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！

龙图腾网获悉武汉理工大学申请的专利一种基于强化学习的模拟IC版图布线顺序优化与布线方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119990052B 。

龙图腾网通过国家知识产权局官网在2025-09-30发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510028139.5，技术领域涉及：G06F30/394；该发明授权一种基于强化学习的模拟IC版图布线顺序优化与布线方法是由贾博文;李文婕;张勇;徐宁设计研发完成，并于2025-01-08向国家知识产权局提交的专利申请。

本一种基于强化学习的模拟IC版图布线顺序优化与布线方法在说明书摘要公布了：本发明公开了一种基于强化学习的模拟IC版图布线顺序优化与布线方法，该方法包括：获取布线数据，包括布线区域、障碍物区域、线网集合及各线网的起点和终点；对布线空间进行网格化，并根据布线数据构造多通道图像；将多通道图像作为状态，基于马尔可夫决策过程解决模拟IC线网排序问题，包括：构建线序选择模型，以当前的多通道图像为输入，并输出概率向量和预测价值，以此完成线网排序；根据所有线网排序结果，结合布线区域、障碍物区域及各线网的起点和终点，依次对各线网进行布线，得到布线结果；计算布线结果的性能指标作为奖励，并结合预测价值构建总损失函数，优化线序选择模型。本发明有效地提升模拟IC布线的效率及改善版图的性能结果。

本发明授权一种基于强化学习的模拟IC版图布线顺序优化与布线方法在权利要求书中公布了：1.一种基于强化学习的模拟IC版图布线顺序优化与布线方法，其特征在于，该方法包括： 获取布线数据，包括布线区域、障碍物区域、线网集合及各线网的起点和终点； 对布线空间进行网格化，并根据布线数据构造多通道图像； 将多通道图像作为状态，基于马尔可夫决策过程解决模拟IC线网排序问题，包括： 构建线序选择模型，线序选择模型在每一次动作决策时，以当前的多通道图像为输入，并输出一个概率向量和一个预测价值；概率向量是当前各线网被选择的概率组成的向量； 线序选择模型每进行一次动作决策，就选择概率向量中概率最大的线网进行线网排序，同时更新多通道图像，以此完成所有线网排序；预测价值是指选择概率最大的线网进行线网排序后当前的线网排序结果的价值； 根据所有线网排序结果，结合布线区域、障碍物区域及各线网的起点和终点，依次对各线网进行布线，得到模拟IC版图布线结果； 计算模拟IC版图布线结果的性能指标作为奖励，并结合预测价值构建线序选择模型的总损失函数，优化所述线序选择模型；其中，总损失函数包括策略网络的损失函数和价值网络的损失函数； 其中，构建线序选择模型，包括： 1通过注意力机制对多通道图像的特征图进行处理，以自适应调整各通道的权重，包括： ①对多通道图像的特征图x进行全局平均池化和全局最大池化操作，生成两个不同的通道描述符： 其中，表示全局平均池化的特征图，表示全局最大池化的特征图，表示全局平均池化，表示全局最大池化； ②全局平均池化的特征图和全局最大池化的特征图通过一个共享的全连接网络传递； 该网络先将通道数减少到，然后将通道数恢复到C，最后使用Sigmoid函数生成通道关注权重： 其中，C为多通道图像的特征图的原通道数，r为减少的比例，FC表示全连接网络，σ为Sigmoid激活函数，为平均注意力权重，为最大注意力权重； ③计算注意力权重A： ④将注意力权重A与多通道图像的特征图x按通道相乘，得到加权的特征图输出： 其中，为加权的特征图； 2将加权的特征图与多通道图像的特征图x拼接，得到拼接的特征图； 3构建神经网络，该神经网络以拼接的特征图为输入，以概率向量和预测价值为输出。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人武汉理工大学，其通讯地址为：430070 湖北省武汉市洪山区珞狮路122号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。