导读:本文包含了门阵列布局论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:门阵列,布局,算法,可编程,火法,神经网络,氧化物。
门阵列布局论文文献综述
杨依忠,解光军[1]（2010）在《基于模拟退火算法的门阵列布局》一文中研究指出通过对集成电路布局问题及模拟退火算法的分析,将模拟退火算法应用于一组门阵列电路进行布局求解和测试.实验结果表明:和标杆电路的结果相比,模拟退火算法在布局效果上显示出其优越性.此外还通过实例对算法中各参数所起作用及取值进行了研究.(本文来源于《微电子学与计算机》期刊2010年04期）
杨依忠,解光军[2]（2010）在《基于遗传模拟退火算法的门阵列布局方法》一文中研究指出为实现门阵列模式布局,将遗传算法与模拟退火算法相结合,提出一种新的遗传模拟退火算法,利用遗传算法进行全局搜索,利用模拟退火法进行局部搜索,在进化过程中采用精英保留策略,对进化结果进行有选择的模拟退火操作,既加强了局部搜索能力又防止陷入局部最优。实验结果表明,与传统遗传算法相比,该算法能够有效提高全局搜索能力。(本文来源于《计算机工程》期刊2010年02期）
解光军,程心,范海秋[3]（2008）在《基于核心生长-力矢量算法的门阵列布局》一文中研究指出结合核心生长和力矢量算法的思想,构成核心生长-力矢量(CGFD)算法来实现门阵列模式布局.其中,先利用核心生长将核心单元安置在布局的中心位置,再分别以核心单元为中心,在它们周围放置与之联系紧密的次核心单元,依次类推以减少连线长度;同时运用力矢量法,计算单元之间的拉力,使所受合力最小,从而较大地改善布局结果.实验表明,此算法可行,且对于门阵列布局问题性能优越.(本文来源于《微电子学与计算机》期刊2008年11期）
操礼程,杨依忠,范海秋,解光军[4]（2006）在《基于GA-SA混合算法的VLSI门阵列布局设计》一文中研究指出布局是VLSI布图设计中的关键环节,通常采用随机优化算法。该文采用遗传算法(GA)与模拟退火法(SA)相结合的搜索算法实现VLSI门阵列模式布局,利用遗传算法进行全局搜索,模拟退火法进行局部搜索。进化过程中采用精英保留策略,并对进化结果进行有选择的模拟退火操作,这样既加强了局部搜索能力又防止陷入局部最优。在复合布局目标函数中引入对最长线网的惩罚,其收敛速度比以总线长度为单一目标函数的要快。在交叉操作中,对交叉位置的选择采用了一种新的策略,增加了交叉的有效性。实验表明,此算法与简单遗传算法相比,有效地提高了全局搜索能力。(本文来源于《计算机工程》期刊2006年24期）
洪晟彦,唐璞山,王伶俐,童家榕[5]（2006）在《带总线资源的现场可编程门阵列的布局软件》一文中研究指出在现场可编程门阵列中,加入总线结构,使现场可编程门阵列芯片能够支持带总线的电路网表。文章提出的布局软件有专门的模块处理总线的分配,并提供了布局软件的测试结果,以验证其可行性。(本文来源于《微电子学》期刊2006年04期）
范海秋[6]（2006）在《基于门阵列的VLSI布局算法研究》一文中研究指出集成电路从上世纪60年代开始,经历了小规模集成、中规模集成、大规模集成的发展阶段,到目前已进入超大规模集成和特大规模集成阶段,是一个“System On Chip”的时代。集成电路技术迅速向着更高集成度、超小型化、高性能、高可靠性的方向发展,一个芯片上可集成高达几亿、甚至十几亿的晶体管。随着集成度的提高,集成电路设计的复杂性也越来越高。现如今,IC设计如果离开了计算机辅助设计(Computer Aided Design,CAD)和电子设计自动化(Electronic Design Automation,EDA)将寸步难行。 文中首先介绍了VLSI布局中的一些基本问题,然后重点讨论了现有的VLSI布局算法,包括对交换法、数学规划算法、模拟退火算法、遗传算法、人工神经网络算法、禁忌搜索算法和蚁群算法。 文中自行设计了一个36单元的门阵列布局问题,并使用SA(模拟退火算法)、GA(遗传算法)以及GASA(遗传算法和模拟退火的混合算法)分别对其进行优化,比较优化结果。文中详细分析了SA算法中各参数变化对布局结果的影响。 最后还提出了一种基于核心生长策略和力矢量法的新的优化方法,称之为核心生长一力矢量算法。文中详述了这一方法的操作过程,并给出优化结果。(本文来源于《合肥工业大学》期刊2006-05-01）
刘锋,陈国良,刘红[7]（2002）在《基于改进型遗传算法的门阵列模式布局》一文中研究指出门阵列模式布局是一类 NP完全问题 .本文将一种改进型遗传算法用于门阵列模式布局 ,提出了相应的数学模型 ,并在布局目标函数中引入了通道拥挤度的概念 ,使布局的构形更趋合理 .实验表明 ,应用所提出的模型及算法能在较短的时间内提供优化解 ,避免了一般优化算法的局部最优问题和维数灾难问题 ,为门阵列模式布局开创了一条新的路径(本文来源于《小型微型计算机系统》期刊2002年03期）
杨晓红,刘乐善[8]（1995）在《用遗传算法优化—维门阵列布局》一文中研究指出介绍用遗传算法对门阵列布局设计进行优化的新方法。由于门阵列布局是一排列问题,传统的遗传杂交会导致门的重复,因此必须对传统的遗传算法进行修改。为了适合优化门阵列布局问题,这里使用了宽度搜索技术。用遗传算法得出的染色体建立门的相互排列邻接关系,宽度值用于限制搜索空间,使搜索更为有效。该算法的结果比基于图论的启发式计算效果更好。(本文来源于《计算机工程》期刊1995年S1期）
叶沙野,李思昆[9]（1992）在《门阵列布局与全局布线合并算法》一文中研究指出本文提出了一种门阵列的布局与全局布线的合并算法(简称合并算法)。合并算法将布局和全局布线两过程合为一体,在布局的过程中考虑全局布线,同时利用布线信息指导布局,从而有效地利用了布局和全局布线信息,以较少的代价获得全局优化结果。合并算法成功地克服了传统的布局和全局布线分阶段设计的布图设计模式所固有的缺点。(本文来源于《计算机工程与应用》期刊1992年10期）
刘军,兰家隆,王兆明[10]（1992）在《应用神经网络解决连线总长最短的门阵列布局算法》一文中研究指出本文研究了利用神经网络来解决VLSI门阵列布局优化问题.文中首先找出了门阵列布局优化问题与神经网络能量函数之间的映射关系,然后利用对应的神经网络动态特性对问题求解.由于神经网络的大规模并行计算特性,使该算法从本质上具有并行处理的特点.(本文来源于《半导体学报》期刊1992年08期）
门阵列布局论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为实现门阵列模式布局,将遗传算法与模拟退火算法相结合,提出一种新的遗传模拟退火算法,利用遗传算法进行全局搜索,利用模拟退火法进行局部搜索,在进化过程中采用精英保留策略,对进化结果进行有选择的模拟退火操作,既加强了局部搜索能力又防止陷入局部最优。实验结果表明,与传统遗传算法相比,该算法能够有效提高全局搜索能力。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
门阵列布局论文参考文献
[1].杨依忠,解光军.基于模拟退火算法的门阵列布局[J].微电子学与计算机.2010
[2].杨依忠,解光军.基于遗传模拟退火算法的门阵列布局方法[J].计算机工程.2010
[3].解光军,程心,范海秋.基于核心生长-力矢量算法的门阵列布局[J].微电子学与计算机.2008
[4].操礼程,杨依忠,范海秋,解光军.基于GA-SA混合算法的VLSI门阵列布局设计[J].计算机工程.2006
[5].洪晟彦,唐璞山,王伶俐,童家榕.带总线资源的现场可编程门阵列的布局软件[J].微电子学.2006
[6].范海秋.基于门阵列的VLSI布局算法研究[D].合肥工业大学.2006
[7].刘锋,陈国良,刘红.基于改进型遗传算法的门阵列模式布局[J].小型微型计算机系统.2002
[8].杨晓红,刘乐善.用遗传算法优化—维门阵列布局[J].计算机工程.1995
[9].叶沙野,李思昆.门阵列布局与全局布线合并算法[J].计算机工程与应用.1992
[10].刘军,兰家隆,王兆明.应用神经网络解决连线总长最短的门阵列布局算法[J].半导体学报.1992
论文知识图
