买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：苏州芯联成软件有限公司

摘要：本发明公开了一种基于强化学习的芯片实例放置的合法化方法，能够动态适应各种放置规则和制造限制，包括处理不同高度和大小的单元。这使得算法不仅适用于标准单元的放置，还能有效处理宏块的放置问题。本发明方法可以从过去的放置实践中学习，不断优化其放置策略。这种学习能力使得算法能够随着技术的发展和设计需求的变化而持续进步，更好地应对集成电路设计的快速迭代。并且，强化学习算法在面对大规模芯片时，也能够在有限时间内完成对芯片实例的合法化放置。总之，本发明方法不仅提高了芯片放置的灵活性和准确性，还降低了对复杂算法修改的依赖，为现代集成电路设计提供了一种更为高效和可靠的解决方案。

主权项：1.一种基于强化学习的芯片实例放置的合法化方法，其特征在于，包括步骤：S1、数据预处理；具体包括：S1-1、选择合法化方向：合法化在横向和竖向两个方向上独立完成，或在两个方向交替迭代完成；S1-2、数据获取：获取每个实例的数据，包括左下角坐标，长、宽的值；S1-3、截取合法化处理区域：对于每个待合法化实例，截取其附近的一个区域，作为该实例的合法化处理区域；S1-4、实例排序：在每个合法化处理区域内按照实例左下角的纵坐标或横坐标大小对实例排序；S1-5、构建实例有向无环图DAG：基于排序后的实例，检查实例之间的重叠关系，并构建DAG图，其中节点代表线段，边表示父子关系；S1-6、寻找连通分支：在DAG图中从待处理的实例出发寻找其所在连通分支；该实例的移动只受连通分支内部实例的制约，不考虑连通分支以外的实例，以减小计算量；S1-7、建立拓扑排序：对连通分支内部的实例进行拓扑排序，以确定实例移动的顺序，确保任何实例仅在其所有父节点处理完毕后才进行移动；S2、基于强化学习的合法化求解；具体包括：S2-1、定义状态空间：定义强化学习模型的状态空间，描述每个实例的特征，包括与其他线段的距离关系、以及父子关系的拓扑结构；S2-2、定义离散动作空间：选定方向的移动选择{-K,...,-1,0,1,...,K}作为离散动作空间，这里设置移动的单位距离和K所代表的最大距离；S2-3、设计奖励函数：对违反最小距离要求或破坏拓扑顺序的行为施加惩罚；S2-4、模型优化：采用MaskablePPO策略优化算法，利用动作掩码确保在每个步骤中，模型仅考虑符合约束条件的合法动作，从而加速收敛并避免不必要的探索；S2-5、执行强化学习训练：在一个完整的布局周期内，通过一系列动作，对所有实例进行调整，使得布局达到一个合法的状态，即所有实例均未重叠并满足最小距离限制。

全文数据：

权利要求：

百度查询： 苏州芯联成软件有限公司 一种基于强化学习的芯片实例放置的合法化方法