CN117195825A - 一种基于完备最优斯坦纳树预测布线概率分布的方法 - Google Patents
一种基于完备最优斯坦纳树预测布线概率分布的方法 Download PDFInfo
- Publication number
- CN117195825A CN117195825A CN202311182666.9A CN202311182666A CN117195825A CN 117195825 A CN117195825 A CN 117195825A CN 202311182666 A CN202311182666 A CN 202311182666A CN 117195825 A CN117195825 A CN 117195825A
- Authority
- CN
- China
- Prior art keywords
- nodes
- probability distribution
- steiner tree
- line
- probability
- 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.)
- Granted
Links
- 238000009826 distribution Methods 0.000 title claims abstract description 108
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000004804 winding Methods 0.000 claims abstract description 30
- 238000004364 calculation method Methods 0.000 claims abstract description 12
- 238000005192 partition Methods 0.000 claims description 27
- 238000013519 translation Methods 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 4
- 238000005457 optimization Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 8
- 238000013461 design Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 5
- 238000012938 design process Methods 0.000 description 4
- 238000005452 bending Methods 0.000 description 3
- 230000000903 blocking effect Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 230000008602 contraction Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000004091 panning Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Landscapes
- Design And Manufacture Of Integrated Circuits (AREA)
Abstract
一种基于完备最优斯坦纳树预测布线概率分布的方法,包括:通过完备最优斯坦纳树查找表,构建完备最优斯坦纳树;确定所述完备最优斯坦纳树中两节点间的边类型;计算边类型为对齐边的两节点间的概率分布,所述对齐边,是指两节点同在一条直线上;计算边类型为非对齐边的两节点间的概率分布,所述非对齐边,是指两节点不在同一条直线上;整合和优化对齐边和非对齐边的概率分布计算结果。本发明的方法可以根据不同环境下最优的最小矩形斯坦纳树快速计算布线前的概率分布,评估拥塞程度,提高了预测精准度,缩短了概率分布预测时间,给后续绕线提供参考和优化空间。
Description
技术领域
本发明涉及超大规模集成电路物理设计技术领域,尤其涉及一种基于完备最优斯坦纳树预测布线概率分布的方法。
背景技术
随着超大规模集成电路的生产工艺向深亚微米、纳米尺度推进,集成电路的规模越来越大,系统越来越复杂。这也给电子设计自动化(Electronic Design Automation,EDA)工具带来了新的挑战。特别是对集成电路物理设计(Physical Design)工具的性能和运行速度提出了新的要求。
在超大规模集成电路物理设计流程中,为了优化绕线成本在设计初期就需要对布线的拥塞密度有一个较好的评估。在自动化集成电路设计流程中绕线的拥塞信息通常只能在详细绕线(detailed routing)后得到,绕线中过度的阻塞会降低电路性能,甚至导致无法绕线的局面,设计过程必须从早期阶段重新开始,如布局规划(placement)。因此,在设计过程的早期阶段,需要一个准确的拥塞模型来进行准确的互连分析和预测。
拥塞模型通常有两种设计思路求解。一种是将绕线区域分为若干块,假设走线按L或Z型计算每一块的拥塞概率。另一种则假设所有可行且相同概率的绕线线路并通过概率分析来估计拥塞程度,且走线上趋向于更少的弯曲。
目前公开的评估拥塞的方法主要分为基于概率预测和全局绕线两种。其中概率分布预测在给定布局后,通过概率模型计算网络在电路中的概率分布,可以避免全局绕线的同时得到拥塞评估。在概率预测计算中对节点间绕线的弯曲程度的评估对于结果的准确性影响较大,实际布线中将多节点网络拆解成两节点网络中,两节点网络中绕线路线概率选择及拥塞程度预测精度都取决于走线弯曲程度的预测。全局绕线后的拥塞评估则可以在更为准确的全局绕线基础上得到实际的拥塞评估,给后续详细路由以更好的路线选择。上述两种评估拥塞的方法中,基于概率预测的拥塞分析的优点是运行时间较短,且不需要实际的布线行为,但准确性较低,其结果通常取决于对节点间走线弯曲程度的正确预测;基于全局绕线的拥塞分析准确性较高,但运行时间较长,且无法避免全局绕线过程。
发明内容
为了解决现有技术的缺陷,本发明的目的在于提供一种基于完备最优斯坦纳树预测布线概率分布的方法,在绕线中使用查找表构建完备最优斯坦纳树,得到所有的最小矩形斯坦纳树,确定两节点网络位置的所有可能情况,计算叠加所有可能两节点网络的拥塞预测结果,提高布线的概率分布精度。
利用完备最优斯坦纳树数据结构可以在提供接近实际绕线精确度的同时,以较小的运行时间进行概率分布预测,从而结合了目前评估拥塞程度的两种方式的优点。
为了实现上述目的,本发明提供的基于完备最优斯坦纳树预测布线概率分布的方法,包括以下步骤:
通过完备最优斯坦纳树查找表,构建完备最优斯坦纳树;
确定所述完备最优斯坦纳树中两节点间的边类型;
计算边类型为对齐边的两节点间的概率分布,所述对齐边,是指两节点同在一条直线上;
计算边类型为非对齐边的两节点间的概率分布,所述非对齐边,是指两节点不在同一条直线上;
整合和优化对齐边和非对齐边的概率分布计算结果。
进一步地,所述通过完备最优斯坦纳树查找表,构建完备最优斯坦纳树的步骤,还包括:基于建立好的完备最优斯坦纳树查找表,通过标号和最小线长作为入口,得到完备最优斯坦纳树;所述最优斯坦纳树由区间数值、节点和边构成。
进一步地,所述对齐边,包括:
固定线,是指两节点同在一条直线上,且两节点均固定;
伸缩线,是指两节点同在一条直线上,且至少一个节点可沿直线方向移动;
平移线,是指两节点同在一条直线上,且两节点均可沿垂直于直线方向移动;
伸缩平移线,是指两节点同在一条直线上、两节点均可沿垂直于直线方向移动,且至少一个节点可沿直线方向移动。
进一步地,还包括:
将对齐边、非对齐边的两节点网络间的区域分成面积等分的多个区域,通过拥塞模型计算所述网络的概率分布。
进一步地,所述计算边类型为对齐边的两节点间的概率分布,还包括:
当对齐边为固定线时,固定线在两节点间具有确定的走线概率,在任一路径上的概率均为1;
当对齐边为伸缩线时,伸缩线中一个节点在两节点所在直线上选择移动至任意格点的概率相等、移动长度不同,叠加每一种移动选择的概率分布后,得到两节点间固定部分的概率,以及可移动部分根据所有路径由最远可移动距离到最近可移动距离的概率;
当对齐边为平移线时,平移线的两节点在保持对齐的情况下沿垂直于两节点所在直线的方向移动多个格点的距离,移动每个格点的概率均是移动格点总数的倒数;
当对齐边为伸缩平移线时,伸缩平移线的两节点在保持对齐的情况下沿垂直于两节点所在直线的方向移动,其中一个节点沿平行于直线的方向伸缩,计算伸缩线的概率分布乘以平移线的概率分布,得到伸缩平移线的概率分布。
进一步地,所述计算边类型为非对齐边的两节点间的概率分布的步骤,还包括:
对于固定的两节点非对齐边,将两节点所在的水平直线与竖直直线所围区域按面积平均划分为多个分区;
当两节点网络按照最小曼哈顿距离绕线,所有与两节点绕线距离相同的分区被网络穿过的概率相同;
当两节点网络按左下到右上的绕线路径绕线时,对每个非边界上的分区将借由其左边或下边的分区穿过,对边界上的分区则只能从其一侧穿过,且每个分区由其中一侧穿过的概率相同,分别计算出每个分区水平方向和竖直方向上的概率分布。
进一步地,所述计算边类型为非对齐边的两节点间的概率分布的步骤,还包括:
对于非固定的两节点非对齐边,其非固定的节点根据最小矩形斯坦纳树的形状可在水平方向或竖直方向上移动,令所述非固定的节点在每一个可移动分区上移动的概率相同,对所有固定的两节点非对齐边的概率分布结果进行叠加,计算得到非固定的两节点对齐边的概率分布。
更进一步地,所述整合和优化对齐边和非对齐边的概率分布计算结果的步骤,还包括:
对计算得到的对齐边两节点间的概率分布、非对齐边两节点间水平方向和竖直方向的概率,进行叠加得到概率分布结果。
为实现上述目的,本发明还提供一种电子设备,包括存储器、处理器,以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器,用于执行所述存储器所存放的计算机程序,以实现如上所述的基于完备最优斯坦纳树预测布线概率分布的方法。
为实现上述目的,本发明还提供一种计算机可读存储介质,所述存储介质中存储有至少一条指令,所述指令由处理器加载并执行以实现如上所述的基于完备最优斯坦纳树预测布线概率分布的方法。
本发明提供的基于完备最优斯坦纳树预测布线概率分布的方法,与现有技术相比具有如下有益效果:
利用完备最优斯坦纳树的数据结构计算布线概率分布,可以根据不同环境下最优的最小矩形斯坦纳树快速计算布线前的概率分布,评估拥塞程度;在快速构建的完备最优斯坦纳树的条件下,以接近于实际绕线的精准度,同时用较小的运行时间实现概率分布预测,较为准确地计算多节点网络的概率分布和评估拥塞程度,给后续绕线提供参考和优化空间;将概率分布结果与提前计算的相应区域可走线的容量相结合,更好地反映实际拥塞程度,减小实际布线结果和概率分布结果的差异,或根据器件、阻塞区域位置增大相应位置的概率密度,供后续布线绕开难以走线的区域。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,并与本发明的实施例一起,用于解释本发明,并不构成对本发明的限制。在附图中:
图1为根据本发明实施例的基于完备最优斯坦纳树预测布线概率分布的方法流程图;
图2为根据本发明实施例的两节点间固定线的概率分布示意图;
图3为根据本发明实施例的两节点间伸缩线的概率分布示意图;
图4为根据本发明实施例的两节点间平移线的概率分布示意图;
图5为根据本发明实施例的两节点间伸缩平移线的概率分布示意图;
图6为根据本发明实施例的非对齐边两节点间的布线概率分布示意图;
图7为根据本发明实施例的非固定两节点非对齐边的概率分布示意图;
图8为根据本发明实施例的电子设备结构示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
下面将参照附图更详细地描述本发明的实施例。虽然附图中显示了本发明的某些实施例,然而应当理解的是,本发明可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本发明。应当理解的是,本发明的附图及实施例仅用于示例性作用,并非用于限制本发明的保护范围。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意,本发明中可能提及了“第一”、“第二”等概念仅用于对不同的装置、组件或部件进行区分,并非用于限定这些装置、组件或部件所执行的功能的顺序或者相互依存关系。
需要注意,本发明中可能提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。“多个”应理解为两个或以上。
图1为根据本发明实施例的基于完备最优斯坦纳树预测布线概率分布的方法流程图,如图1所示,下面将参考图1详细地说明本发明的实施例。
在步骤101,通过完备最优斯坦纳树查找表,构建完备最优斯坦纳树。
本发明实施例中,在绕线中使用一种基于查找表的完备最优斯坦纳树构建方法,通过完备最优斯坦纳树查找表快速得到给定网络节点集合的完备最优斯坦纳树,可以快速构造出所有的最小矩形斯坦纳树(Rectilinear Steiner minimal tree,RSMT),以满足集成电路设计中的复杂环境和多网络优化的需求。
所述基于查找表的完备最优斯坦纳树构建方法,是基于建立好的完备最优斯坦纳树查找表,通过标号和最小线长作为入口,得到完备最优斯坦纳树(即所有的最小矩形斯坦纳树)。该查找表的构建方法及完备最优斯坦纳树构建方法为现有技术,不是本申请的保护范围。为使本发明实施例更清楚、完整的说明本发明的方法,下面对通过完备最优斯坦纳树查找表构建完备最优斯坦纳树的原理进行详细的介绍。
建立好的完备最优斯坦纳树查找表通过标号和最小线长作为入口,为了其中标号对应一定节点数的集合在Hanan网格上分布相对位置组合的序号,对于节点数为n的节点集合,其节点在Hanan网格上分布的相对位置有n!种可能;最小线长指最小矩形斯坦纳树的线长,在Hanan网格上的斯坦纳树可以看作是Hanan网格上横边和竖边的组合,因此该斯坦纳树线长可以写作Hanan网格边的长度的线性组合。
通过标号和最小线长得到的最优斯坦纳树由区间数值(interval value)、节点和边构成。其中,区间数值由最小值和最大值两个数值构成,其数值对应Hanan网格中网格线的横坐标或纵坐标,当最大值等于最小值时,该区间数值为定值;为了减少查找表的空间,完备最优斯坦纳树查找表中不会记录Hanan网格中网格线对应的区间数值。节点由两个区间数值构成,分别表示节点的横坐标和纵坐标;节点包括节点集合中待连接的节点和斯坦纳点(即潜在的最小矩形斯坦纳树的节点);为减少查找表的空间,完备最优斯坦纳树查找表中只记录斯坦纳点。边由两个节点和一个边类型构成,所述边类型包括对齐边和非对齐边,其中对齐边包括固定线,伸缩线,平移线,伸缩平移线。
在步骤102,确定完备最优斯坦纳树中两节点间的边类型。
本发明实施例中,通过改变区间数值的值和连接非对齐边来构造最小矩形斯坦纳树,在最小矩形斯坦纳树中,一个边的两个节点的位置关系和边的可移动情况决定了边类型。其中,固定线指两节点在一条直线且两节点均固定;伸缩线指两节点在一条直线且有一个及以上节点可沿该直线方向移动;平移线指两节点在一条直线且两节点可沿垂直于该直线的方向移动;伸缩平移线指两节点在一条直线,两节点可沿垂直于该直线的方向移动且有一个及以上节点可沿该直线方向移动;非对齐边指两节点不在一条直线上。在Hanan网格中,以上所述直线即Hanan网格的网格线,节点即网格线的交点。
在步骤103,计算边类型为对齐边的两节点间的概率分布。
本发明实施例中,将对齐边两节点网络间区域分成面积等分的部分,通过拥塞模型分别计算固定线、伸缩线、平移线以及伸缩平移线四种对齐边的两节点间的概率分布。
两节点间的拥塞模型通常有两种,一种是将绕线区域分为若干块,两节点间绕线按L或Z型并计算概率分布。另一种则假设所有可行且相同概率的绕线线路并通过概率分析来估计拥塞程度,且走线上趋向于更少的弯曲。本发明中主要在五种边类型的两节点间参考了第二种模型进行概率分布计算。
对于两节点间的边类型为固定线的布线概率分布,在两节点间具有确定的走线概率,即在路径上的概率均为1,如图2所示。
对于两节点间的边类型为伸缩线的布线概率分布,伸缩线中一个节点可沿直线平移四个格点的概率:假设每一种平移方式(平移一个或两个或三个或四个格点)的概率相等,则此伸缩线共有四种长度不同且概率相等的平移选择。叠加四种选择的概率分布后,得到两节点间固定部分的概率均为1,可移动部分根据所有路径可能由最远可移动距离到最近距离的概率分别为1/4,2/4,3/4,如图3所示。
对于两节点间的边类型为平移线的布线概率分布,平移线的两节点在保持对齐的情况下可沿垂直于两节点所在直线的方向移动三个格点的距离,因此每个格点的概率均是1/3,即节点移动至每个格点的概率均是可移动格点总数的倒数,如图4所示。
对于两节点间的边类型为伸缩平移线的布线概率分布,伸缩平移线的两节点在保持对齐下可以沿垂直于两节点所在直线的方向移动,其中一个节点可以沿平行于直线的方向伸缩,即伸缩平移线沿直线方向伸缩的概率与伸缩线沿直线方向平移的概率类似,分为固定和可移动部分,沿垂直于直线方向平移的概率相同。因此伸缩平移线的概率分布计算就是将伸缩线和平移线的概率叠加,相当于伸缩线的概率分布乘以平移线的概率分布,如图5所示。
在步骤104,计算边类型为非对齐边的两节点间的概率分布。
本发明实施例中,非对齐边的两节点不在一条直线上,且两节点可能会移动,因此分为固定的两节点非对齐边和非固定的两节点非对齐边,分别通过拥塞模型计算这两类非对齐边的两节点间的概率分布,其计算过程如下:
对于固定的两节点非对齐边,将两节点所围区域按面积平均划分为多个小的分区,两节点网络按照最小曼哈顿(Manhattan)距离绕线,那么所有与两节点绕线距离相同的分区具有相同的被网络穿过的概率。如图6中(a)所示,按照两节点间的绕线距离将两节点所围区域平均划分为D1,D2,D3,每个区域被网络穿过的概率分别为1,1/2,1/3。所述两节点所围区域,即以两个节点所在的水平直线和竖直直线所围成的区域。当两节点网络按左下到右上的绕线路径时,每个分区可能借由其左边或下边的分区穿过,边界上的分区则只能从一侧穿过。假设每个分区由其中一侧穿过的概率相同,则可以将图6中(a)所示的概率分布转化为图6中(b)所示的概率分布,分别计算出每个分区水平和竖直方向上的概率分布,每个分区的水平和竖直方向的概率与是否能从左侧和下侧穿过有关且概率相等,两个方向的概率和即为图6中(a)图中该分区的概率。此外,水平和竖直方向上的各个分区的概率和等于两节点间距离,如图6中(b)所示,在3×3网格的格点中,水平和竖直方向上的各个分区的概率和为4,等于两节点所在格点走线的距离,即图中左下节点需走线4个格点到达右上节点。
对于非固定的两节点非对齐边,非固定的节点根据最小矩形斯坦纳树的形状可以在水平和竖直方向上移动,假设非固定节点在每一个可移动分区上移动的概率相同,则非固定的两节点对齐边的概率分布可以等效为计算所有可能的固定的两节点非对齐边的概率分布的叠加结果。如图7中(a)所示,节点可从2×2处(即4×4网格中心)移动至4×4处(即4×4网格右上角),因此该非固定的两节点非对齐边的概率分布可以为2×2、2×3、2×4、3×2、4×2、3×3、3×4、4×3、4×4共九种概率叠加之和。如图7中(b)和(c)所示,为了节约计算的时间,可以只计算最小和最大的两个区域的概率之和。
在步骤105,对非对齐边和对齐边的概率分布计算结果进行整合和优化。
本发明实施例中,对上述计算得到对齐边两节点间的概率分布、非对齐边两节点间水平和竖直方向的概率分布,叠加得到了布线前的概率分布结果。为减小实际布线结果和概率分布结果的差异,一方面可以将概率与提前计算的相应区域可以走线的容量(capacity)相结合,以更好地反映实际拥塞程度;另一方面可以根据器件、阻塞区域位置增大相应位置的概率密度,为后续布线绕开难以走线的区域。
本发明基于完备最优斯坦纳树预测布线概率分布的方法,其目的在于用完备的最优斯坦纳树在绕线的早期阶段对走线的概率有较为准确的分析,标注出拥塞区域以供后续布线工具参考。提出了通过完备最优斯坦纳树这一数据结构计算布线概率分布的算法,该算法可以根据不同环境下最优的最小矩形斯坦纳树快速预测计算布线前的布线概率分布,评估拥塞程度。相比于现有技术,本发明具有如下有益效果:以快速构建的完备最优斯坦纳树的条件下以接近于实际绕线的精准度下用较小的运行时间实现概率分布预测,较为准确地计算多节点网络的概率分布和评估拥塞程度,给后续绕线提供了参考和优化空间。
本发明的实施例中,还提供了一种电子设备,图8为根据本发明实施例的电子设备结构示意图,如图8所示,本发明的电子设备,包括处理器801,以及存储器802,其中,
存储器802存储有计算机程序,计算机程序在被处理器801读取执行时,执行如上所述的基于完备最优斯坦纳树预测布线概率分布的方法实施例中的步骤。
本发明的实施例中,还提供了一种计算机可读存储介质,该计算机可读存储介质中存储有计算机程序,其中,该计算机程序被设置为运行时执行如上所述的基于完备最优斯坦纳树预测布线概率分布的方法实施例中的步骤。
在本实施例中,上述计算机可读存储介质可以包括但不限于:U盘、只读存储器(Read-Only Memory,简称为ROM)、随机存取存储器(Random Access Memory,简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
本领域普通技术人员可以理解:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于完备最优斯坦纳树预测布线概率分布的方法,包括以下步骤:
通过完备最优斯坦纳树查找表,构建完备最优斯坦纳树;
确定所述完备最优斯坦纳树中两节点间的边类型;
计算边类型为对齐边的两节点间的概率分布,所述对齐边,是指两节点同在一条直线上;
计算边类型为非对齐边的两节点间的概率分布,所述非对齐边,是指两节点不在同一条直线上;
整合和优化对齐边和非对齐边的概率分布计算结果。
2.根据权利要求1所述的基于完备最优斯坦纳树预测布线概率分布的方法,其特征在于,所述通过完备最优斯坦纳树查找表,构建完备最优斯坦纳树的步骤,还包括:基于建立好的完备最优斯坦纳树查找表,通过标号和最小线长作为入口,得到完备最优斯坦纳树;所述最优斯坦纳树由区间数值、节点和边构成。
3.根据权利要求1所述的基于完备最优斯坦纳树预测布线概率分布的方法,其特征在于,所述对齐边,包括:
固定线,是指两节点同在一条直线上,且两节点均固定;
伸缩线,是指两节点同在一条直线上,且至少一个节点可沿直线方向移动;
平移线,是指两节点同在一条直线上,且两节点均可沿垂直于直线方向移动;
伸缩平移线,是指两节点同在一条直线上、两节点均可沿垂直于直线方向移动,且至少一个节点可沿直线方向移动。
4.根据权利要求1所述的基于完备最优斯坦纳树预测布线概率分布的方法,其特征在于,还包括:
将对齐边、非对齐边的两节点网络间的区域分成面积等分的多个区域,通过拥塞模型计算所述网络的概率分布。
5.根据权利要求1所述的基于完备最优斯坦纳树预测布线概率分布的方法,其特征在于,所述计算边类型为对齐边的两节点间的概率分布,还包括:
当对齐边为固定线时,固定线在两节点间具有确定的走线概率,在任一路径上的概率均为1;
当对齐边为伸缩线时,伸缩线中一个节点在两节点所在直线上选择移动至任意格点的概率相等、移动长度不同,叠加每一种移动选择的概率分布后,得到两节点间固定部分的概率,以及可移动部分根据所有路径由最远可移动距离到最近可移动距离的概率;
当对齐边为平移线时,平移线的两节点在保持对齐的情况下沿垂直于两节点所在直线的方向移动多个格点的距离,移动每个格点的概率均是移动格点总数的倒数;
当对齐边为伸缩平移线时,伸缩平移线的两节点在保持对齐的情况下沿垂直于两节点所在直线的方向移动,其中一个节点沿平行于直线的方向伸缩,计算伸缩线的概率分布乘以平移线的概率分布,得到伸缩平移线的概率分布。
6.根据权利要求1所述的基于完备最优斯坦纳树预测布线概率分布的方法,其特征在于,所述计算边类型为非对齐边的两节点间的概率分布的步骤,还包括:
对于固定的两节点非对齐边,将两节点所在的水平直线与竖直直线所围区域按面积平均划分为多个分区;
当两节点网络按照最小曼哈顿距离绕线,所有与两节点绕线距离相同的分区被网络穿过的概率相同;
当两节点网络按左下到右上的绕线路径绕线时,对每个非边界上的分区将借由其左边或下边的分区穿过,对边界上的分区则只能从其一侧穿过,且每个分区由其中一侧穿过的概率相同,分别计算出每个分区水平方向和竖直方向上的概率分布。
7.根据权利要求6所述的基于完备最优斯坦纳树预测布线概率分布的方法,其特征在于,所述计算边类型为非对齐边的两节点间的概率分布的步骤,还包括:
对于非固定的两节点非对齐边,其非固定的节点根据最小矩形斯坦纳树的形状可在水平方向或竖直方向上移动,令所述非固定的节点在每一个可移动分区上移动的概率相同,对所有固定的两节点非对齐边的概率分布结果进行叠加,计算得到非固定的两节点对齐边的概率分布。
8.根据权利要求1所述的基于完备最优斯坦纳树预测布线概率分布的方法,其特征在于,所述整合和优化对齐边和非对齐边的概率分布计算结果的步骤,还包括:
对计算得到的对齐边两节点间的概率分布、非对齐边两节点间水平方向和竖直方向的概率,进行叠加得到概率分布结果。
9.一种电子设备,包括存储器、处理器,以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器,用于执行所述存储器所存放的计算机程序,以实现权利要求1至8任一项所述的基于完备最优斯坦纳树预测布线概率分布的方法。
10.一种计算机可读存储介质,所述存储介质中存储有至少一条指令,所述指令由处理器加载并执行以实现权利要求1至8任一项所述的基于完备最优斯坦纳树预测布线概率分布的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311182666.9A CN117195825B (zh) | 2023-09-13 | 2023-09-13 | 一种基于完备最优斯坦纳树预测布线概率分布的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311182666.9A CN117195825B (zh) | 2023-09-13 | 2023-09-13 | 一种基于完备最优斯坦纳树预测布线概率分布的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117195825A true CN117195825A (zh) | 2023-12-08 |
CN117195825B CN117195825B (zh) | 2024-04-26 |
Family
ID=89004854
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311182666.9A Active CN117195825B (zh) | 2023-09-13 | 2023-09-13 | 一种基于完备最优斯坦纳树预测布线概率分布的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117195825B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113947057A (zh) * | 2021-12-20 | 2022-01-18 | 南京集成电路设计服务产业创新中心有限公司 | 一种基于查找表的完备最优斯坦纳树构建方法 |
US20230112223A1 (en) * | 2020-05-14 | 2023-04-13 | Fuzhou University | Multi-stage fpga routing method for optimizing time division multiplexing |
CN116402006A (zh) * | 2023-06-07 | 2023-07-07 | 南京集成电路设计服务产业创新中心有限公司 | 一种基于边移动的完备最优斯坦纳树查找表构建方法 |
-
2023
- 2023-09-13 CN CN202311182666.9A patent/CN117195825B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20230112223A1 (en) * | 2020-05-14 | 2023-04-13 | Fuzhou University | Multi-stage fpga routing method for optimizing time division multiplexing |
CN113947057A (zh) * | 2021-12-20 | 2022-01-18 | 南京集成电路设计服务产业创新中心有限公司 | 一种基于查找表的完备最优斯坦纳树构建方法 |
CN116402006A (zh) * | 2023-06-07 | 2023-07-07 | 南京集成电路设计服务产业创新中心有限公司 | 一种基于边移动的完备最优斯坦纳树查找表构建方法 |
Non-Patent Citations (1)
Title |
---|
彭成;: "VLSI布线中有障碍斯坦纳树的优化方法", 计算机工程与设计, no. 02, 16 February 2016 (2016-02-16) * |
Also Published As
Publication number | Publication date |
---|---|
CN117195825B (zh) | 2024-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10860773B2 (en) | Integrated circuits having in-situ constraints | |
US6442745B1 (en) | Method and apparatus for layout-constrained global routing | |
US7818694B2 (en) | IC layout optimization to improve yield | |
US7065729B1 (en) | Approach for routing an integrated circuit | |
CN110645991B (zh) | 一种基于节点调节的路径规划方法、装置及服务器 | |
CN103930891B (zh) | 利用已有预布线算法,使用直线斯坦纳最小树(rsmt)确定节点之间的线路长度的方法 | |
CN115270693A (zh) | 基于动态网格的135度pcb区域布线方法 | |
US11983476B2 (en) | Technology-independent line end routing | |
US11966682B2 (en) | Fast independent checker for extreme ultraviolet (EUV) routing | |
CN111862595B (zh) | 基于路网拓扑关系的速度预测方法、系统、介质及设备 | |
US9165103B1 (en) | Methods, systems, and articles of manufacture for tessellating and labeling routing space for routing electronic designs | |
CN112149378A (zh) | 一种基于拥塞协商的拆线重布方法、设备及可读存储介质 | |
CN114399125B (zh) | 车队最优轨迹控制方法、装置、电子设备及存储介质 | |
CN117874984B (zh) | 基于cim模型的配网拓扑图形生成方法及装置 | |
CN112560389A (zh) | 一种基于轨道分配的实用详细布线方法 | |
CN117709839B (zh) | 基于任务时限要求的天车路径规划方法及装置 | |
CN117195825B (zh) | 一种基于完备最优斯坦纳树预测布线概率分布的方法 | |
US20190042672A1 (en) | Pressure loss determination device, computer readable medium, and pressure loss determination method | |
Su et al. | High-correlation 3d routability estimation for congestion-guided global routing | |
US20230306177A1 (en) | Using topological and geometric routers to produce curvilinear routes | |
US20070220470A1 (en) | Automating optimal placement of macro-blocks in the design of an integrated circuit | |
US8910107B1 (en) | Methods, systems, and articles of manufacture for generating multi-layer local maximal orthogonal routing paths in fractured space | |
CN113608410B (zh) | 晶圆对准掩膜版生成方法、装置、计算机设备和存储介质 | |
Chen et al. | On crossing minimization problem | |
CN114189450A (zh) | 用于生成和使用网络综合中的物理路线图的系统和方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |