基于门阵列的VLSI布局算法研究
| 第一章 绪论 | 第1-20页 |
| ·集成电路 CAD技术的发展 | 第13-14页 |
| ·VLSI设计流程 | 第14-15页 |
| ·布图设计过程 | 第15-16页 |
| ·布图模式 | 第16-18页 |
| ·全定制设计模式 | 第16页 |
| ·标准单元设计模式 | 第16-17页 |
| ·门阵列设计模式 | 第17页 |
| ·门海设计模式 | 第17页 |
| ·现场可编程门阵列 | 第17-18页 |
| ·不同设计方法的比较 | 第18页 |
| ·布局问题的复杂性分析 | 第18-19页 |
| ·布局问题的研究现状 | 第19页 |
| ·论文结构 | 第19-20页 |
| 第二章 布局中的基本问题 | 第20-32页 |
| ·布局问题定义 | 第20-21页 |
| ·布局中的线长估计 | 第21-24页 |
| ·最小斯坦纳树 | 第21-22页 |
| ·最小生成树 | 第22页 |
| ·最小链 | 第22页 |
| ·源到漏端的最小连接 | 第22页 |
| ·完全图 | 第22页 |
| ·半周长 | 第22页 |
| ·边界框 | 第22-23页 |
| ·二次线长 | 第23页 |
| ·单树干斯坦纳树 | 第23-24页 |
| ·小结 | 第24页 |
| ·布局的目标函数 | 第24-26页 |
| ·基于连线总长的目标 | 第24页 |
| ·基于割线的目标 | 第24-25页 |
| ·基于最大密度的目标函数 | 第25页 |
| ·复合目标函数 | 第25-26页 |
| ·总结 | 第26页 |
| ·初始布局 | 第26-29页 |
| ·单元的安置 | 第26-27页 |
| ·单元的选择 | 第27-29页 |
| ·小结 | 第29页 |
| ·迭代改善布局 | 第29-32页 |
| ·改善布局的目标函数 | 第29-30页 |
| ·基于对交换的迭代改善布局 | 第30-31页 |
| ·基于数学规划方法的迭代改善布局 | 第31页 |
| ·小结 | 第31-32页 |
| 第三章 VLSI布局中的常用算法 | 第32-51页 |
| ·成对交换和最小割算法 | 第32-33页 |
| ·数学规划算法 | 第33-36页 |
| ·问题定义 | 第33-34页 |
| ·问题求解 | 第34-36页 |
| ·模拟退火算法 | 第36-37页 |
| ·遗传算法 | 第37-42页 |
| ·基本遗传算法的构成要素 | 第38页 |
| ·基本遗传算法的算法描述 | 第38-39页 |
| ·遗传算法在VLSI布局中的应用 | 第39-40页 |
| ·各种算子的具体操作 | 第40-42页 |
| ·人工神经网络算法 | 第42-45页 |
| ·Hopfield神经网络模型 | 第42-44页 |
| ·用神经网络方法求解布局问题 | 第44-45页 |
| ·禁忌搜索算法 | 第45-47页 |
| ·禁忌搜索算法简介 | 第45-47页 |
| ·蚁群算法 | 第47-49页 |
| ·蚁群算法原理 | 第47-48页 |
| ·蚁群算法的三个规则 | 第48-49页 |
| ·小结 | 第49-51页 |
| 第四章 具体实例分析 | 第51-65页 |
| ·布局实例设计 | 第51-52页 |
| ·模拟退火算法运用于具体实例 | 第52-57页 |
| ·I M_percell对布局的影响 | 第53页 |
| ·循环次数N对布局的影响 | 第53-54页 |
| ·初始温度变化对布局的影响 | 第54页 |
| ·恒定的退火调度a(T)对布局结果的影响 | 第54-55页 |
| ·变化的退火调度 | 第55-56页 |
| ·参数的确定 | 第56-57页 |
| ·遗传算法用于布局实例 | 第57-59页 |
| ·遗传算法与模拟退火的混合算法(GASA) | 第59-60页 |
| ·新的算法:核心生长-力矢量法 | 第60-63页 |
| ·算法原理 | 第60-61页 |
| ·算法具体操作过程 | 第61-62页 |
| ·实验结果 | 第62-63页 |
| ·小结 | 第63-65页 |
| 第五章 结束语 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 硕士在读期间发表论文 | 第69页 |
