Evolutionäre Partitionierungsalgorith- Men Auf Schaltungsebene

In dieser Arbeit werden neuartige evolutionäre Partitionierungsalgorithmen auf Schaltungsebene vorgestellt, um die Automatisierung des physikalischen VLSI-Designs zu optimieren. Sie geht auf die Einschränkungen traditioneller Partitionierungsmethoden ein, indem sie verbesserte Techniken wie den Modifizierten Genetischen Algorithmus (MGA), die Modifizierte Partikelschwarmoptimierung (MPSO) und einen neuen Graph Cellular Automata (GCA) Ansatz einführt. Diese Algorithmen zielen darauf ab, die Schnittgröße zu minimieren, die Verbindungsverzögerungen zu reduzieren und die Gesamtleistung der Schaltung zu verbessern. Die experimentelle Validierung anhand von ISCAS'85-Benchmark-Schaltungen bestätigt die Effizienz und Überlegenheit der vorgeschlagenen Methoden in Bezug auf Partitionsqualität und Rechenzeit.

In dieser Arbeit werden neuartige evolutionäre Partitionierungsalgorithmen auf Schaltungsebene vorgestellt, um die Automatisierung des physikalischen VLSI-Designs zu optimieren. Sie geht auf die Einschränkungen traditioneller Partitionierungsmethoden ein, indem sie verbesserte Techniken wie den Modifizierten Genetischen Algorithmus (MGA), die Modifizierte Partikelschwarmoptimierung (MPSO) und einen neuen Graph Cellular Automata (GCA) Ansatz einführt. Diese Algorithmen zielen darauf ab, die Schnittgröße zu minimieren, die Verbindungsverzögerungen zu reduzieren und die Gesamtleistung der Schaltung zu verbessern. Die experimentelle Validierung anhand von ISCAS'85-Benchmark-Schaltungen bestätigt die Effizienz und Überlegenheit der vorgeschlagenen Methoden in Bezug auf Partitionsqualität und Rechenzeit.