[发明专利]一种基于反向搜索和遗传算法的电路划分方法

说明书

本发明提供了一种基于反向搜索和遗传算法的电路划分方法，包括：对电路门级网表进行建模；从MIMO门级电路的输出端口进行反向搜索并记录每次搜索到的结果，根据反向搜索结果进行初始划分，将MIMO门级电路划分为数量与输出端口数量相同的MISO系统；基于遗传算法对MISO系统进行组合、合并、优化，将符合要求的初始划分的MISO系统进行并集运算，得到期望的划分块数m；将电路划分的m块输出为电路门级网表，并分别加载到仿真器；杜绝了并行仿真中各仿真器之间的通信，对门级电路的各个逻辑门电路赋予权重，基于权重判断划分结果的负载均衡，使得电路划分的结果更加合理，实现了通信量为零且负载均衡。

技术领域

本发明涉及电子设计自动化的门级电路并行仿真技术领域，特别涉及一种基于反向搜索和遗传算法的电路划分方法。

背景技术

在门级电路(Gate Level Circuit，GLC)设计中，常通过仿真的方法验证电路的功能。随着电路规模逐渐增大，仿真需要消耗的时间逐渐增加。传统仿真技术已经不能满足日益增长的电路规模要求，限制了超大规模集成电路设计的发展。随着并行计算机和云计算技术的发展，可将门级电路系统进行划分，基于并行架构进行仿真方法缩减仿真时间，可有效缓解这个问题。

为了实现并行仿真，需要对电路进行合理划分，各仿真器之间通信量最小化和负载均衡是评价划分质量的关键指标。通信量最小化是指尽量减小各仿真器通信所花费的时间，通信花费的时间与割边的数量成正比。一般的各仿真器之间通信的时间比访问仿真器本地内存的时间高一个数量级。因此在并行仿真中，如果各仿真器之间通信频繁，那么通信花费的时间占据了工作时间的大部分。因此降低各仿真器间的通信开销是提升仿真速度的关键点。负载均衡是指各仿真器仿真的时间要大致相同，与逻辑门的数量和仿真器的计算速度相关。如果电路划分中各块的规模相差较大，那么在并行仿真中各仿真器仿真的时间差异较大，容易出现“水桶效应”，整体仿真时间受制于仿真时间最长的那个仿真器。目前的算法都是以实现通信量最小化和负载均衡为目标，但是两个问题均没有彻底解决。

发明内容

本发明提供了一种基于反向搜索和遗传算法的电路划分方法，其目的是为了实现电路划分通信量为零且负载均衡，解决电子设计自动化的电路仿真时过长的问题。

为了达到上述目的，本发明提供了一种基于反向搜索和遗传算法的电路划分方法，包括：

步骤1，对电路门级网表进行建模；

步骤2，从MIMO门级电路的输出端口进行反向搜索并记录搜索结果，根据搜索结果进行初始划分，将MIMO门级电路划分为数量与输出端口数量相同的MISO系统；

步骤3，基于遗传算法对MISO系统进行组合、合并、优化，将符合要求的初始划分的MISO系统进行并集运算，得到期望的划分块数m；

步骤4，将电路划分的m块输出为电路门级网表，并分别加载到仿真器。

其中，步骤1通过将门级网表转换为有向图模型，所述有向图模型包括节点和有向边，节点表示逻辑门或触发器，有向边表示节点间的连接关系，采用邻接矩阵表示有向图模型的内部连接关系，通过权重数组描述节点的仿真时间。

其中，搜索结果是所有和输出端口有关联的节点。

其中，遗传算法采用单条染色体表示一个个体，足够数量的个体构成种群，每条染色体中的一个基因代表初始划分的一个MISO系统。

其中，步骤3包括：

步骤31，输入目标划分块数m、种群个体数量N、变异概率p、比例因子β和进化总次数G_max；

步骤32，对所述MISO系统进行编码；

步骤33，对种群进行初始化；

步骤34，根据评价函数对当前种群中的个体进行评价并按照评价函数的评价值进行升序排序；