方惠蓉

摘 要：隨著科技的進(jìn)步，集成電路方面的工藝也在持續(xù)發(fā)展，使得集成電路進(jìn)行相關(guān)設(shè)計(jì)變得更加具有難度，而實(shí)現(xiàn)人工方法來進(jìn)行相關(guān)集成電路的設(shè)計(jì)，需要投入更多的經(jīng)歷和成本。該文對智能優(yōu)化的多種算法進(jìn)行分析，結(jié)合各自的特點(diǎn)，將其引入到集成電路的設(shè)計(jì)中，對電路的性能進(jìn)行優(yōu)化分析，提高了電路設(shè)計(jì)效率，較好地解決了集成電路中存在的多指標(biāo)沖突問題。

關(guān)鍵詞：優(yōu)化算法 集成電路 優(yōu)化 設(shè)計(jì)

中圖分類號：G71 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號：1674-098X（2015）08（a）-0044-04

由于大量芯片制造技術(shù)變革，使得集成電路具有更加龐大的規(guī)模，在片上系統(tǒng)有更多復(fù)雜性的設(shè)計(jì)，要求芯片在進(jìn)行設(shè)計(jì)時(shí)，不光有相應(yīng)的集成電路知識(shí)，還要能夠進(jìn)行更加快捷的電路設(shè)計(jì)。在進(jìn)行相應(yīng)的電路設(shè)計(jì)時(shí)，需要權(quán)衡各個(gè)性能指標(biāo)，將其最優(yōu)性能發(fā)揮出來，使用更多目標(biāo)化的領(lǐng)域進(jìn)行電路優(yōu)化，還需要權(quán)衡各個(gè)目標(biāo)，保證達(dá)到最優(yōu)化的同時(shí)，不會(huì)消耗各自的性能，保證各個(gè)目標(biāo)間不存在惡劣影響，并互相保證最優(yōu)化功能[1]。

對于系統(tǒng)復(fù)雜性的設(shè)計(jì)，通過對設(shè)計(jì)過程的加速，來進(jìn)行相應(yīng)計(jì)算機(jī)的輔助綜合性分析，包括對電路進(jìn)行模擬、射頻等辦法。數(shù)字電路能夠更加簡單的將不同邏輯層次進(jìn)行抽離，提高電路的自動(dòng)分布。模擬電路設(shè)計(jì)過程，因?yàn)榉N類繁多，結(jié)構(gòu)差異巨大，設(shè)計(jì)需要大量的人力物力和技術(shù)指導(dǎo)。在一個(gè)小的芯片中，射頻電路雖然占用面積小，但是設(shè)計(jì)成本和設(shè)計(jì)時(shí)間卻要超出想象，其內(nèi)產(chǎn)生的相應(yīng)寄生效應(yīng)，會(huì)導(dǎo)致電路的失真，無疑對電路優(yōu)化增加阻礙。智能優(yōu)化算法通過自然界的生物群體進(jìn)行相關(guān)智能表現(xiàn)的一系列現(xiàn)象，并能夠設(shè)計(jì)出較為基礎(chǔ)的優(yōu)化算法，并同生物一樣，能夠?qū)⒓呻娐愤M(jìn)行更加優(yōu)化的智能設(shè)計(jì)，極好的調(diào)整自我，來適應(yīng)周圍環(huán)境變化。有效地將智能算法在各種大范圍的電路設(shè)計(jì)中進(jìn)行應(yīng)用，可以更好地增加電路設(shè)計(jì)效率，解決集成電路中存在的多沖突指標(biāo)。還能夠發(fā)揮出自身潛在特點(diǎn)，提供設(shè)計(jì)者相應(yīng)的數(shù)據(jù)庫進(jìn)行電路方面的設(shè)計(jì)工作。

1 智能優(yōu)化算法

人們利用自然界來認(rèn)識(shí)更多的事物，并通過事物的來源進(jìn)行想象和創(chuàng)造。智能優(yōu)化算法也就是基于自然界，進(jìn)行適應(yīng)性啟發(fā)，從而模擬進(jìn)化出來的利用計(jì)算機(jī)進(jìn)行表達(dá)的方法。智能優(yōu)化算法具體可以包括模擬退火、禁忌搜索、群智能優(yōu)化等，能夠通過各種模擬自然界的相關(guān)程序，擴(kuò)大搜索范圍，具有較強(qiáng)的全局搜索特點(diǎn)，可以得到更為優(yōu)化的解決傳統(tǒng)問題的辦法，從任何研究角度，都能提供較為新穎的解決辦法。

1.1 禁忌搜索

禁忌搜索算法是通過對人類的大腦進(jìn)行記憶啟發(fā)的算法，具有更加廣闊的搜索范圍，有全局搜索的功能[2]。利用十二表法來鎖住搜索區(qū)域，通過相應(yīng)的禁忌準(zhǔn)則來減少重復(fù)搜索的工作量，釋放禁忌中的優(yōu)良個(gè)體，具有多樣性的搜索功能，減少系統(tǒng)陷入僵局，尋找到最適合的全局最優(yōu)。

1.1.1 流程

禁忌搜索算法需要尋找到一個(gè)較為可行的點(diǎn)作為當(dāng)前的初始解，再通過對其所在結(jié)構(gòu)的函數(shù)鄰域解來進(jìn)行相關(guān)鄰域的創(chuàng)建工作，隨后選出一定的鄰域解作為候選[3]。如果選出的候選是最優(yōu)目標(biāo)，測得結(jié)果比搜索出來的最優(yōu)還好，就成為“超過預(yù)想狀態(tài)”，可以忽略其禁忌特點(diǎn)，用其作為當(dāng)前解，填入禁忌中，修改每任禁忌對象；如果選出的候選不是最優(yōu)目標(biāo)，那么這一結(jié)果就不能夠出現(xiàn)在禁忌中，忽略禁忌中的最優(yōu)解和當(dāng)前解間的差異，將其填入禁忌中，改動(dòng)每任緊急對象，反復(fù)搜索，直至找到“超過預(yù)想狀態(tài)”。具體的禁忌算法流程見圖1。

1.1.2 關(guān)鍵要素

完整的最優(yōu)算法通常包括多種要素，當(dāng)然禁忌算法也如此，這些要素都會(huì)影響緊急搜索是否能夠找到最優(yōu)解。十二表法主要包括禁忌表、移動(dòng)與鄰域、適配值函數(shù)、對象、長度、初始解、候選解、藐視、終止準(zhǔn)則等[4]。

（1）初始解，也就是進(jìn)行搜索時(shí)的最初狀態(tài)，初始解是通過隨機(jī)辦法生成的，遇到復(fù)雜約束時(shí)，隨機(jī)生成的初始解就不一定可行，因此具有很大的局限性。對于初始解的選取，在一個(gè)集成電路的設(shè)計(jì)中，占據(jù)較為重要的地位，選定合適的初始解，能夠有效降低工作量，增加搜索效率和搜索質(zhì)量。

（2）移動(dòng)與鄰域。一個(gè)生成新的最優(yōu)解的過程就是所謂的移動(dòng)。移動(dòng)通常需要依據(jù)具體情況進(jìn)行針對性的分析[5]。鄰域就是利用當(dāng)前所解，通過一些列的移動(dòng)產(chǎn)生的新的最優(yōu)解，領(lǐng)域主要視具體情況而定，而鄰域結(jié)構(gòu)能夠高質(zhì)量的保證其搜索產(chǎn)生的最優(yōu)解，從而增加算法的效率。

（3）候選解作為當(dāng)前領(lǐng)域解中的最優(yōu)解，其范圍大小通過搜索速度來確定。遇到較大規(guī)模的問題時(shí)，候選解的范圍則會(huì)變大，結(jié)合鄰域搜索的速度，通常只用當(dāng)前解作為候選集。

（4）適配值函數(shù)類似于遺傳算法中的適應(yīng)度函數(shù)，主要是為了評價(jià)單個(gè)個(gè)體的優(yōu)劣情況。通常適配值函數(shù)都會(huì)改變目標(biāo)函數(shù)來選擇，當(dāng)遇到的目標(biāo)函數(shù)具有較大的計(jì)算量時(shí)，需要簡單的改進(jìn)適應(yīng)算法，只要能夠?qū)烧弑３衷谝欢ǚ秶鷥?nèi)，就可以當(dāng)做適配值函數(shù)。

（5）禁忌表作為設(shè)計(jì)禁忌對象時(shí)的特有結(jié)構(gòu)，能夠有效防止搜索陷入重復(fù)的死循環(huán)僵局，也能夠保證算法不會(huì)拘泥在局部最優(yōu)解之內(nèi)[6]。而禁忌對象和長度作為緊急表中的兩個(gè)主要因素，前者影響表內(nèi)的變化，通常改變這些元素能夠有效避免其搜索到的結(jié)果是局部最優(yōu)解，可以使用狀態(tài)本身，后者是適配值，當(dāng)做禁忌對象；而后者則表示了禁忌表的范圍。

（6）藐視準(zhǔn)則，代表的是一種渴望與破禁的水平[7]，當(dāng)移動(dòng)后的解要優(yōu)于最優(yōu)解時(shí)，就可以進(jìn)行移動(dòng)，不論該結(jié)果是否存在于禁忌表之中。滿足這個(gè)條件，就是藐視準(zhǔn)則。通常情況下，這一準(zhǔn)則就是為了預(yù)防遺失最優(yōu)解而設(shè)立的。

（7）終止準(zhǔn)則，當(dāng)使用禁忌法進(jìn)行搜索時(shí)，找不到最優(yōu)解，也就是說搜索到的結(jié)果不能夠保證是全局最優(yōu)解，也不能夠利用目前已知的數(shù)據(jù)進(jìn)行判斷，所以需要使用終止準(zhǔn)則進(jìn)行停止搜索的工作。

1.1.3 特點(diǎn)和應(yīng)用

同智能優(yōu)化的其他算法比較，禁忌優(yōu)化算法能夠更好的跳出思維的局限，利用全局進(jìn)行搜索，并且該算法可以接受一定的差解，可以很好的進(jìn)行局部搜索，又兼顧全局搜索[8]。而禁忌優(yōu)化算法的缺點(diǎn)則是對于初始解和鄰域的依賴程度較大，不能夠很好的進(jìn)行串行算法，降低了全局搜索的能力，多個(gè)關(guān)鍵性參數(shù)導(dǎo)致其并行算法的影響小，一旦出現(xiàn)不當(dāng)?shù)脑O(shè)置，很容易降低整體算法的計(jì)算能力。由于禁忌優(yōu)化算法能夠更好的解決小規(guī)模問題的優(yōu)化，所以對于最短時(shí)間內(nèi)解決在設(shè)計(jì)超大規(guī)模的集成電路芯片問題時(shí)，具有較多的應(yīng)用，在生產(chǎn)、組合、電路設(shè)計(jì)、神經(jīng)網(wǎng)絡(luò)等領(lǐng)域應(yīng)用較為廣泛，并有很多函數(shù)方面的全局最優(yōu)解研究，通過不斷改進(jìn)禁忌算法，能夠擁有更加廣泛的適用范圍。近年來，對于模擬退火算法同禁忌優(yōu)化算法結(jié)合的方案也有一定程度的研究，利用二者配合使用的混合式搜索算法，能夠較好的解決相關(guān)問題，并進(jìn)行算法的優(yōu)化工作。

1.2 模擬退火算法

模擬退火算法是一種利用概率來接收新事物的Metropolis準(zhǔn)則[9]。進(jìn)行組合間最優(yōu)解的尋找工作，主要的思想是根據(jù)固體物質(zhì)在退火時(shí)，依據(jù)溫度的變化，選出的最高熵值（即內(nèi)部無序狀態(tài)），熵值下降（即粒子逐漸出現(xiàn)一定的規(guī)律），通過這一過程進(jìn)行溫度的平衡狀態(tài)，從而達(dá)到基本溫度狀態(tài)，也就是最低熵值（即固體內(nèi)部最低內(nèi)能），這一過程同尋求最優(yōu)解的過程極為相似，概率論上利用退火過程進(jìn)行模擬來解釋相關(guān)模型。

1.2.1 流程

模擬退火算法開始于一個(gè)較高溫度，隨著溫度的降低，呈現(xiàn)一種跳躍的征象，利用目標(biāo)函數(shù)搜索全局，尋找全局最優(yōu)解[10]。模擬退火算法可以說是一種能夠進(jìn)行多問題解決的優(yōu)化辦法，基本上能夠進(jìn)行全局優(yōu)化。

（1）Metropolis準(zhǔn)則，假設(shè)一個(gè)系統(tǒng)的自由能等于系統(tǒng)內(nèi)能與系統(tǒng)溫度的差值，用公式（1）代表，s是系統(tǒng)的熵。假設(shè)恒溫系統(tǒng)的兩個(gè)狀態(tài)是i和l，使用公式（2）和（3）表示。

F=E-Ts （1）

Fi=Ei-Tsi （2）

Fl=El-Tsl （3）

通過計(jì)算可以得出，△F=Fl-Fi=Ei- El-（Tsi+Tsl）=△E-T△s。當(dāng)系統(tǒng)從狀態(tài)l變成狀態(tài)i時(shí)，△F則會(huì)小于正常，說明能量明顯減少，熵值明顯增加，對自身變化較大。因此，溫度恒定，系統(tǒng)會(huì)把自身的非平衡狀態(tài)轉(zhuǎn)變?yōu)槠胶鉅顟B(tài)，由溫度決定兩因素的地位。假設(shè)微粒的原始狀態(tài)l是固體物質(zhì)當(dāng)前所處的狀態(tài)，使用能量狀態(tài)Ei來表示，隨后利用一個(gè)抗干擾裝置，隨機(jī)改變微粒位置，產(chǎn)生了一個(gè)新的能量狀態(tài)El，如果Ei

R=Exp[-（Ei- El）/kT] （4）

T代表絕對溫度，k是常數(shù)，R<1。在[0，1]區(qū)間內(nèi)，隨機(jī)產(chǎn)生的數(shù)s，如果出現(xiàn)sR，則不采用。當(dāng)新狀態(tài)i是一個(gè)比較重要的狀態(tài)，則i能夠取代l作為當(dāng)前狀態(tài)，否則l仍是當(dāng)前狀態(tài)，遇到微粒的大幅度變化時(shí)，系統(tǒng)的能量逐漸降低至一個(gè)較為平穩(wěn)的狀態(tài)，固體概率分布可以用公式（5）表示。

Pl=1/z*exp（-El/kT） （5）

Pl代表系統(tǒng)處于微觀l的概率，而exp（-El/kT）是分布因子。當(dāng)處于較高溫度時(shí)，系統(tǒng)能夠接收能量差距極大的新狀態(tài)，所以，當(dāng)溫度處于一個(gè)較低的水平時(shí)，系統(tǒng)接收的新狀態(tài)要求僅有極小幅度的變化，所以對于不同溫度而言，具有相同的熱運(yùn)動(dòng)原理，但是溫度是零攝氏度時(shí)，任何的Ei>El均是不成立的。

（2）流程，假定初始溫度是T0，初始點(diǎn)是X0，計(jì)算初始點(diǎn)的函數(shù)值是f（X0），隨機(jī)產(chǎn)生的擾動(dòng)為△X，新點(diǎn)則變?yōu)楣剑?）。計(jì)算該函數(shù)f（X1）和該函數(shù)同初始值之間存在的差異，即公式（7）。

X1=X+△X （6）

△f=f（X1）-f（X0） （7）

如果差異函數(shù)△f低于正常，則下一次進(jìn)行退火的模擬初始點(diǎn)可以使用新的點(diǎn)來代替；如果差異函數(shù)△f高于正常，則需要計(jì)算新點(diǎn)接收的概率，即公式（8）。

P（△f）=exp（-△f/kT） （8）

在[0，1]區(qū)間內(nèi)，偽隨機(jī)產(chǎn)生的數(shù)s，如果P（△f）低于s，則下一次進(jìn)行退火的模擬初始點(diǎn)可以使用新的點(diǎn)來代替，否則需要重復(fù)Metropolis準(zhǔn)則，直到選出合適的數(shù)值為止。

1.2.2 關(guān)鍵要素

（1）狀態(tài)空間和鄰域函數(shù)。狀態(tài)空間也就是搜索空間，包括所有編碼后產(chǎn)生的可行解。在進(jìn)行候選解的創(chuàng)建時(shí)，需要盡可能使用原始狀態(tài)函數(shù)進(jìn)行創(chuàng)建，從而充滿整個(gè)空間[11]。

（2）狀態(tài)轉(zhuǎn)移概率，也就是接受概率，使用Metropolis準(zhǔn)則，在進(jìn)行可行解的轉(zhuǎn)化過程時(shí)，也受到T（溫度參數(shù)）的影響。

（3）冷卻進(jìn)度表T，是從高溫T0到低溫冷卻時(shí)進(jìn)行相應(yīng)管理的一個(gè)進(jìn)度表。如果使用T（t）來表示溫度，經(jīng)典的模擬退火算法進(jìn)行冷卻的方式使用公式（9）表示。快速冷卻法則可以用公式（10）表示。

T（t）=T0/lg（1+t） （9）

T（t）=T0/（1+t） （10）

以上兩種辦法都能夠降低模擬退火點(diǎn)至全局最小。冷卻進(jìn)度表也說明該算法的效率，并且要想得到最佳組合，需要進(jìn)行大量實(shí)驗(yàn)才能夠得到。

（4）初始溫度，如果具有較高的初始溫度，那么會(huì)有較高的概率搜到高質(zhì)量解，但需要更長的運(yùn)算時(shí)間。對于初始溫度的給定時(shí)，需要結(jié)合算法優(yōu)化所消耗的時(shí)間和效率，通常有兩種辦法，一是利用均勻辦法產(chǎn)生的一種狀態(tài)，將每一個(gè)目標(biāo)函數(shù)都設(shè)定為初始溫度。另一個(gè)辦法是使用任意產(chǎn)生的狀態(tài)，利用最大目標(biāo)函數(shù)進(jìn)行確認(rèn)，記錄其差值，即△max，根據(jù)差值使用某一函數(shù)作為初始溫度。

（5）外循環(huán)終止準(zhǔn)則，又叫做終止算法準(zhǔn)則，常用準(zhǔn)則包括設(shè)置溫度終止閾值，外循環(huán)的迭代，系統(tǒng)熵穩(wěn)定程度的判定。

（6）內(nèi)循環(huán)終止準(zhǔn)則，也就是Metropol

is準(zhǔn)則，利用不同溫度選出不同候選解，又被稱為是抽樣穩(wěn)定性質(zhì)準(zhǔn)則，主要包含以下內(nèi)容：目標(biāo)函數(shù)均值是否穩(wěn)定，連續(xù)若干個(gè)目標(biāo)函數(shù)變化幅度，采樣辦法。

1.2.3 特點(diǎn)和應(yīng)用

模擬退火算法通過概率的辦法尋求全局最優(yōu)解，不受初始值的影響，能夠緩慢進(jìn)行收斂，能夠較好的進(jìn)行多數(shù)據(jù)的并行、擴(kuò)展和通用，使用極高的效率進(jìn)行有關(guān)最優(yōu)化組合問題的解。不足之處是在一定程度上，雖然能夠降低程序陷入優(yōu)化僵局的可能性，但在進(jìn)行大范圍搜索時(shí)，需要多次進(jìn)行計(jì)算，從而尋找到最優(yōu)解，在實(shí)際的應(yīng)用中，這一缺點(diǎn)極大地增加了工作量，不利于優(yōu)化計(jì)算效率。

作為一種較為通用的使用隨機(jī)辦法進(jìn)行搜索的計(jì)算方法，模擬退火算法已經(jīng)廣泛的在機(jī)器學(xué)習(xí)、神經(jīng)、生產(chǎn)、圖象等領(lǐng)域進(jìn)行應(yīng)用，對自動(dòng)設(shè)計(jì)的模擬集成電路，應(yīng)用模擬退火算法進(jìn)行設(shè)計(jì)，多目標(biāo)進(jìn)行優(yōu)化設(shè)計(jì)等。

1.3 遺傳算法

遺傳算法是基于達(dá)爾文生物進(jìn)化論有關(guān)自然選擇同生物進(jìn)化過程進(jìn)行相關(guān)的計(jì)算所制作出來的模型，足以滿足適者生存與優(yōu)勝劣汰的生物界遺傳機(jī)制。

1.3.1 流程

遺傳算法優(yōu)化問題解叫做個(gè)體，通常使用變量序列來表示，叫做染色體或基因串。利用簡單的字符或數(shù)字表示染色體，通常使用0和1的二進(jìn)制進(jìn)行表示，或利用其他特殊問題進(jìn)行表示，叫做編碼。

遺傳算法開始于種群，依據(jù)適者生存與優(yōu)勝劣汰的生物界遺傳機(jī)制，不斷進(jìn)行迭代進(jìn)化，通過選擇、交叉和變異生成新種群，從而產(chǎn)生最優(yōu)解。遺傳算法流程圖如圖2所示。

1.3.2 優(yōu)點(diǎn)及應(yīng)用

遺傳算法依據(jù)適者生存與優(yōu)勝劣汰的生物界遺傳機(jī)制，主要優(yōu)點(diǎn)包括以下幾點(diǎn)。第一，不需要使用函數(shù)，就能夠直接對結(jié)構(gòu)對象進(jìn)行有關(guān)求導(dǎo)的操作；第二，遺傳算法整體優(yōu)化不受梯度和輔助的影響，只受目標(biāo)和適應(yīng)度的影響；第三，使用一定概率進(jìn)行變遷，不需要固定在某一區(qū)域，很好的對搜索方向進(jìn)行校正和適應(yīng)，從而自動(dòng)獲得結(jié)果；第四，遺傳算法具有較強(qiáng)的全局搜索力。以上這些優(yōu)點(diǎn)很好地為相對較為復(fù)雜的問題進(jìn)行有關(guān)系統(tǒng)求解時(shí)提供了相應(yīng)的框架，因此被廣泛地應(yīng)用在人們各個(gè)領(lǐng)域的生活中。

2 基于遺傳算法的二級運(yùn)放電路優(yōu)化

利用遺傳算法進(jìn)行有關(guān)系統(tǒng)優(yōu)化能夠使用更少的資源來設(shè)計(jì)自動(dòng)化電路優(yōu)化，既降低硬件的成本又縮短設(shè)計(jì)的使用時(shí)間。利用仿真軟件進(jìn)行有關(guān)電路設(shè)計(jì)的優(yōu)化，能夠使用更加精確的模型進(jìn)行優(yōu)化，但是其缺點(diǎn)在于巨大的求解空間導(dǎo)致耗費(fèi)時(shí)間長。所以目前有一種提法是根據(jù)電路性能進(jìn)行相關(guān)遺傳算法的解析，具有用時(shí)短、操作性能有所改善的優(yōu)點(diǎn)。對于不是要求很嚴(yán)格的設(shè)計(jì)條件，可以使用二級運(yùn)放進(jìn)行電路設(shè)計(jì)，更加縮短設(shè)計(jì)時(shí)間。

2.1 二級運(yùn)放的電路分析

進(jìn)行有關(guān)集成電路的模擬中，使用運(yùn)算放大器，能夠很好的將單元模塊進(jìn)行高倍放大，通常情況下，使用反饋網(wǎng)絡(luò)進(jìn)行有關(guān)電路模塊功能的重組。運(yùn)算放大器作為一種較為重要的模擬和數(shù)模信號的系統(tǒng)電路模塊，已經(jīng)被應(yīng)用到各種系統(tǒng)的電路設(shè)計(jì)之中，運(yùn)算放大器主要包括輸入差分、增益中間、緩沖輸出以及電路偏置和補(bǔ)償四種?；窘Y(jié)構(gòu)如圖3所示。

2.2 二級運(yùn)算放大器性能指標(biāo)

下面通過二級運(yùn)算放大器的交流小信號模型對運(yùn)放的重要性能進(jìn)行分析。第一級運(yùn)放為M1-5的差分運(yùn)放構(gòu)成，第二級運(yùn)放為M6-7的共源放大器構(gòu)成。二級運(yùn)放等效模型如圖4所示。

轉(zhuǎn)換速率，又叫做壓擺率，也就是說在運(yùn)算放大器進(jìn)行電壓輸出時(shí)候產(chǎn)生的轉(zhuǎn)換速率，很好的提示運(yùn)放速度。在輸入端連接一個(gè)比較活躍的信號，通過運(yùn)放輸出測得最大上升速率。

2.3 遺傳算法對電路進(jìn)行優(yōu)化設(shè)計(jì)

目前一種較為新穎的優(yōu)化電路生成辦法是在小環(huán)境范圍進(jìn)行有關(guān)二級運(yùn)放的優(yōu)化。具體編碼方式包括集合染色體內(nèi)的各種未知參數(shù)，使用0和1的二進(jìn)制代碼，代表不同的設(shè)計(jì)電路的方案。使用每個(gè)指標(biāo)的性能函數(shù)相乘，得到適應(yīng)度函數(shù)，從而顯示出最大化目標(biāo)函數(shù)和最小化目標(biāo)函數(shù)。

自適應(yīng)免疫遺傳算法是目前較為新穎的智能優(yōu)化改進(jìn)算法，求解模擬相關(guān)生物學(xué)中的免疫系統(tǒng)，利用抗體的產(chǎn)生來排除抗原。自適應(yīng)免疫遺傳算法使用一種較為高質(zhì)量的節(jié)約資源進(jìn)行有關(guān)機(jī)制的克隆，對于優(yōu)化解即抗體進(jìn)行高概率的選擇，同適應(yīng)度函數(shù)有一個(gè)正比例關(guān)系。選定個(gè)體后將其復(fù)制傳代，放棄本身的親和力，也就是抗原抗體的匹配度，將優(yōu)化的目標(biāo)函數(shù)作為個(gè)體抗原。利用自適應(yīng)免疫遺傳算法，提出相應(yīng)電路圖的設(shè)計(jì)圖案，如圖5。

自適應(yīng)免疫遺傳算法引入生物界內(nèi)免疫系統(tǒng)相關(guān)概念與免疫系統(tǒng)方法，有效提升遺傳算法進(jìn)行全局搜索方面的能力，并有效進(jìn)行相關(guān)速度的收斂。改進(jìn)后算法能夠有效的克服傳統(tǒng)算法中過早收斂的問題，以及盲目進(jìn)行交叉和變異的操作，進(jìn)行自適應(yīng)免疫遺傳算法電路的優(yōu)化，如圖6所示。

2.4 電路優(yōu)化及仿真結(jié)果

運(yùn)算放大器作為在進(jìn)行電路的集成模擬過程中應(yīng)用最為廣泛的電路，也具有較大的功耗和時(shí)間模塊，所以不同的方法設(shè)計(jì)顯示出不同的電路性能。比較具有代表性的二級運(yùn)算放大器的電路圖如圖7所示。

從圖7可以看出，對于具有特定結(jié)構(gòu)的功能電路，如果擁有較為合理的尺寸設(shè)計(jì)，可以得到一個(gè)較為固定的電路指標(biāo)，某一性能改變會(huì)導(dǎo)致其他性能的變化。依據(jù)自身的電路設(shè)計(jì)經(jīng)驗(yàn)和實(shí)際電路的設(shè)計(jì)要求，來選擇合理的電路設(shè)計(jì)，雖然使用優(yōu)化算法可以在設(shè)計(jì)電路時(shí)進(jìn)行一定的優(yōu)化，但是有關(guān)電路性能方面的解析，有關(guān)目標(biāo)函數(shù)準(zhǔn)確性模型的建立，具有一定的限制條件，需要進(jìn)行更加深入的研究。

3 結(jié)語

智能優(yōu)化算法在當(dāng)今的很多領(lǐng)域內(nèi)，都是重點(diǎn)的研究項(xiàng)目，該文主要針對智能優(yōu)化算法的產(chǎn)生和發(fā)展進(jìn)行闡述，并詳細(xì)分析了幾種較為典型的智能優(yōu)化算法，其中，最具有代表性的集中算法是粒子群優(yōu)化、遺傳算法等。雖然該文分析和研究的是集成電路進(jìn)行智能設(shè)計(jì)的更為優(yōu)化的方法，但是今后對于集成電路的智能設(shè)計(jì)，還有很多問題值得進(jìn)行深入研究。

參考文獻(xiàn)

[1]郭文忠，陳國龍，陳振.離散粒子群優(yōu)化算法研究綜述[J].福州大學(xué)學(xué)報(bào)（自然科學(xué)版），2011，39（5）：631-638.

[2]胡小婷，田澤.基于DO-254的航空集成電路設(shè)計(jì)保障研究[J].計(jì)算機(jī)技術(shù)與發(fā)展，2012，22（8）：189-191，195.

[3]張志偉.模數(shù)混合信號集成電路自動(dòng)設(shè)計(jì)技術(shù)研究[J].陜西理工學(xué)院學(xué)報(bào)（自然科學(xué)版），2013，29（4）：25-29.

[4]張孟娟.張江高科技園區(qū)集成電路設(shè)計(jì)企業(yè)發(fā)展之研究[J].經(jīng)濟(jì)研究導(dǎo)刊，2013（12）：26-28，79.

[5]冼志勇，徐潔.戰(zhàn)略性新興產(chǎn)業(yè)知識(shí)產(chǎn)權(quán)保護(hù)的協(xié)同合作機(jī)制研究—— 以集成電路設(shè)計(jì)公司為例[J].科學(xué)管理研究，2013，31（4）：57-60.

[6]劉俐，趙杰.針對職業(yè)崗位需求探索集成電路設(shè)計(jì)技術(shù)課程教學(xué)新模式[J].中國職業(yè)技術(shù)教育，2012（2）：5-8.

[7]王高峰，趙文生.三維集成電路中的關(guān)鍵技術(shù)問題綜述[J].杭州電子科技大學(xué)學(xué)報(bào)，2014，34（2）：1-7.

[8]武玉華，路而紅，梁巨輝，等.數(shù)字密碼鎖專用集成電路的設(shè)計(jì)[J].計(jì)算機(jī)測量與控制，2010，18（12）：2842-2845.

[9]岳亞杰，楊慧晶，張宏國.集成電路設(shè)計(jì)與集成系統(tǒng)專業(yè)人才培養(yǎng)模式的探究[J].黑龍江教育（高教研究與評估），2013（3）：62-63.

[10]錢誠，沈海華，陳天石，等.超大規(guī)模集成電路可調(diào)試性設(shè)計(jì)綜述[J].計(jì)算機(jī)研究與發(fā)展，2012，49（1）：21-34.

[11]王豪，常勝，黃啟俊，等.工程碩士“模擬集成電路設(shè)計(jì)”課程探索[J].電氣電子教學(xué)學(xué)報(bào)，2013，35（6）：1-3.