[发明专利]采用模糊遗传算法优化两层埋入式电阻布局的方法

说明书

技术领域

本发明涉及电阻热布局，具体是一种采用模糊遗传算法优化两层埋入式电阻热布局的方法。

背景技术

随着电子产品向轻、薄、短、小趋势发展，在互连基板内层制造或埋入无源器件以实现元件高密度集成的埋入式无源器件技术受到广泛关注。该技术可有效减小基板面积，提高布线密度，降低生产成本。信号传输路径的缩短使埋入式器件在高频高速领域可以很好地保持信号完整性及减少电磁干扰。但是，元件集成度的提高同时使基板内单位体积的功耗增大、发热量增加。高温环境影响埋入式器件的工作寿命并导致相关参数值改变，当温度升高到一定程度，埋入式器件可能因失效而停止工作，严重时甚至引起封装材料燃烧。埋入式无源器件中的主要发热源是电阻元件，电阻的功率对PCB板的温升具有显著影响，且电阻在基板中的位置不同，其温升不同，对邻近器件的温度影响也不同。不合理的布局将导致基板局部温度过高或温度梯度过大，从而降低电路板的整体性能及可靠性。因此，分析参数不同的元器件相互间的位置关系对温度场分布的影响，寻求散热效果最佳的布局方案具有必要性。

近年来已有学者将遗传算法应用到该领域研究中，如文献[1]利用遗传算法解决单层SMT电子元件的热布局优化，文献[2,3]利用遗传算法进行两层3D–MCM芯片的热布局设计等。但由于遗传算法存在特有的早熟收敛现象,在进化早期种群多样性急剧减少，群体缺乏有效的等位基因，在遗传算子作用下不再生成高阶竞争模式[4]。因此，采用标准遗传算法进行热布局优化得到的优化结果有可能并非全局最优解，而是某个随机的非优个体。

[1]闫德劲,周德俭,黄春跃,李天明.基于遗传算法的表面组装电子元件热布局优化[J].电子机械工程.2007,23(2):12-17YAN Dejin,ZHOU Dejian,HUANG Chunyue,et al.Placement optimization for thermal performance of SMT electronic components using genetic algorithms[J].Electro-Mechanical Engineering.2007,23(2):12-17(in chinese)

[2]HUANG Chunyue,LI Tianming,LIANG Ying,et al.Study on thermal placement optimization of embedded MCM[C].Advanced Materials Research.Switzerland:Trans Tech Publications,2011:2269-2273

[3]梁颖,黄春跃,阎德劲,等.基于热叠加模型的叠层3D多芯片组件芯片热布局优化研究[J].电子学报,2009,37(11):2520-2524LIANG Ying,HUANG Chunyue,YAN Dejin,et al.Study on thermal placement optimization of stacked 3D-MCM based on thermal superposition model[J].Acta Electronica Sinica,2009,37(11):2520-2524(in chinese)

[4]雷英杰,张善文,李续武,等.MATLAB遗传算法工具箱及应用[M].西安:西安电子科技大学出版社，2005：25-29

发明内容

为了克服已有技术的不足，本发明以埋入式基板内两层功率不同的电阻元件为研究对象，采用模糊遗传算法优化其布局排列，提供一种采用模糊遗传算法优化两层埋入式电阻布局的方法，改善标准遗传算法优化收敛过早的问题，得到可用于指导埋入式电阻热设计的布局规则，弥补现有技术的不足。

本发明的采用模糊遗传算法优化两层埋入式电阻布局的方法，包括：对上下层电阻分别实施遗传操作，依次执行初始种群生成、交叉、变异和进化逆转操作，共用模糊逻辑控制器输出的交叉概率P_c和变异概率P_m，在计算适应度函数和局部灾变时，将两个种群作为整体进行评价及更新，步骤如下：

步骤1：上下层电阻采用随机方式生成初始种群；

步骤2：将当前进化代数gen和最优适应度值未改变的次数num输入模糊逻辑控制器得到交叉概率P_c和变异概率P_m；

步骤3：分别对两个种群实施交叉操作；

步骤4：分别对两个种群实施变异操作；