[发明专利]基于遗传算法的大规模BGA封装最优引脚分布生成方法

说明书

本发明涉及一种基于遗传算法的大规模BGA封装最优引脚分布生成方法，该方法不仅有效地解决随着更多的功能函数被整合到信号分装中，大量的I/O引脚，P/G引脚必须容纳在信号封装甚至更小的体积内这一问题，而且还能大规模自动生出最优的引脚分布，以减少信号完整性的问题。

技术领域

本发明涉及大规模BGA封装技术领域，更具体地，涉及一种基于遗传算法的大规模BGA封装最优引脚分布生成方法。

背景技术

随着电子信息技术和产品工艺的不断进步，芯片的芯片集成度不断提高，I/O引脚数急剧增加，功耗也随之增大，对集成电路封装的要求也更加严格。为了满足产品的需要。

BGA封装开始被应用于生产。BGA为Ball-Gird-Array的英文缩写，即球形封装，作为新一代的芯片封装技术，他的工作原理是在封装体基板的底部制作阵列焊球作为电路的I/O端与印刷线路板(PCB)互连，与传统的脚形贴装器件相比，BGA封装器件有很多优良特点，如I/O数较多、提高了贴装成品率、潜在的降低了成本、有利于散热、由于焊球引脚很短从而缩短了信号的传输路径，减少引线电感、电阻，从而可改善电路的整个性能等。

近些年，随着半导体硅技术的不断成熟与进步，产品的性能的不断丰富与多样，造成BGA产品封装越发复杂，芯片的引脚数目急剧增加，伴随着BGA封装中信号、电源引脚分布的不断困难，往往会伴随着许多信号完整性的问题，如串扰、轨道塌陷电磁干扰、辐射等。如何才能在BGA封装上更好地实现引脚分配，显得格外重要。

近年来，在产品生产与芯片排布中，很多引脚最优分布的方法被陆续提出，本次研究主要是通过对遗传算法在BGA布局中的引用来实现最优的引脚分布。

遗传算法(Genetic Algorithm)是一类借鉴生物界的进化规律(适者生存，优胜劣汰遗传机制)演化而来的随机化搜索方法。它是由美国的J.Holland教授1975年首先提出，其主要特点是直接对结构对象进行操作，不存在求导和函数连续性的限定；具有内在的隐蔽性和更好的全局寻优能力；采用概率化的寻优方法，能自动获取和指导优化的搜索空间，自适应地调整搜索方向，不需要确定的规则。遗传算法的这些性质，已被人们广泛地应用于组合优化、机器学习、信号处理、自适应控制和人工生命等领域，它是现代有关智能计算中的关键技术。

在BGA引脚排布过程中，如何尽可能减少时间消耗与确认全局最优，是我们重点研究方向。主要采取的是在遗传算法的基础上运用静态模板快速生成最优引脚。

发明内容

本发明的目的在于克服大量的引脚排布导致复杂的封装设计甚至是严重的信号完整性问题的现象，提供一种基于遗传算法的大规模BGA封装最优引脚分布生成方法，本方法不仅有效地解决随着更多的功能函数被整合到信号分装中，大量的I/O引脚，P/G引脚必须容纳在信号封装甚至更小的体积内这一问题，而且还能大规模自动生出最优的引脚分布，以减少信号完整性的问题。

为实现以上发明目的，采用的技术方案是：

一种基于遗传算法的大规模BGA封装最优引脚分布生成方法，包括以下步骤：

S1.对于引脚数目为M*N的BGA封装，其引脚分布使用M*N的矩阵D来表示，其中使用1、2、0分别来表示电源信号引脚、地信号引脚和空信号引脚；

S2.选定K个封装方案，并使用M*N的矩阵分别来表示其引脚分布，K个封装方案构成种群Chrom，封装方案作为种群Chrom中的个体，此时令迭代次数t＝0；

S3.将含有K个个体的种群Chrom随机排列；

S4.将种群Chrom的个体的适应度值进行评价检测；

S5.将种群Chrom中的个体根据其适应度值进行两两比较，将两两比较中适应度较好的个体放入WinChrom的容器中，WinChrom的容器共有N个；