智能优化算法在集成电路设计中的应用研究
摘 要：随着科技的发展，集成电路工艺正处于不断的进步之中。集成电路在生活中应用是十分广泛的，在很多电子产品中集成电路都是需要用到的电子元件。同时随着集成电路的不断发展，传统的算法设计已经不能满足集成电路的制造，集成电路的设计变得越来越富有挑战性。现在集成电路的设计一般是通过人工设计的方法进行设计，但是这样的设计方法需要较多的时间与成本。所以我们要想设计更好地集成电路就要用到智能优化算法对集成电路进行设计。智能的集成电路可以帮助人们做更多的事情。所以文章主要对智能优化算法在集成电路设计中的应用进行相应的研究。
关键词：智能优化算法；集成电路；设计应用
前言
随着科技的进步，集成电路设计的复杂性与难度越来越高，传统的算法已经不能满足人们对集成电路的功能需求。同时传统的算法一般为人工设计，需要的时间与成本相对较高。所以如何设计一种智能的算法对集成电路进行设计对我国集成电路的发展是十分重要的。智能优化算法可以很好地解决上述的问题。智能优化算法是以自然界生物群体所表现的智能现象为基础进行设计，可以自我进化，免疫，和自我适应。所以文章主要对智能优化算法在集成电路设计中的应用进行相应的研究。
1 智能优化算法
1.1 智能优化算法的流程
通过上文可以清晰的了解到集成电路在人们生活中的应用是十分广泛的。只有大力发展智能优化算法才能帮助我们更好地进行继集成电路的设计。人们利用自然界来认识更多的事物，并且通过事物的来源进行想象与创造。智能优化算法就是基于自然界，进行适应性启发，从而模拟进化出来的计算机的表达方式。智能优化算法可以起到自我适应，自我改进等优点。可以进行全面的全局搜索。智能优化算法需要一个较为合适的电当成搜索的初始点，再通过对其所在结构的函数邻域解来进行相关邻域的创建工作，随后选出一定的邻域解作为候选。如果选择到位最优解则选择这种方式作为问题的解法，如果选择的不是最优解那么就会再次进行路径的选择，不断循环直到达到想要的结果。
1.2 智能优化算法的关键要素
智能优化算法中有很多的关键要素。这些要素都会对算法有很大的影响。想要算法更好地运行与设计更好的算法就要重视这些要素。首先要有完整的问题。有了完整的问题才能针对问题进行算法的设计。其次要保证其有一个完美的初始解。初始解对于一个算法是十分重要的。算法的运算速率与智能程度取决于初始解的选取。初始解是通过随机办法生成的，遇到相应的复杂约束时初始解不一定可行，所以我们要选择一个合适的初始解作为算法的开始。同时要注意算法路径与效率。算法的运算路径与效率是十分重要的。就计算机中的算法而言，cpu处理器的计算能力有限，如果所有的算法都是暴利求解，那么计算机的计算速度会十分缓慢。所以要选择合适的计算路径来提高算法的运算效率。
1.3 智能优化算法的特点及其应用
智能优化算法只是多种算法的总成。不同的算法有其不同的特点与不同的应用方面。电路的设计过程是各个性能指标互相权衡的达到最优性能的过程，电路的优化对象属于多目标优化领域。智能优化算法大多数具有潜在的分布式和并行性特点，在处理大量的以数据库形式存在的数据方面可以为设计者提供研究保证。智能优化算法大多数具有潜在的分布式和并行性特点，在处理大量的以数据库形式存在的数据方面可以为设计者提供研究保证。
2 算法概括
2.1 禁忌搜索算法
禁忌搜索算法是一种模仿人类大脑记忆工程的元启发式算法。他最早是由fred glover提出的。它比局部搜索领域范围更广，同时具有全局搜索的能力。通过相应的设计避免算法进入局部最优解，而是从整体中最终搜索到全局的最优解。禁忌搜索法首先需要找到一个可行的初始解为当前解，通过路径的移动与邻域结构函数对其进行相应的数据转换，将最优解一次又一次的更新。这种算法就是首先设计一个局部的标杆，之后利用路径或者指针的移动，利用区域结构函数进行下个区域的搜索，同时对搜索过的区域进行标记，标记为已经被检索过。同时将搜索到的解与现有的最优解进行比较，如果比现有的解优秀，则利用新的解将其进行替换。这样可以帮助我们进行全局的搜索，直到所有的区域都被搜索完毕，这样可以得到全局最优解。禁忌搜索算法的关键要素是初始解与移动与邻域结构。初始解可以帮助我们进行全局的搜索，但是随即生成的最优解不一定为可行解，所以需要选择一个好的初始解作为开始时的索引，这样可以更好地进行算法设计。同时禁忌算法是全局检索各个部位，通过这样的方式就要利用到指针的移动与搜索邻域结构。同时禁忌算法中还有候选解，适配值函数，禁忌表，禁忌对象与禁忌长度，藐视准则与终止准则几个关键要素。禁忌搜索算法可以跳出局部搜索进行全局的搜索。算法的局部搜索能力很强，同时又能和全局搜索想结合。但是其由一定的缺陷，较大的一来初始解与领域结构。同时其中关键的参数很多，所以在运算时可能造成性能低下的问题。
2.2 模拟退火算法
模拟退火算法是智能优化算法中重要的算法之一，它的思想来源于模拟热力学中的退火过程而产生的算法。固体物质的退火过程。将温度与常温进行平衡转化，从中的取得算法。模拟退火算法是从一个很高的温度开始的，随着温度的不断下降，再与概率突条特征相结合。通过目标函数在解空间中进行过全局的搜索，最终得到全局的最优解。在模拟退火算法中有几个相应的关键要素。首先就是状态空间与状态产生的函数。这是整个算法的开始的地方。他是进行编码后的可行解的集合，所创建的候选解通过状态产生函数使其充满整个解空间。同时关键要素还有转台转移概率。在算法运算中，由一种状态向另一种状态进行转换或者转化时需要一定的转化概率。通过这样的概率可以帮助我们进行问题的求解。同时关键要素还有内外循环终止准则。模拟退火算法可以得到全局的最优解，算法求得的解与算法迭代的起点无关，它的优化速率效率是极高的，同时实现较为容易，理论相对完善。但是搜索过程中需要紧缺调整接受退化结果的条件，因此往往需要经过多次计算才能得到满意的结果，不便于实际应用。
2.3 遗传算法
遗传算法是模拟达尔文的生物进化论的自然选择和遗传学机理的生物进化过程的计算模模型，是一种通过模拟自然进化过程搜索最优解的方法。遗传算法从问题解的串集开始搜索，而不是从单个解开始。遗传算法同时处理群体中的多个个体，即对搜索空间中的多个解进行评估，减少了陷入局部最优解的风险，同时算法本身易于实现并行化。遗传算法中需要很多的函数，在具体应用中，适应度函数的设计要结合求解问题本身的要求而定。适应度函数设计直接影响到遗传算法的性能。
3 结束语
通过文章的分析可以清晰地了解到智能优化算法对集成电路设计的重要性。同时我们可以了解到智能优化算法可以很好地帮助我们设计新型的集成电路。智能优化算法在当今的很多领域内都是重点的研究项目。他可以帮助我们更好地适应生活，让软件有生命力，可以像是生物一样的进行自我进化自我适应。所以文章主要分析了几种重要的智能优化算法，并对其进行了相应的解释。虽然这些算法已经可以很好地帮助我们进行集成电路的设计，但是这样还是远远不够的，还要进行更多的研究，研发更有用处，更完善的算法应用到集成电路的设计中去。
参考文献
[1]钱诚，沈海华，陈天石，等.超大规模集成电路可调试性设计综述[J].计算机研究与发展，2012，49（1）：21-34.
[2]王豪，常胜，黄启俊，等.工程硕士“模拟集成电路设计”课程探索[J].电气电子教学学报，2013，35（6）：1-3.
下一篇：“智能制造”三维度