基于PCNN的自动布线算法设计与实现

基于PCNN的自动布线算法设计与实现

论文摘要

随着信息技术的发展,作为传统实验教学的一种有效补充,虚拟实验教学已成为加强实践教学、提高教学质量的重要手段。在计算机学科硬件课程的虚拟实验系统中,随着实验规模的扩大,布线问题也更加复杂。对自动布线理论进行综合分析和研究表明现有的布线算法在路径搜索能力、布通率和算法执行时间上还有欠缺。将脉冲耦合神经网络模型和智能搜索思想引入布线算法,设计并实现一种适用于虚拟实验系统的布线算法,可有效的解决这类问题。脉冲耦合神经网络模型(PCNN)具有并行处理能力,通过对原始的PCNN做一定程度的简化,在保持了链接域特性和阈值特性的基础上减少一些参数,可以设计出适用于虚拟实验系统的一种广度搜索简化PCNN。其次,为了使算法在运行时摒弃盲目搜索并更加高效,在运用算法之前采用等价点集,相对有效布线区域等方法降低了算法中需要搜索的网格点规模。在算法使用时利用竞赛模型有效管理预扩展网格单元,选取最有可能的网格单元扩展,使算法能够以最快速度向目标网格扩展。同时利用两点之间的等价关系可以最大限度的降低线网占用的网格点,充分利用布线平台上已布线资源进行布线,留下更多的可用网格点,在一定程度上提高了布线的布通率。基于以上思想的布线算法已在虚拟实验系统中使用,应用结果表明在布线速度与布通率上取得了良好的效果。较好地解决了目前虚拟教学实验系统中存在的布线问题。

论文目录

  • 摘要
  • ABSTRACT
  • 1 绪论
  • 1.1 课题背景
  • 1.2 国内外相关研究
  • 1.3 主要研究工作
  • 2 理论基础
  • 2.1 布线算法
  • 2.2 PCNN 模型
  • 2.3 本章小结
  • 3 基于 PCNN 的自动布线算法的设计
  • 3.1 自动布线算法衡量标准
  • 3.2 一种适用于VLAB的简化 PCNN 模型
  • 3.3 优先点火策略
  • 3.4 算法设计与分析
  • 3.5 本章小结
  • 4 算法的应用与测评
  • 4.1 虚拟实验系统对布线的要求
  • 4.2 算法应用
  • 4.3 效果测评
  • 4.4 本章小结
  • 5 结束语
  • 5.1 工作总结
  • 5.2 下一步工作
  • 致谢
  • 参考文献
  • 相关论文文献

    • [1].基于改进PCNN决策的非对称裁剪中值去噪方法[J]. 仪表技术与传感器 2019(10)
    • [2].基于网格搜索算法的PCNN模型参数自适应[J]. 计算机工程与设计 2017(01)
    • [3].PCNN的周期特性分析[J]. 云南大学学报(自然科学版) 2015(01)
    • [4].PCNN Model Analysis and Its Automatic Parameters Determination in Image Segmentation and Edge Detection[J]. Chinese Journal of Electronics 2014(01)
    • [5].两类基于PCNN的图像融合算法综述[J]. 计算机时代 2020(06)
    • [6].基于改进PCNN模型的椒盐噪声级化滤波方法[J]. 云南大学学报(自然科学版) 2017(01)
    • [7].基于遗传算法和简化PCNN的裂缝检测方法[J]. 计算机应用研究 2017(06)
    • [8].基于PCNN赋时矩阵的图像特征捆绑方法研究[J]. 烟台职业学院学报 2015(04)
    • [9].基于强度PCNN的静态图像人脸识别[J]. 太原理工大学学报 2015(01)
    • [10].医学图像分割处理中改进型PCNN模型的应用综述[J]. 甘肃科技 2015(19)
    • [11].PCNN图像分割技术研究[J]. 现代电子技术 2014(02)
    • [12].基于小波变换的PCNN网络流量预测算法[J]. 计算机工程与应用 2014(16)
    • [13].PCNN理论研究进展及其语音识别中的应用[J]. 自动化与仪器仪表 2013(01)
    • [14].PCNN和最大相关准则相结合的图像分割方法[J]. 计算机工程与应用 2011(14)
    • [15].单一链接PCNN自适应脉冲噪声滤波[J]. 计算机工程与应用 2011(27)
    • [16].基于加性耦合连接的PCNN模型[J]. 现代电子技术 2011(22)
    • [17].图像分割中PCNN的应用研究[J]. 电脑开发与应用 2010(03)
    • [18].基于微分进化的PCNN图像分割方法[J]. 计算机工程 2010(21)
    • [19].一种基于PCNN和自适应中值滤波的去噪方法[J]. 西南民族大学学报(自然科学版) 2010(06)
    • [20].基于矢量的PCNN模型及其应用[J]. 微计算机信息 2009(12)
    • [21].基于PCNN模型的图像分割研究[J]. 网络安全技术与应用 2009(04)
    • [22].PCNN与粗集理论用于多聚焦图像融合[J]. 电子科技大学学报 2009(04)
    • [23].PCNN图像分割技术进展综述[J]. 科技信息 2009(25)
    • [24].基于PCNN的图像融合新方法[J]. 光电工程 2008(01)
    • [25].基于修正PCNN的多传感器图像融合方法[J]. 中国图象图形学报 2008(02)
    • [26].PCNN与行程编码结合的图像压缩方法[J]. 计算机工程与应用 2008(20)
    • [27].基于萤火虫优化的自适应PCNN遥感图像融合[J]. 哈尔滨工程大学学报 2019(03)
    • [28].基于PCNN内部活动项的彩色图像增强算法[J]. 计算机科学 2019(S1)
    • [29].基于PCNN的图像最佳二值分割实现[J]. 河北工业大学学报 2017(06)
    • [30].基于压缩感知与自适应PCNN的医学图像融合[J]. 计算机工程 2018(09)

    标签:;  ;  ;  ;  

    基于PCNN的自动布线算法设计与实现
    下载Doc文档

    猜你喜欢