[发明专利]基于自适应PSO和混合转换策略的X结构Steiner最小树布线方法

权利要求书

1.一种基于自适应PSO和混合转换策略的X结构Steiner最小树布线方法，其特征在于，包括以下步骤：

步骤1：读取测试电路数据，引脚的坐标按照X轴、Y轴的升序进行排序；

步骤2：初始化基于自适应PSO和混合转换策略的X结构Steiner最小树算法中种群大小、迭代次数、惯性权重因子、加速因子的数值，同时随机生成初始种群；

步骤3：计算每个粒子的适应度值，再从中选择适应度值最小的粒子作为种群的全局最优粒子，并将第一代中每个粒子设置为其历史最优粒子；

步骤4：采用混合转换策略作为粒子更新的基础操作；

步骤5：根据粒子群的更新公式更新粒子的位置和速度；

步骤6：重新计算每个粒子的适应度值，若当前粒子的适应度值小于其历史最优值，则将更新后的粒子设置为其历史最优粒子；

步骤7：若更新后的粒子的适应度值小于种群的全局最优粒子的适应度值,则将更新后的粒子设置为种群全局最优粒子；

步骤8：检查是否达到设定的算法最大迭代次数，如果达到，则算法终止，反之，转到步骤4；

所述步骤3和步骤6中计算粒子的适应度值的具体方法如下：

fitness＝1/(L(T_X)+1)

其中，fitness为粒子的适应度值，L(T_x)为一颗X结构Steiner最小树的长度，l(e_i)表示布线树T_x中第i个边片段e_i的长度；

在计算X结构Steiner树中每条边片段的长度总和时，所有边片段分为以下四种类型：水平边片段、垂直边片段、45°斜边片段及135°斜边片段；首先将所有边片段分为以上四种类型，再将其中45°边片段顺时针方向旋转为水平边，同时将135°边片段顺时针方向旋转为垂直边，然后将最终的水平边按照其左边引脚的大小从下向上、从左到右的方式排列，同时将垂直边按照其下边引脚的大小从左到右、从下到上的方式排列，最后，X结构Steiner树的长度即为这些边片段扣除重复部分的总长度之和。

2.根据权利要求1所述的基于自适应PSO和混合转换策略的X结构Steiner最小树布线方法，其特征在于：所述步骤4中混合转换策略的具体内容为：迭代算法的前期采用便变换和点变换结合的变换方式，后期只采用点变换。

3.根据权利要求1所述的基于自适应PSO和混合转换策略的X结构Steiner最小树布线方法，其特征在于：所述步骤5中粒子群的更新公式为：

其中，w是惯性权重因子，c₁和c₂是加速因子，N₁表示变异操作，N₂和N₃表示交叉操作，r₁，r₂，r₃都是在区间[0，1)的随机数。

4.根据权利要求3所述的基于自适应PSO和混合转换策略的X结构Steiner最小树布线方法，其特征在于：所述粒子群的更新公式分为三个更新操作，包括粒子的速度更新，粒子的个体经验学习和粒子与种群其他粒子进行合作学习；粒子的速度更新表示如下：

粒子的个体经验学习表示如下：

粒子与种群其他粒子进行合作学习

5.根据权利要求3所述的基于自适应PSO和混合转换策略的X结构Steiner最小树布线方法，其特征在于：所述惯性权重因子w的更新过程如下：

其中，w_star表示参数w迭代开始的初始值，w_end表示参数w的迭代的最终值，eval表示当前迭代次数，evaluations则表示算法的最大迭代次数。

6.根据权利要求3所述的基于自适应PSO和混合转换策略的X结构Steiner最小树布线方法，其特征在于：所述加速因子c₁和c₂的更新过程如下：

c₂＝1-c₁

其中，f_AVE表示种群中所有粒子适应度值的平均值，p(i).fitness表示粒子i的适应度值，f_MIN表示种群中适应度的最小值，f_MAX表示种群中适应度的最大值。