CN103020349B - 一种等离子体刻蚀工艺中刻蚀产额的建模方法 - Google Patents
一种等离子体刻蚀工艺中刻蚀产额的建模方法 Download PDFInfo
- Publication number
- CN103020349B CN103020349B CN201210526667.6A CN201210526667A CN103020349B CN 103020349 B CN103020349 B CN 103020349B CN 201210526667 A CN201210526667 A CN 201210526667A CN 103020349 B CN103020349 B CN 103020349B
- Authority
- CN
- China
- Prior art keywords
- etching
- controling parameters
- model
- etching profile
- yield
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000005530 etching Methods 0.000 title claims abstract description 106
- 238000000034 method Methods 0.000 title claims abstract description 79
- 230000008569 process Effects 0.000 title claims abstract description 22
- 238000001020 plasma etching Methods 0.000 title abstract description 3
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 29
- 238000004088 simulation Methods 0.000 claims abstract description 14
- 230000003044 adaptive effect Effects 0.000 claims description 20
- 239000012141 concentrate Substances 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 5
- 238000005457 optimization Methods 0.000 abstract description 11
- 238000002474 experimental method Methods 0.000 abstract description 4
- 238000004377 microelectronic Methods 0.000 abstract description 4
- 238000012545 processing Methods 0.000 abstract description 2
- 230000001413 cellular effect Effects 0.000 description 16
- 230000002068 genetic effect Effects 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 5
- 230000035772 mutation Effects 0.000 description 5
- 238000009826 distribution Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 108090000623 proteins and genes Proteins 0.000 description 4
- 101100129500 Caenorhabditis elegans max-2 gene Proteins 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000000992 sputter etching Methods 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000010429 evolutionary process Effects 0.000 description 2
- 238000004544 sputter deposition Methods 0.000 description 2
- 230000004083 survival effect Effects 0.000 description 2
- 240000001972 Gardenia jasminoides Species 0.000 description 1
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910001423 beryllium ion Inorganic materials 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 244000144992 flock Species 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000010534 mechanism of action Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000002922 simulated annealing Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Landscapes
- Drying Of Semiconductors (AREA)
Abstract
本发明涉及一种等离子体刻蚀工艺中刻蚀产额的建模方法,属于微电子加工过程中对刻蚀过程模拟技术领域;该方法包括:将刻蚀产额模型进行参数化表示;采用优化算法来优化得到刻蚀产额模型中的最优控制参数;在优化过程中,通过刻蚀剖面演化方法来计算每组控制参数的优劣(适应值),作为优化算法选择、生成下一步控制参数集的依据。将得到最优的模型控制参数代入到模型参数化公式中,即得到刻蚀产额的模型。本发明可避免实验中的测量仪器对模型的影响,解决测量代价高的问题;同时通用性好,利用该模型,可以实现相同工艺条件下,对不同刻蚀时间不同尺度沟槽进行模拟。
Description
技术领域
本发明属于微电子加工过程中对刻蚀过程模拟技术领域,特别涉及提出一种将优化算法和刻蚀演化方法相结合,来求解刻蚀产额模型的方法。
背景技术
随着微电子制造技术的发展,构成集成电路芯片的单个元器件尺寸不断缩小,而单个芯片面积越来越大,导致集成电路的集成度越来越高,使集成电路向着更复杂、更高性能和更经济的方向发展。这样,也给微电子制造技术提出了更高的要求,要想突破当前制造技术的瓶颈,需要人们对加工工艺基本机理的深刻认识。尤其在等离子刻蚀工艺中,刻蚀质量严格依赖于等离子体本身特性和其在表面的作用机理。
刻蚀剖面演化方法能够帮助人们深入理解各种工艺过程机理,找到刻蚀控制的工艺参数和机制,理解特殊工艺结果的成因,如在等离子体作用下高纵宽比刻蚀结果、微槽弓形刻蚀现象出现的原因。当前,刻蚀剖面演化方法主要有线方法、特征线方法、水平集方法、基于元胞的方法等。其中:线方法是将刻蚀表面离散成用由相邻点构成的线段实现,每个点根据该点法向刻蚀速度来实现表面演化;特性线和水平集方法是根据模拟区域内刻蚀速度场,建立并求解一组依赖于时间的偏微分方法来实现表面的演化;基于元胞的演化方法是将模拟区域划分成若干个包含不同材料的元胞,如图1所示,根据元胞包含的材料可以分为空元胞1、边界元胞2、掩膜元胞3和材料元胞4。然后根据边界离子分布和入射角度分布,从上表面用蒙特卡罗方法产生入射离子,随后跟踪离子运动直到达到材料表面或离开模拟区域。达到表面的离子若满足刻蚀条件,则按照刻蚀产额模型计算刻蚀原子数,将其从所在元胞中减掉,实现刻蚀;否则离子继续被二次跟踪。当元胞内原子数量达到零或小于某一很小的数时,元胞转变为空元胞,这样实现表面的向前推进。重复执行这个过程直到达到终止条件,就得到一个模拟刻蚀剖面。除了需要较多内存和计算资源外,基于元胞的刻蚀剖面演化方法具有鲁棒性高,稳定性好,易于计算复杂形状拓扑变化等优点。可见,所有刻蚀剖面演化方法计算剖面演化时依赖于刻蚀速率或刻蚀产额模型,因此刻蚀速率或刻蚀产额模型决定模拟刻蚀剖面的正确性。
根据已有文献结果,离子的刻蚀产额与离子的入射能量和入射角度密切相关。文献表明在一定入射角度下,离子的刻蚀产额与离子的入射能量的开平方成线性关系;而在一定能量下,两种离子刻蚀的刻蚀产额与入射角度的关系满足图2、图3所示的曲线关系,图2和图3表示刻蚀产额与入射角度之间的关系,图2是当θmin=θmax时离子增强刻蚀的刻蚀曲线,图3是当θmin<θmax时离子溅射刻蚀的刻蚀曲线。不同文献给出关系只在量级或曲线特征角度的位置存在一定差异,但趋势是一致的。
目前,刻蚀速率或刻蚀产额模型主要通过设计特殊的实验环境,实时测量某种离子的刻蚀结果来实现的。由于实验仪器和测量工具影响刻蚀环境,如等离子体的分布,同时实验中测量工具本身也存在一定的误差;导致得到的模型不准确;同时测量设备也非常昂贵,测量结果通用性也不强,只能是一种环境(工艺)一个模型。因此,目前利用实验方法得到刻蚀产额模型不能满足等离子体加工工艺研究的要求。
优化算法是以目标函数为控制条件,对优化参数的初始解进行分析,用得到结果来计算目标函数,然后通过优化方法如单纯形法、共枙梯度法、遗传算法、模拟退火、粒子群算法及蚁群算法等来搜索出下一个解,如此反复进行,直到目标函数满足给定尺度下的精度为止。遗传算法是一种随机优化算法,它是由若干个个体构成的种群,按达尔文物竞天择,适者生存的法则,通过确保在后代种群维护最优适应值的个体来实现。每个个体代表优化的对象,根据具体任务的要求来得到它的适应值,作为评估个体优劣的标准。具体过程是:首先,在优化对象要求取值范围内随机生成一定数量个体组成初始种群,并根据任务要求(目标函数)计算每个个体的适应值;接下来,根据种群每个个体的适应值,遗传算法重复执行选择、交叉、变异和精英策略等操作产生新一代,直到找到最优解。其中,选择操作是遗传算法中体现适者生存的关键,按照个体的适应值选择优秀的个体放入新一代,抛弃适应值差的个体;交叉操作是模拟自然界进化过程的生物遗传基因重组现象,保证优秀的基因遗传到后代中,来保持父代优良的基因在后代进行延续,它通过交换两个个体部分信息来实现;为了维持种群的多样性,防止过于早熟,遗传算法通过变异操作来实现,它是通过以一个小概率来改变某个个体信息值,来探索新的搜索方向,提高解的探索能力;精英保留操作是为了防止进化过程中,优秀个体的损失,它是把群体在进化过程中迄今为止出现的最好个体(精英)直接复制到下一代来实现;重新计算新一代种群中每个个体的适应值。目前,等离子体刻蚀工艺中,遗传算法主要用于寻找达到某一工艺要求的最优工艺参数,还未应用于离子刻蚀产额模型的建模中。
发明内容
本发明的目的是为克服已有技术的不足之处,提出一种等离子体刻蚀工艺中刻蚀产额的建模方法。它可以避免实验中的测量仪器对刻蚀速率或产额模型的影响,解决测量代价高的问题;同时,通用性好,只利用少量的实验结果就可以得到新环境下相对理想的模型。利用优化得到模型,可以实现相同工艺条件下,对不同刻蚀时间不同尺度沟槽进行模拟。
本发明提出的一种等离子体刻蚀工艺中刻蚀产额的建模方法,其特征在于,该方法将刻蚀产额模型Ytotal进行参数化表示,然后利用优化算法和刻蚀剖面演化方法相结合计算最优的一组控制参数,代入公式即可得到刻蚀产额模型Ytotal;
该方法包括以下步骤:
1)设置优化算法、刻蚀剖面演化方法的初始参数,输入数值化的实际刻蚀剖面ER;
2)根据优化算法的要求和刻蚀产额模型的控制参数的取值范围,形成由多组控制参数组成的初始控制参数集;
3)使用刻蚀剖面演化方法计算控制参数集中每组控制参数的适应值;
4)根据每组控制参数的适应值,利用优化算法搜索形成下一步控制参数集;
5)重复执行步骤3)-4),直到达到最大执行次数Nmax或满足指定的精度后转步骤6);
6)输出最优的控制参数,代入刻蚀产额模型参数化表示公式中,即得到等离子体刻蚀工艺中刻蚀产额的模型。
所述步骤3)具体可包括:
3.1)把控制参数集中每组控制参数和刻蚀剖面演化方法的初始参数作为输入,执行刻蚀剖面演化方法,计算得到一个模拟刻蚀剖面Es;
3.2)计算实际刻蚀剖面ER和模拟刻蚀剖面Es之间的误差,如下;
es=∫Γw(x,y)dxdy
式中:Γ表示实际刻蚀剖面ER和模拟刻蚀剖面Es对应位置存在差异的区域;w(x,y)表示该区域Γ中的点(x,y)对于误差影响重要程度;
3.3)将该组控制参数的适应值赋为Fpop=-es;
3.4)重复执行3.1)-3.3),计算得到控制参数集中每组控制参数的适应值。
本发明的特点及有益效果:
本发明提供了一种利用优化技术和模拟方法相结合,实现对微观离子的刻蚀产额进行建模的方法。通过定义实际刻蚀结果和模拟结果之间误差,将建模问题转化为优化问题来实现。利用优化得到模型,可以实现相同工艺条件下,对不同刻蚀时间不同尺度沟槽进行模拟。可以避免实验方法中测量仪器工具对刻蚀速率或产额模型的影响,解决测量代价高的问题;同时,通用性好,只利用少量的实验结果就可以得到新环境下相对理想的模型。
附图说明
图1为元胞划分及离子运动跟踪图;
图2为离子增强刻蚀的刻蚀产额曲线;
图3为离子溅射刻蚀的刻蚀产额曲线;
图4为本发明方法的程序流程图。
具体实施方式
本发明提出的一种等离子体刻蚀工艺中刻蚀产额的建模方法,结合附图及实施例详细说明如下:
本发明的方法实施例总体流程如图4所示,本实施例提出刻蚀产额模型Ytotal的参数表示:
式(1)中中间变量a,b表示为:
其中,A,B,θmin,θmax,c是建立模型的待优化的控制参数,E+,θ是离子本身具有的属性;各参数的定义及取值范围分别是:A∈[0.01,30],B∈[-10,10]是与刻蚀环境相关的常数;θmin∈[20°,50°]是离子刻蚀产额曲线形状随着入射角度0°→90°变化时,刻蚀产额首次发生变化时所对应的角度;θmax∈[30°,75°]是刻蚀产额曲线取最大值时所对应的角度(具体如图2和图3所示);c∈[-10,0]是刻蚀产额曲线形状因子,用来控制曲线形状变化;E+是入射离子所具有的能量;θ是入射离子的入射角度;
上述模型的建模方法具体实施方式包括以下步骤:
1)设置优化算法及刻蚀剖面演化方法的初始参数,输入数值化的实际刻蚀剖面ER:
1.1)设置优化算法中的参数:本实施例选择遗传算法作为优化算法,控制参数集(解集)表示为种群,每组控制参数(解)是种群中一个个体。设置以下参数:种群大小Npopulation(50~120)、交叉率Rmutation(0.8~0.99)、变异率Rcrossover(0.005~0.01)、精英数量Nelite(5~10)和遗传算法执行最大次数Nmax(50~150);
1.2)设置刻蚀剖面演化方法中的初始参数:本实施例选择基于元胞的刻蚀剖面演化方法,需要设置以下参数:根据商业软件CFD-ACE计算的结果,确定入射离子数量Ns及速度分布Pv;根据模拟要求确定输入模拟区域Ω和刻蚀掩膜图形P;根据模拟精度要求设定元胞边长l为25~100纳米;设定模拟时间T为5~30分钟;
1.3)输入数值化的实际刻蚀剖面ER;
2)根据优化算法的要求和刻蚀产额模型的控制参数的取值范围,形成由多组控制参数组成的初始控制参数集或种群(形成优化问题的初始解集):一个种群包括Npopulation个个体,分别重复对所述五个参数在取值范围内随机取值生成多组初始控制参数,组成由Npopulation个个体的初始种群,该初始种群中每个个体由一组五个控制参数值(A,B,θmin,θmax,c)构成,代表一个刻蚀产额模型;
3)用刻蚀剖面演化方法计算控制参数集或种群(解集)中每组控制参数或个体(解)的适应值,具体包括;
3.1)把控制参数集或种群(解集)中每组控制参数或个体(解)和刻蚀剖面演化方法的初始参数作为输入,执行刻蚀剖面演化方法,计算得到一个模拟刻蚀剖面Es;
3.2)按照公式(4)计算实际刻蚀剖面ER和模拟刻蚀剖面Es之间的误差;
es=∫Γw(x,y)dxdy (4)
其中:Γ表示实际刻蚀剖面ER和模拟刻蚀剖面Es对应位置存在差异的区域;w(x,y)表示该区域Γ中的点(x,y)对于误差影响重要程度(点(x,y)距离实际刻蚀剖面越近,表明越接近实际刻蚀剖面,对误差影响就越小,反之,距离越远的点对误差影响大,它用点(x,y)距实际刻蚀剖面的距离表示);
3.3)将该该组控制参数或个体(解)的适应值赋为Fpop=-es;
3.4)重复执行3.1)-3.3),计算得到控制参数集或种群(解集)中每组控制参数的适应值;
4)根据每组控制参数或个体(解)的适应值,利用优化算法搜索形成下一步控制参数集或种群(解集),通过遗传算法中的选择、交叉、变异和精英操作来实现:
4.1)采用基于二人锦标赛的选择算子实现选择操作,选择种群中的优秀个体:对步骤3)得到的种群采用有放回地随机抽取两个个体,比较两者的适应值,选择两者中适应值高的个体放入子代种群;重复执行步骤4.1)的操作,直到得到种群大小为Npopulation-Nelite的子代种群;
4.2)采用随机单点交叉算子实现交叉操作,来延续父代的优良的基因:对步骤4.1)产生的种群中的个体,进行两两随机配对;对每一对相互配对的个体,随机选取一个交叉点p,再产生一个[0,1]之间随机数Rand,若随机数Rand小于等于交叉率Rmutation,则两个个体从位置p开始交换参数,从而形成一对新个体,放入子代种群;若随机数大于交叉率Rmutation,直接将相互配对的个体放入子代种群;重复执行步骤4.2)的操作,直到得到种群大小为Npopulation-Nelite的子代种群;
4.3)采用随机变异算子实现变异操作,来维护种群的多样性,防止得到局部最优解:对步骤4.2)产生的种群中的一个个体,对它的五个参数(A,B,θmin,θmax,c)中的每个参数,均产生一个[0,1]之间随机数Rand作为参数值,若该随机数Rand小于等于变异率Rcrossover,则从该参数取值范围再随机取值来替换该参数值,否则该参数值不变;对步骤4.2)产生的种群中的每个个体重复执行步骤4.3)的操作,得到新子代种群;
4.4)采用精英替换操作来防止优秀个体的损失:从步骤3)得到的种群中,选择适应值最高的Nelite个个体,和步骤4.3)得到种群一起构成新一代种群,种群大小为Npopulation;
5)用步骤4)得到的新种群,重复执行步骤3)4),直到达到最大执行次数Nmax或满足指定的精度后转步骤6);
6)输出最优的控制参数或个体(解),代入刻蚀产额模型参数化表示公式,即得到等离子体刻蚀工艺中刻蚀产额的模型。
Claims (1)
1.一种等离子体刻蚀工艺中刻蚀产额的建模方法,其特征在于,该方法将刻蚀产额模型Ytotal进行参数化表示,然后利用优化算法和刻蚀剖面演化方法相结合计算出最优的一组控制参数,代入公式即可得到刻蚀产额模型Ytotal;
该方法包括以下步骤:
1)设置优化算法、刻蚀剖面演化方法的初始参数,输入数值化的实际刻蚀剖面ER;
2)根据优化算法的要求和刻蚀产额模型的控制参数的取值范围,形成由多组控制参数组成的初始控制参数集;
3)使用刻蚀剖面演化方法计算控制参数集中每组控制参数的适应值;
4)根据每组控制参数的适应值,利用优化算法搜索形成下一步控制参数集;
5)重复执行步骤3)-4),直到达到最大执行次数Nmax或满足指定的精度后转步骤6);
6)输出最优的控制参数,代入刻蚀产额模型参数化表示公式中,即得到等离子体刻蚀工艺中刻蚀产额的模型;
所述步骤3)具体包括:
3.1)把控制参数集中每组控制参数和刻蚀剖面演化方法的初始参数作为输入,执行刻蚀剖面演化方法,计算得到一个模拟刻蚀剖面Es;
3.2)计算实际刻蚀剖面ER和模拟刻蚀剖面Es之间的误差,如下:
es=∫Γw(x,y)dxdy
式中:Γ表示实际刻蚀剖面ER和模拟刻蚀剖面Es对应位置存在差异的区域;w(x,y)表示该区域Γ中的点(x,y)对于误差影响重要程度;
3.3)将该组控制参数的适应值赋为Fpop=-es;
3.4)重复执行3.1)-3.3),计算得到控制参数集中每组控制参数的适应值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210526667.6A CN103020349B (zh) | 2012-12-08 | 2012-12-08 | 一种等离子体刻蚀工艺中刻蚀产额的建模方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210526667.6A CN103020349B (zh) | 2012-12-08 | 2012-12-08 | 一种等离子体刻蚀工艺中刻蚀产额的建模方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103020349A CN103020349A (zh) | 2013-04-03 |
CN103020349B true CN103020349B (zh) | 2015-05-06 |
Family
ID=47968951
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210526667.6A Expired - Fee Related CN103020349B (zh) | 2012-12-08 | 2012-12-08 | 一种等离子体刻蚀工艺中刻蚀产额的建模方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103020349B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103336858B (zh) * | 2013-06-04 | 2016-02-10 | 清华大学 | 一种刻蚀和沉积工艺三维元胞信息存储结构及操作方法 |
CN103440361B (zh) * | 2013-07-19 | 2016-02-24 | 清华大学 | 一种等离子体刻蚀工艺中刻蚀产额的建模方法 |
CN104866649B (zh) * | 2015-04-27 | 2017-09-26 | 北京计算科学研究中心 | 等离子体器件的光电转换效率多尺度建模和检测方法 |
US10935962B2 (en) * | 2015-11-30 | 2021-03-02 | National Cheng Kung University | System and method for identifying root causes of yield loss |
CN108509335B (zh) * | 2018-01-31 | 2021-03-19 | 浙江理工大学 | 基于遗传算法优化的软件测试数据生成方法 |
CN108733946B (zh) * | 2018-05-24 | 2020-04-24 | 大连理工大学 | 一种用于托卡马克中电子回旋电流剖面演化的模拟方法 |
WO2020020759A1 (en) | 2018-07-26 | 2020-01-30 | Asml Netherlands B.V. | Method for determining an etch profile of a layer of a wafer for a simulation system |
CN110825032B (zh) * | 2019-11-18 | 2020-07-31 | 北京邮电大学 | 一种基于机器学习的离子束刻蚀速率优化匹配方法 |
CN115688489B (zh) * | 2022-12-30 | 2023-06-16 | 全芯智造技术有限公司 | 沟槽蚀刻工艺的仿真方法及装置、存储介质、终端 |
CN116044385B (zh) * | 2023-01-09 | 2024-04-26 | 西南石油大学 | 一种同位素示踪流量测井吸水剖面解释方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI264043B (en) * | 2002-10-01 | 2006-10-11 | Tokyo Electron Ltd | Method and system for analyzing data from a plasma process |
JP5112624B2 (ja) * | 2004-09-01 | 2013-01-09 | ラム リサーチ コーポレーション | プロセスチャンバ及びプラズマチャンバを操作する方法 |
US20100269084A1 (en) * | 2008-11-24 | 2010-10-21 | Yuri Granik | Visibility and Transport Kernels for Variable Etch Bias Modeling of Optical Lithography |
CN102194031B (zh) * | 2011-05-24 | 2012-10-10 | 清华大学 | 一种等离子干法三维刻蚀模拟方法 |
-
2012
- 2012-12-08 CN CN201210526667.6A patent/CN103020349B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN103020349A (zh) | 2013-04-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103020349B (zh) | 一种等离子体刻蚀工艺中刻蚀产额的建模方法 | |
CN103440361B (zh) | 一种等离子体刻蚀工艺中刻蚀产额的建模方法 | |
CN112417573B (zh) | 基于ga-lssvm与nsga-ⅱ盾构下穿既有隧道施工多目标优化的方法 | |
CN108805350B (zh) | 基于多维蒙特卡洛理论的搜救范围预测方法 | |
JP6832475B1 (ja) | ランダムアイソジオメトリック解析に基づくブレードの高剛性の設計方法 | |
CN109886499B (zh) | 一种考虑反馈信息的海上遇险目标漂移集合预测方法 | |
Li et al. | Multi-objective differential evolution with self-navigation | |
CN104459776A (zh) | 一种断裂分形特征优化计算方法 | |
Quan | Smart design for sustainable neighborhood development | |
CN109931943A (zh) | 无人船舶全局路径规划方法及电子设备 | |
CN109765890A (zh) | 一种基于遗传算法的多usv群体协同避碰规划方法 | |
Zeng et al. | Robotic global path-planning based modified genetic algorithm and A* algorithm | |
Wei et al. | A hyperheuristic algorithm based on evolutionary strategy for complex mission planning of AUVs in marine environment | |
CN108594241B (zh) | 一种auv声隐身态势评估方法 | |
CN115826591B (zh) | 一种基于神经网络估计路径代价的多目标点路径规划方法 | |
CN116164753B (zh) | 矿山无人车路径导航方法和装置、计算机设备和存储介质 | |
CN105388460A (zh) | 一种基于遗传算法的室内水下目标定位方法 | |
Liang et al. | Optimization of robot path planning parameters based on genetic algorithm | |
Maji et al. | Comparison of single and multi objective highway alignment optimization algorithms. | |
CN104504444B (zh) | 一种利用人工地物稀疏形状点自动生成地物轮廓的方法 | |
Jin et al. | WOA-AGA algorithm design for robot path planning | |
CN107368075A (zh) | 基于混合粒子群的移动机器人全局路径规划算法 | |
Mahajan et al. | Neural network based cellular automata model for dynamic spatial modeling in GIS | |
Al-Hadad et al. | A genetic algorithm approach to a 3D highway alignment development | |
Ni et al. | A nonlinearity-based genetic algorithm for ship path planning |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150506 Termination date: 20181208 |