[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

摘要

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。

主权项

1.一种基于遗传算法的大规模BGA封装最优引脚分布生成方法，其特征在于：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；S6.使WinChrom中的个体进行匹配交叉，匹配交叉的位置由随机数m1、m2、n1、n2确定，若m1小于m2，则个体矩阵的交叉区域的行位于m1+1到m2之间，若m1大于m2，则个体矩阵的交叉区域的行位于1到m2或是m1+1到K之间，n1、n2用于确定交叉区域的列，其原理同m1、m2；由此可确认匹配交叉区域；S7.判断交叉后的个体相对应的电源信号引脚、地信号引脚数目是否发生了改变，若否则继续执行步骤S8；S8.使WinChrom中的个体进行变异，首先计算变异概率pm：其中f_Max、为分别种群WinChrom中最适应个体的适应值、种群平均P应值、变异个体的适应值；S9.在变异概率内，判断变异个体的电源信号引脚、地信号引脚是否等于变异个体的总引脚数，若是则将某个电源信号引脚与地信号引脚互换位置，若否，则利用rand函数在(0,1)之间随机产生一个数，若此数大于Pm，则将个体中某个电源信号引脚与地信号引脚互换位置，否则将个体中某个电源信号引脚或者地信号引脚与空信号引脚交换位置；S10.N个WinChrom中的个体进行交叉匹配、变异后产生(K‑N)个WinChrom后代，将N个WinChrom中的个体和(K‑N)个WinChrom后代组合，形成新一代种群NewChrom；S11.计算种群NewChrom中各个个体的适应值，选择适应值最好的个体为BestInd；S12.令t＝t+1，将种群NewChrom作为初始种群重复执行步骤S3～S11直至t>k；S13.保存每次迭代的最优个体BestInd到容器BestInd_Temp中，通过比较分析BestInd_Temp中每个BestInd的适应值得到最理想的引脚分配。