基于多智能体的自动布线方法的研究.pdf

摘要

摘要

随着电子信息技术的蓬勃发展，当前集成电路工艺进入了纳米时代，印刷电

路板（PrintedCircuitBoard,PCB）上元器件集成度越来越高，引脚数目越来越多，

元器件间的连接关系越来越复杂，从而导致PCB设计工作之一的布线任务越来越

困难。然而，现有的自动布线算法布通率低且速度慢，当前在工业应用中仍然大

量依赖于工程师手动进行PCB布线，从而导致大量的时间和人力资源被消耗在布

线工作中。因此，亟需一种能实际应用于现代大规模电子线路设计的智能自动布

线算法来提高电子设计自动化（ElectronicDesignAutomation,EDA）的设计效率。

针对当前EDA工具自动布线智能化程度弱、自动化率低、效果差的问题，本

文以整体布通率高、能适应于复杂非标准化建模双边逃逸场景中的自动布线算法

为研究目标，将自动布线问题建模为多智能体强化学习合作问题，通过融合已有

基于人工智能的自动布线算法的特点与传统自动布线算法的优势，提出了一种基

于多智能体强化学习的数据模型混合驱动的自动布线算法。算法一方面利用多智

能体的强化学习过程完成主动绕线，另一方面利用传统算法速度快的优势完成仿

真及完整连接过程，最终解决了自动布线中极为困难的逃逸布线问题，实现了在

复杂环境中准确高效的逃逸布线，从而大大提高了PCB自动布线的整体布通率，

显著提高了EDA自动化设计效率。

相比于现有的自动布线方案，本文提出的基于多智能体强化学习的自动布线

算法有如下创新点：

1)提出了一种基于启发式线序搜索的改进A-star双边逃逸自动布线算法，该算

法主要是利用添加绕线改进机制以及二叉堆优化加速的A-star算法配合启发

式线序搜索，使得在网格化环境下能够大大提高传统布线算法在双边逃逸时

的线序搜索效率和布通率，实验表明使用该算法在测试环境中与其他传统布

线算法进行比较，平均布通率提高了15%，速度提升了47%。

2)提出了一种基于多智能体近端策略优化的单边逃逸强化学习布线算法。同已

有的传统布线算法不同的是，本文将一个区域内的每个引脚逃逸布线过程都

看作一个智能体寻路的过程，通过联合考虑每个智能体的行为来避免布线间

的交叉冲突，从而提升整体布通率。具体地，本文将自动布线问题建模为了

多智能体合作决策问题，通过输入PCB板的整体信息以及各个引脚的局部

信息，利用深度神经网络评估当前局面并输出各个智能体联合动作的概率，

使得每个引脚布线既要学会达到各自终点，同时需要合作避免交叉冲突，最

摘要

终达到整体高布通率的效果。实验表明，在单边逃逸场景下使用多智能体强

化学习算法，自动布线算法的平均布通率提高了11%。

3)提出了一种联合多智能体强化学习和传统算法的智能布线算法，相比于单一

的多智能体布线算法搜索空间过大，搜索效率慢且只适用于单边逃逸环境而

传统算法不具备智能性，复杂场景布通率低的特点。本文联合二者优点，使

多智能体强化学习算法完成绕线而传统布线算法完成快速仿真及后续连接，

保证布通率的同时大大提高了强化学习搜索效率。另一方面，通过引入基于

遗传算法的线序搜索方法结合多智能体强化学习布线算法解决双边逃逸线序

不确定的问题。最终实验结果表明，算法能够泛化到非标准化建模的复杂逃

逸场景下，并且布通率相比于已有自动布线算法提高了25%。

关键词：EDA工具，自动布线，多智能体强化学习，多智能体近端策略优化

I

ABSTRACT

ABSTRACT

Thepresentintegratedcircuittechnologyhasreachedthenanoeraduetotherapid

growthofelectronicinformationtechnology.Thecomponentconn