電路設(shè)計(jì)的復(fù)雜性與難度越來越高，傳統(tǒng)的算法已經(jīng)不能滿足人們對集成電路的功能需求。同時(shí)傳統(tǒng)的算法一般為人工設(shè)計(jì)，需要的時(shí)間與成本相對較高。所以如何設(shè)計(jì)一種智能的算法對集成電路進(jìn)行設(shè)計(jì)對我國集成電路的發(fā)展是十分重要的。智能優(yōu)化算法可以很好地解決上述的問題。智能優(yōu)化算法是以自然界生物群體所表現(xiàn)的智能現(xiàn)象為基礎(chǔ)進(jìn)行設(shè)計(jì)，可以自我進(jìn)化，免疫，和自我適應(yīng)。所以文章主要對智能優(yōu)化算法在集成電路設(shè)計(jì)中的應(yīng)用進(jìn)行相應(yīng)的研究。

1 智能優(yōu)化算法

1.1 智能優(yōu)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(yīng)用是十分廣泛的。只有大力發(fā)展智能優(yōu)化算法才能幫助我們更好地進(jìn)行繼集成電路的設(shè)計(jì)。人們利用自然界來認(rèn)識更多的事物，并且通過事物的來源進(jìn)行想象與創(chuàng)造。智能優(yōu)化算法就是基于自然界，進(jìn)行適應(yīng)性啟發(fā)，從而模擬進(jìn)化出來的計(jì)算機(jī)的表達(dá)方式。智能優(yōu)化算法可以起到自我適應(yīng)，自我改進(jìn)等優(yōu)點(diǎn)?？梢赃M(jìn)行全面的全局搜索。智能優(yōu)化算法需要一個(gè)較為合適的電當(dāng)成搜索的初始點(diǎn)，再通過對其所在結(jié)構(gòu)的函數(shù)鄰域解來進(jìn)行相關(guān)鄰域的創(chuàng)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(yōu)解則選擇這種方式作為問題的解法，如果選擇的不是最優(yōu)解那么就會再次進(jìn)行路徑的選擇，不斷循環(huán)直到達(dá)到想要的結(jié)果。

1.2 智能優(yōu)化算法的關(guān)鍵要素

智能優(yōu)化算法中有很多的關(guān)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(yùn)行與設(shè)計(jì)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(jìn)行算法的設(shè)計(jì)。其次要保證其有一個(gè)完美的初始解。初始解對于一個(gè)算法是十分重要的。算法的運(yùn)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(jī)辦法生成的，遇到相應(yīng)的復(fù)雜約束時(shí)初始解不一定可行，所以我們要選擇一個(gè)合適的初始解作為算法的開始。同時(shí)要注意算法路徑與效率。算法的運(yùn)算路徑與效率是十分重要的。就計(jì)算機(jī)中的算法而言，cpu處理器的計(jì)算能力有限，如果所有的算法都是暴利求解，那么計(jì)算機(jī)的計(jì)算速度會十分緩慢。所以要選擇合適的計(jì)算路徑來提高算法的運(yùn)算效率。

1.3 智能優(yōu)化算法的特點(diǎn)及其應(yīng)用

智能優(yōu)化算法只是多種算法的總成。不同的算法有其不同的特點(diǎn)與不同的應(yīng)用方面。電路的設(shè)計(jì)過程是各個(gè)性能指標(biāo)互相權(quán)衡的達(dá)到最優(yōu)性能的過程，電路的優(yōu)化對象屬于多目標(biāo)優(yōu)化領(lǐng)域。智能優(yōu)化算法大多數(shù)具有潛在的分布式和并行性特點(diǎn)，在處理大量的以數(shù)據(jù)庫形式存在的數(shù)據(jù)方面可以為設(shè)計(jì)者提供研究保證。智能優(yōu)化算法大多數(shù)具有潛在的分布式和并行性特點(diǎn)，在處理大量的以數(shù)據(jù)庫形式存在的數(shù)據(jù)方面可以為設(shè)計(jì)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(fā)式算法。他最早是由fred glover提出的。它比局部搜索領(lǐng)域范圍更廣，同時(shí)具有全局搜索的能力。通過相應(yīng)的設(shè)計(jì)避免算法進(jìn)入局部最優(yōu)解，而是從整體中最終搜索到全局的最優(yōu)解。禁忌搜索法首先需要找到一個(gè)可行的初始解為當(dāng)前解，通過路徑的移動與鄰域結(jié)構(gòu)函數(shù)對其進(jìn)行相應(yīng)的數(shù)據(jù)轉(zhuǎn)換，將最優(yōu)解一次又一次的更新。這種算法就是首先設(shè)計(jì)一個(gè)局部的標(biāo)桿，之后利用路徑或者指針的移動，利用區(qū)域結(jié)構(gòu)函數(shù)進(jìn)行下個(gè)區(qū)域的搜索，同時(shí)對搜索過的區(qū)域進(jìn)行標(biāo)記，標(biāo)記為已經(jīng)被檢索過。同時(shí)將搜索到的解與現(xiàn)有的最優(yōu)解進(jìn)行比較，如果比現(xiàn)有的解優(yōu)秀，則利用新的解將其進(jìn)行替換。這樣可以幫助我們進(jìn)行全局的搜索，直到所有的區(qū)域都被搜索完畢，這樣可以得到全局最優(yōu)解。禁忌搜索算法的關(guān)鍵要素是初始解與移動與鄰域結(jié)構(gòu)。初始解可以幫助我們進(jìn)行全局的搜索，但是隨即生成的最優(yōu)解不一定為可行解，所以需要選擇一個(gè)好的初始解作為開始時(shí)的索引，這樣可以更好地進(jìn)行算法設(shè)計(jì)。同時(shí)禁忌算法是全局檢索各個(gè)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(jié)構(gòu)。同時(shí)禁忌算法中還有候選解，適配值函數(shù)，禁忌表，禁忌對象與禁忌長度，藐視準(zhǔn)則與終止準(zhǔn)則幾個(gè)關(guān)鍵要素。禁忌搜索算法可以跳出局部搜索進(jìn)行全局的搜索。算法的局部搜索能力很強(qiáng)，同時(shí)又能和全局搜索想結(jié)合。但是其由一定的缺陷，較大的一來初始解與領(lǐng)域結(jié)構(gòu)。同時(shí)其中關(guān)鍵的參數(shù)很多，所以在運(yùn)算時(shí)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(yōu)化算法中重要的算法之一，它的思想來源于模擬熱力學(xué)中的退火過程而產(chǎn)生的算法。固體物質(zhì)的退火過程。將溫度與常溫進(jìn)行平衡轉(zhuǎn)化，從中的取得算法。模擬退火算法是從一個(gè)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(jié)合。通過目標(biāo)函數(shù)在解空間中進(jìn)行過全局的搜索，最終得到全局的最優(yōu)解。在模擬退火算法中有幾個(gè)相應(yīng)的關(guān)鍵要素。首先就是狀態(tài)空間與狀態(tài)產(chǎn)生的函數(shù)。這是整個(gè)算法的開始的地方。他是進(jìn)行編碼后的可行解的集合，所創(chuàng)建的候選解通過狀態(tài)產(chǎn)生函數(shù)使其充滿整個(gè)解空間。同時(shí)關(guān)鍵要素還有轉(zhuǎn)臺轉(zhuǎn)移概率。在算法運(yùn)算中，由一種狀態(tài)向另一種狀態(tài)進(jìn)行轉(zhuǎn)換或者轉(zhuǎn)化時(shí)需要一定的轉(zhuǎn)化概率。通過這樣的概率可以幫助我們進(jìn)行問題的求解。同時(shí)關(guān)鍵要素還有內(nèi)外循環(huán)終止準(zhǔn)則。模擬退火算法可以得到全局的最優(yōu)解，算法求得的解與算法迭代的起點(diǎn)無關(guān)，它的優(yōu)化速率效率是極高的，同時(shí)實(shí)現(xiàn)較為容易，理論相對完善。但是搜索過程中需要緊缺調(diào)整接受退化結(jié)果的條件，因此往往需要經(jīng)過多次計(jì)算才能得到滿意的結(jié)果，不便于實(shí)際應(yīng)用。

2.3 遺傳算法

遺傳算法是模擬達(dá)爾文的生物進(jìn)化論的自然選擇和遺傳學(xué)機(jī)理的生物進(jìn)化過程的計(jì)算模模型，是一種通過模擬自然進(jìn)化過程搜索最優(yōu)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(gè)解開始。遺傳算法同時(shí)處理群體中的多個(gè)個(gè)體，即對搜索空間中的多個(gè)解進(jìn)行評估，減少了陷入局部最優(yōu)解的風(fēng)險(xiǎn)，同時(shí)算法本身易于實(shí)現(xiàn)并行化。遺傳算法中需要很多的函數(shù)，在具體應(yīng)用中，適應(yīng)度函數(shù)的設(shè)計(jì)要結(jié)合求解問題本身的要求而定。適應(yīng)度函數(shù)設(shè)計(jì)直接影響到遺傳算法的性能。

3 結(jié)束語

通過文章的分析可以清晰地了解到智能優(yōu)化算法對集成電路設(shè)計(jì)的重要性。同時(shí)我們可以了解到智能優(yōu)化算法可以很好地幫助我們設(shè)計(jì)新型的集成電路。智能優(yōu)化算法在當(dāng)今的很多領(lǐng)域內(nèi)都是重點(diǎn)的研究項(xiàng)目。他可以幫助我們更好地適應(yīng)生活，讓軟件有生命力，可以像是生物一樣的進(jìn)行自我進(jìn)化自我適應(yīng)。所以文章主要分析了幾種重要的智能優(yōu)化算法，并對其進(jìn)行了相應(yīng)的解釋。雖然這些算法已經(jīng)可以很好地幫助我們進(jìn)行集成電路的設(shè)計(jì)，但是這樣還是遠(yuǎn)遠(yuǎn)不夠的，還要進(jìn)行更多的研究，研發(fā)更有用處，更完善的算法應(yīng)用到集成電路的設(shè)計(jì)中去。

參考文獻(xiàn)

[1]錢誠，沈海華，陳天石，等.超大規(guī)模集成電路可調(diào)試性設(shè)計(jì)綜述[J].計(jì)算機(jī)研究與發(fā)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(shè)計(jì)”課程探索[J].電氣電子教學(xué)學(xué)報(bào)，2013，35（6）：1-3.