[发明专利]一种基于线序模拟的PCB自动布线方法及系统

说明书

本发明提供了一种基于线序模拟的PCB自动布线方法及系统，包括：对待布线PCB板进行分析，生成PCB板环境矩阵，并确定待布线的PCB板对应的n根目标线；以每根目标线为节点，采用蒙特卡洛法在PCB板环境矩阵中进行线序的迭代模拟：在每次模拟中，结合自动布线算法，生成蒙特卡洛所扩展节点的布线路径，采用评价函数对模拟结果进行评价，根据评价结果对节点状态进行反向更新，迭代次数加一；当达到最大迭代次数时，根据节点的最终状态选择最优线序集合与布线路径。本发明将布线顺序决策作为布线过程中的重要一环，对线序进行随机模拟，决策得到最优布线顺序，提高现有自动布线算法的布通率与智能化程度。

技术领域

本发明涉及PCB板自动布线技术领域，特别涉及一种基于线序模拟的PCB自动布线方法及系统。

背景技术

近些年来，随着物联网技术的快速发展，越来越来的智能电子设备已经涌入我们的日常生活中。这些电子设备中的PCB越来越小型化，板上元件密度也越来越大，从而使得PCB布线工作变得越来越复杂。由于现有的EDA工具并未实现完全的智能化，其内置的PCB自动布线功能布线速度慢且布通率低，所以当前工业界的布线工作仍然以人工为主，EDA工具基本上只可以辅助完成布线过程中电气规则的检查。因此，在PCB设计过程中需要消耗大量的人力资源，从而业界迫切需要一种智能PCB自动布线算法来节约人力成本和提升PCB设计效率。

目前已经有一些PCB自动布线算法用于解决PCB上两个待连线pin脚之间的布线路径寻找问题，相应的PCB自动布线算法会借助人为设计的布线顺序规则进行待连线引脚的路径规划。PCB自动布线具体包括：1961年被提出的Lee算法；以及1969年Hightower提出的一种称为线探索法的布线算法。还有A*搜索算法，最优通道法、Hdlock的细胞结构法、Mah和Stainberg的拓扑类算法、J.Soukup的快速迷路法等。并且近年来，也有一些基于人工智能的PCB自动布线算法被提出：Intel提出了一种基于神经网络和遗传算法的自动布线算法，InstaDeep也公开了一种测试版的基于人工智能的在线云布线服务，这些算法利用神经网络积累布线经验，充分利用现代计算资源，具有一定智能性。

实际上，在实际布线过程中，PCB板为多层结构，会存在很多pin脚对需要进行布线连接，先布的线往往会影响后续的布线。现有人为制定的布线顺序规则包括：高速信号线先布、欧式距离较线先布或者有经验的工程师所设定的布线顺序等。这种人为制定的布线顺序规则，一旦线序设置不合理，则会导致PCB多层空间没有被合理利用，已经规划完成的前线路径会对后线的路径规划带来巨大的障碍，这也是导致自动布线算法布线速度慢、布通率低，智能性不足的原因之一。

发明内容

本发明的目的在于克服现有技术中所存在的传统自动布线算法未对线序进行规划、依赖于人为设置的布线顺序进行单线路径规划容易导致布线效率低下、布通率较低的问题，提供一种基于线序模拟的PCB自动布线方法及系统，将布线顺序决策作为布线过程中的重要一环，对线序进行随机模拟，决策得到最优布线顺序，提高现有自动布线算法的布通率与智能化程度。

为了实现上述发明目的，本发明提供了以下技术方案：

一种基于线序模拟的PCB自动布线方法，包括：

步骤1：对待布线PCB板进行分析，生成PCB板环境矩阵，并确定所述待布线的PCB板对应的n根目标线；

步骤2：以每根所述目标线为节点，采用蒙特卡洛法在所述PCB板环境矩阵中进行线序的迭代模拟：在每次模拟中，结合自动布线算法，生成蒙特卡洛所扩展节点的布线路径，以使蒙特卡洛模拟得到n根所述目标线对应的线序集合与布线路径，根据n根所述目标线布线路径总长度以及布通率对模拟结果进行评价，根据评价结果对节点状态进行反向更新，迭代次数加一；当达到最大迭代次数时，根据节点的最终状态选择最优线序集合与布线路径。