Fuzzy simulated evolution algorithm for VLSI cell placement.

(1998) Fuzzy simulated evolution algorithm for VLSI cell placement. Masters thesis, King Fahd University of Petroleum and Minerals.

[img]
Preview
PDF
9991.pdf

Download (4MB) | Preview

Arabic Abstract

النشوء المحاكي (Simulated Evolution) عبارة عن مستكشف تسلسلي يستخدم لإيجاد حلول قريبة من الحل الأمثل للمشاكل التي لا يمكن حلها بكثيرات الحدود (NP-Hard Problems) . وضع الخلايا في الدوائر المتكاملة عالية الكثافة جداً مشكلة لا يمكن تمثيلها بكثيرة حدود ولها أهداف متعارضة ألا وهي طول التوصيلات ، زمن التنفيذ والمساحة الكلية . أفضل الحلول لمشكلة كهذه هو الذي يحقق أقل القيم في جميع الأهداف إلا أن حلاً كهذا لا يوجد غالباً . لتعريف الحل الأمثل الذي يقدمه خوارزم النشوء المحاكي ، نقدم طريقة جديدة لحساب تكلفة الحل بطريقة غامضة معتمدة على الهدف . تتغلب هذه الطريقة على المشاكل المتعلقة بطريقة المجموع الموزون . إضافة إلى ذلك فإن هذه الطريقة تسمح باعتبار أفضليات المستخدم لمختلف الأهداف . كما نقدم طريقة لتغميض مرحلة التوزيع ومرحل التقييم في الخوارزم المذكور ، طريقة التوزيع تحاول تظليل قيم الأهداف المتعارضة وإضافة عشوائية محكومة خلافاً للطريقة الأصلية ذات التوزيع المحدد . التجارب على دوائر الاختبار تثبت تطوراً ملحوظاً في نوعية الحل . طريقة التقييم الغامض تجمع طور التوصيلات وزمنها لحساب جودة الخلايا متفرقة . ينتج عن ذلك تحسن في زمن التنفيذ وزيادة بسيطة في طور لاتوصيلات . إضافة إلى ذلك ، قدمنا طريقة تحفيز متغير بدلاً من التحفيز الثابت في الخوازم الأصلي ، التحفيز الثابت يتطلب تجارب عديدة لتحديد لاقيمة الأنسب . في المقابل ، التحفيز المتغير دالة تعتمد على متوسط جودة الخلية ، تضبط قيمتها تلقائياً لتوفر التجارب . نتائج التحفيز المتغير قريبة من أفض نتائج التحفيز الثابت .

English Abstract

Simulated Evolution (SE) in an iterative heuristic to generate near optimal solutions to NP-Hard problems. VLSI cell placement is an NP-Hard problem with many conflicting objectives namely, wire length, circuit delay and area. The best solution for such a problem is the one which scores lowest with respect to all objectives. However, such a solution most likely does not exist. In order to identify the best solution generated by the Simulated Evolution algorithm, we propose a novel approach of fuzzy goal-based cost measure. This approach overcomes the problems related to the controversial weighted sum approach. It also allows easy incorporation of user preferences for different objectives. We have also proposed fuzzification of allocation and evaluation stages of the SE algorithm. The allocation scheme tries to minimize multiple objectives and adds controlled randomness as opposed to original deterministic allocation schemes. Experiments with benchmark tests demonstrate a noticeable improvement in solution quality. The fuzzy evaluation scheme combines wire length and net delay bounds for computation of individual cell goodnesses. It results in improvements in circuit delay but slight increase in the wire length. We have also proposed a variable bias scheme in place of fixed bias in the SE algorithm. The fixed bias scheme requires several trial runs to determine best value. In contrast, the variable bias is a function of average cell goodness, automatically adjusts its value and saves the SE algorithm from trial runs. The results of the variable bias scheme are comparable to the best fixed bias scheme.

Item Type: Thesis (Masters)
Subjects: Computer
Department: College of Computing and Mathematics > Computer Engineering
Committee Advisor: Sait, Sadiq M.
Committee Members: Youssef, Habib and Azad, Hassan
Depositing User: Mr. Admin Admin
Date Deposited: 22 Jun 2008 13:53
Last Modified: 01 Nov 2019 13:53
URI: http://eprints.kfupm.edu.sa/id/eprint/9991