本發(fā)明涉及一種fpga布局布線方法，具體涉及一種基于多層次方法和賦權(quán)超圖的層次式fpga布局布線方法。

背景技術(shù)：

隨著超大規(guī)模集成電路(vlsi)技術(shù)的發(fā)展，vlsi的制造工藝已從深亞微米工藝時(shí)代進(jìn)入納米工藝時(shí)代。國(guó)際半導(dǎo)體技術(shù)藍(lán)圖報(bào)告預(yù)測(cè)，2020年vlsi特征尺寸將減少到5nm，現(xiàn)場(chǎng)可編程門陣列(fpga)規(guī)模膨脹化和結(jié)構(gòu)復(fù)雜化將給fpga物理設(shè)計(jì)帶來新的挑戰(zhàn)。布局布線作為fpga物理設(shè)計(jì)的關(guān)鍵環(huán)節(jié)，決定著邏輯網(wǎng)表與物理器件的映射關(guān)系和拓?fù)溥B接關(guān)系，布局布線質(zhì)量的好壞直接影響著fpga電路最終的性能、功耗和可靠性。然而，超大規(guī)模集成電路制造技術(shù)的特征尺寸正在以指數(shù)級(jí)速度不斷地減少，fpga向著高性能、高集成度方向發(fā)展，其邏輯資源和布線資源將變得非常復(fù)雜且難以管理，與之相應(yīng)的布局和布線方法運(yùn)行時(shí)間呈指數(shù)倍數(shù)增加，導(dǎo)致無法在可接受的運(yùn)行時(shí)間范圍內(nèi)求出可行解。因此，平面均勻分布模式的孤島式和行陣式結(jié)構(gòu)難以滿足fpga資源管理和設(shè)計(jì)周期等方面的需求。

本發(fā)明涉及的層次式fpga，采用基于完全k叉樹的新型獨(dú)特的布局和布線資源組織架構(gòu)，借助高層次的布線資源來實(shí)現(xiàn)低層次各個(gè)子區(qū)域之間的互連，在保證同一層次各個(gè)子區(qū)域之間相對(duì)獨(dú)立的同時(shí)，有效地將較大區(qū)域的布局布線問題分割為多個(gè)子區(qū)域的布局布線問題。層次式fpga將邏輯資源分層和分組地管理，布線資源細(xì)分為高層次的全局互連線和低層次的局部互連線，不僅具備了更優(yōu)的組織結(jié)構(gòu)和集成能力，而且能有效地減少布線面積和信號(hào)時(shí)延，更好地適應(yīng)fpga邏輯容量迅速增加的需要。和傳統(tǒng)的孤島式、行陣式等結(jié)構(gòu)的fpga相比，層次式fpga已被證明在相同布通率的情況下可有效地減少布線面積和信號(hào)時(shí)延。

因此，研究適用于層次式fpga的資源模型和與之配套的高效快速布局布線方法是當(dāng)前學(xué)術(shù)界和工業(yè)界亟待解決的問題，該問題的解決將有效地提高fpga設(shè)計(jì)能力和性能，促進(jìn)fpga產(chǎn)業(yè)的迅速發(fā)展。

為解決上述問題，本發(fā)明基于賦權(quán)超圖和多層次方法進(jìn)行層次式fpga布局布線。

一、本發(fā)明采用賦權(quán)超圖來構(gòu)造層次式fpga布局布線過程中邏輯網(wǎng)表的數(shù)學(xué)模型，其中電路邏輯單元表示為賦權(quán)超圖中的結(jié)點(diǎn)，電路單元間的連線表示為賦權(quán)超圖中的超邊。相比賦權(quán)無向圖而言，賦權(quán)超圖的多對(duì)多關(guān)系提供了精確描述邏輯網(wǎng)表的手段：每條超邊可以連接兩個(gè)以上的結(jié)點(diǎn)，對(duì)應(yīng)于邏輯網(wǎng)表中的互連線可以連接兩個(gè)以上的邏輯單元。

二、本發(fā)明采用多層次方法作為層次式fpga布局和布線的方法，以有效滿足vlsi對(duì)運(yùn)行效率和處理能力更高的要求。它既可通過自底向上的結(jié)群階段逐步縮小問題的規(guī)模、降低方法的時(shí)間復(fù)雜度，又可借助自頂向下的投影優(yōu)化階段逐層處理問題的細(xì)節(jié)、提高方法的求解準(zhǔn)確性，與研究對(duì)象的層次特性自然地結(jié)合在一起。

多層次方法的概念。karypis針對(duì)結(jié)點(diǎn)規(guī)模達(dá)到幾百萬的劃分問題，提出了多層次方法的概念，在相對(duì)較短的時(shí)間內(nèi)可以得到高質(zhì)量的劃分。該方法包含粗化、初始劃分和遷移優(yōu)化三個(gè)階段。首先，它采用隨機(jī)匹配策略將某些結(jié)點(diǎn)結(jié)合在一起，得到下一水平層的粗化圖，重復(fù)此過程直到粗化圖足夠小為止，即得到一個(gè)最小圖。然后，采用劃分方法對(duì)最小圖進(jìn)行對(duì)分，得到一個(gè)初始劃分。之后，將最小圖投影回初始圖，在每一水平層的細(xì)化劃分中，按照貪心原則選擇收益值最大的結(jié)點(diǎn)進(jìn)行遷移優(yōu)化，得到最后的結(jié)點(diǎn)劃分結(jié)果。

多層次方法在電路劃分和云計(jì)算任務(wù)調(diào)度中的應(yīng)用。自多層次方法的概念提出以來，得到了廣泛地重視，并應(yīng)用在電路劃分和云計(jì)算任務(wù)調(diào)度等多個(gè)研究領(lǐng)域。

2008年中國(guó)專利局公告的由冷明、郁松年和孫凌宇申報(bào)，中國(guó)專利號(hào)為200710043765.3號(hào)《基于多水平方法的大規(guī)模集成電路劃分方法》的發(fā)明專利，針對(duì)現(xiàn)有技術(shù)方案中因采用隨機(jī)策略進(jìn)行匹配和貪心原則進(jìn)行遷移優(yōu)化，導(dǎo)致無法逃離局部最優(yōu)的劃分，提供了一種改進(jìn)的基于多水平方法的大規(guī)模集成電路劃分方法，有效地提高了大規(guī)模集成電路劃分的效率和性能。該發(fā)明專利在多水平劃分方法的粗化階段，通過對(duì)結(jié)點(diǎn)屬性進(jìn)行賦權(quán)無向圖中所有結(jié)點(diǎn)的核值求解排序，按照基于結(jié)點(diǎn)核值的非嚴(yán)格降序訪問處于未匹配狀態(tài)的結(jié)點(diǎn)，依據(jù)一定規(guī)則對(duì)其進(jìn)行匹配，從而將連接性好的結(jié)點(diǎn)合并在一起；在多水平劃分方法的優(yōu)化階段，采用免疫克隆優(yōu)化程序改進(jìn)貪心原則的局部搜索方法，對(duì)在每一水平層投影的劃分進(jìn)行優(yōu)化，借助克隆操作、克隆變異操作、接種免疫疫苗操作和克隆選擇操作，使得改進(jìn)后的方法在利用啟發(fā)信息搜索局部最優(yōu)解的同時(shí)，能更自由地對(duì)具有潛力的解空間進(jìn)行搜索，增加全局搜索能力。

2012年中國(guó)專利局公告的由孫凌宇、冷明和冷子陽申報(bào)，中國(guó)專利號(hào)為201210155738.6號(hào)《基于多水平方法和賦權(quán)超圖的大規(guī)模集成電路劃分方法》的發(fā)明專利，針對(duì)采用賦權(quán)無向圖作為大規(guī)模集成電路劃分問題的數(shù)學(xué)模型，存在著賦權(quán)無向圖最優(yōu)劃分和大規(guī)模集成電路最優(yōu)劃分的不一致性，提供了一種基于多水平方法和賦權(quán)無向超圖的大規(guī)模集成電路劃分方法，進(jìn)一步提高了大規(guī)模集成電路劃分的效率和性能。該發(fā)明采用賦權(quán)無向超圖對(duì)電路劃分問題進(jìn)行數(shù)學(xué)建模，其中電路邏輯單元表示為賦權(quán)無向超圖中的結(jié)點(diǎn)，電路單元間的連線表示為賦權(quán)無向超圖中的超邊。相比賦權(quán)無向圖而言，賦權(quán)無向超圖為電路提供了更為精確的模型：每條超邊可以連接兩個(gè)以上的結(jié)點(diǎn)，對(duì)應(yīng)于電路單元間的信號(hào)可以連接兩個(gè)以上的電路邏輯單元。該發(fā)明將大規(guī)模集成電路劃分問題轉(zhuǎn)換為賦權(quán)無向超圖劃分問題，其中大規(guī)模集成電路劃分問題要求每個(gè)電路子集所包含的電路邏輯單元數(shù)目相等，對(duì)應(yīng)于賦權(quán)無向超圖劃分問題的平衡約束條件，劃分結(jié)果使得這些電路子集之間的內(nèi)連線數(shù)據(jù)達(dá)到最小，對(duì)應(yīng)于賦權(quán)無向超圖劃分問題的最小化總割切。

2014年中國(guó)專利局公告的由孫凌宇、冷明和冷子陽申報(bào)，中國(guó)專利號(hào)為201410136320.x號(hào)《基于多水平方法和賦權(quán)有向超圖的云計(jì)算任務(wù)調(diào)度方法》的發(fā)明專利，提供了一種基于多水平方法和賦權(quán)有向超圖的云計(jì)算任務(wù)調(diào)度方法，進(jìn)一步提高了任務(wù)調(diào)度的效率和性能。該發(fā)明采用賦權(quán)有向超圖來構(gòu)造任務(wù)劃分問題的數(shù)學(xué)模型，描述任務(wù)的資源需求及依賴關(guān)系，其中任務(wù)表示為賦權(quán)有向超圖的結(jié)點(diǎn)，任務(wù)結(jié)點(diǎn)間的先后依賴關(guān)系表示為賦權(quán)有向超圖中的有向超邊，并生成相應(yīng)的賦權(quán)有向超圖文件；然后啟動(dòng)基于多水平劃分方法的賦權(quán)有向超圖劃分程序，對(duì)生成的賦權(quán)有向超圖進(jìn)行劃分；最后依據(jù)賦權(quán)有向超圖的劃分結(jié)果構(gòu)造任務(wù)子集，通過mapreduce任務(wù)調(diào)度模型對(duì)其進(jìn)行映射和調(diào)度。

2015年中國(guó)專利局公告的由孫凌宇、冷明和冷子陽申報(bào)，中國(guó)專利號(hào)為201510135672.8號(hào)《基于多層次方法和離散粒子群的賦權(quán)超圖優(yōu)化劃分方法》的發(fā)明專利，提供了一種基于多層次方法和離散粒子群的賦權(quán)超圖優(yōu)化劃分方法，進(jìn)一步有效地縮短了劃分所需的運(yùn)行時(shí)間，減少了劃分所需的存儲(chǔ)空間。該發(fā)明在多層次方法的粗化階段，通過對(duì)賦權(quán)超圖中所有結(jié)點(diǎn)進(jìn)行基于結(jié)點(diǎn)屬性函數(shù)的核值求解排序，進(jìn)而基于結(jié)點(diǎn)核值的非嚴(yán)格降序訪問處于未匹配狀態(tài)的結(jié)點(diǎn)，依據(jù)一定規(guī)則對(duì)其進(jìn)行匹配，從而將連接性好的結(jié)點(diǎn)合并在一起，為多層次劃分的后續(xù)階段提供更優(yōu)的粗化賦權(quán)超圖。在多層次方法的優(yōu)化階段，采用多目標(biāo)的離散粒子群搜索程序改進(jìn)貪心原則的局部搜索方法，對(duì)在每一水平層粗化賦權(quán)超圖投影的劃分進(jìn)行優(yōu)化，其中粒子所處|v|維空間位置對(duì)應(yīng)于一個(gè)劃分方案，即粒子在每個(gè)維度空間的位置代表該維度空間對(duì)應(yīng)結(jié)點(diǎn)所處劃分的結(jié)點(diǎn)子集；伴隨著優(yōu)化階段的細(xì)化過程，每個(gè)粒子解決方案代表的劃分投影到當(dāng)前水平層的細(xì)化賦權(quán)超圖上，且粒子的自由度隨著空間維度|v|的增加而增大；粒子之間進(jìn)行直接通信或者間接通信，利用它們聚集協(xié)同表現(xiàn)出的智能行為，有效地搜索多約束條件下、多目標(biāo)組合的pareto有效解，使非劣遷移優(yōu)化解向著pareto-最優(yōu)面逼近，增強(qiáng)遷移優(yōu)化方法的多目標(biāo)搜索能力。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明涉及的層次式fpga布局布線方法，是將邏輯網(wǎng)表映射到樹狀架構(gòu)的fpga器件資源中，并合理正確地選擇布線資源連接各個(gè)器件及i/o模塊。

本發(fā)明的目的在于針對(duì)已有技術(shù)存在的不足，提供一種基于多層次方法和賦權(quán)超圖的層次式fpga布局布線方法，有效地降低fpga物理設(shè)計(jì)的時(shí)間復(fù)雜度，提高fpga設(shè)計(jì)能力和性能。為達(dá)到上述目的，本發(fā)明的構(gòu)思如下。

一、邏輯網(wǎng)表到賦權(quán)超圖的轉(zhuǎn)換；首先，對(duì)網(wǎng)表文件進(jìn)行相應(yīng)編譯器的詞法分析、語法分析和中間代碼生成；進(jìn)而，依據(jù)中間代碼構(gòu)造基于賦權(quán)超圖的邏輯網(wǎng)表，實(shí)現(xiàn)邏輯網(wǎng)表在物理存儲(chǔ)空間中的賦權(quán)超圖表示；最后，啟動(dòng)基于多層次方法的布局布線程序，對(duì)生成的賦權(quán)超圖進(jìn)行布局布線。

二、多層次方法的結(jié)群階段，通過對(duì)賦權(quán)超圖中所有結(jié)點(diǎn)進(jìn)行基于結(jié)點(diǎn)屬性函數(shù)的核值求解排序，進(jìn)而基于結(jié)點(diǎn)核值的非嚴(yán)格降序訪問處于未匹配狀態(tài)的結(jié)點(diǎn)，依據(jù)一定規(guī)則對(duì)其進(jìn)行匹配，從而將連接性好的結(jié)點(diǎn)合并在一起，從而更好地優(yōu)化低層次的局部互連線，以獲得更優(yōu)的結(jié)群效果。

三、多層次方法的初始布局布線階段，采用譜方法對(duì)最高層次邏輯網(wǎng)表對(duì)應(yīng)的最小結(jié)群超圖進(jìn)行劃分，基于其特征向量刻畫結(jié)點(diǎn)間相對(duì)距離的思想，為初始布局布線階段提供最小割的劃分；進(jìn)而依據(jù)最高層次邏輯網(wǎng)表的最小割劃分，在最高層次布線資源圖的資源約束條件下，進(jìn)行布局和全局布線，從而有效地減少高層次的全局互連線。

四、多層次方法的優(yōu)化階段，采用多目標(biāo)的離散群智能方法進(jìn)行結(jié)群?jiǎn)卧嗄繕?biāo)遷移優(yōu)化技術(shù)及局部拆線重布，其中個(gè)體所處|v|維空間位置(v代表當(dāng)前層次的結(jié)群?jiǎn)卧?對(duì)應(yīng)于當(dāng)前層次邏輯網(wǎng)表的布局布線，即個(gè)體在每個(gè)維度空間的位置代表該維度空間對(duì)應(yīng)結(jié)群?jiǎn)卧幉季€資源圖的子區(qū)域位置及拓?fù)溥B接關(guān)系；伴隨著自頂向下、逐步細(xì)化的投影優(yōu)化過程，每個(gè)個(gè)體解決方案代表的布局布線投影到低層次的邏輯網(wǎng)表上，個(gè)體的自由度隨著結(jié)群?jiǎn)卧姆蛛x(即空間維度|v|的增加)而增大；進(jìn)而基于結(jié)群?jiǎn)卧w移的線長(zhǎng)收益值等啟發(fā)式信息，利用個(gè)體聚集協(xié)同表現(xiàn)出的智能行為，有效地搜索多約束條件下、多目標(biāo)組合的pareto有效解，使非劣遷移優(yōu)化解向著pareto-最優(yōu)面逼近，實(shí)現(xiàn)對(duì)結(jié)群?jiǎn)卧羞x擇性的遷移優(yōu)化，并對(duì)相應(yīng)線網(wǎng)進(jìn)行拆線重布，避免布局布線陷入局部最優(yōu)解。

根據(jù)上述的發(fā)明構(gòu)思，本發(fā)明的技術(shù)方案是這樣實(shí)現(xiàn)的：一種基于多層次方法和賦權(quán)超圖的層次式fpga布局布線方法，其特征在于，具體步驟如下。

步驟1，用硬件描述語言描述該fpga設(shè)計(jì)，綜合生成該fpga設(shè)計(jì)的網(wǎng)表文件。

步驟2，網(wǎng)表文件的詞法分析，從左到右一個(gè)個(gè)讀入該fpga設(shè)計(jì)的網(wǎng)表文件，對(duì)構(gòu)成源代碼的字符流進(jìn)行掃描和分解，從而識(shí)別出一個(gè)個(gè)單詞。

步驟3，網(wǎng)表文件的語法分析，在詞法分析的基礎(chǔ)上將單詞序列分解成各類語法短語，依據(jù)網(wǎng)表文件的語法規(guī)則，確定整個(gè)字符流是否構(gòu)成一個(gè)語法上正確的網(wǎng)表文件。

步驟4，網(wǎng)表文件的語義分析，在語法分析的基礎(chǔ)上審核源代碼有無語義錯(cuò)誤，為中間代碼生成階段收集類型信息。

步驟5，網(wǎng)表文件的中間代碼生成，在語法分析和語義分析的基礎(chǔ)上，將源代碼生成中間代碼，用內(nèi)部中間格式表示。

步驟6，構(gòu)造網(wǎng)表文件對(duì)應(yīng)的賦權(quán)超圖，基于中間代碼構(gòu)造文本描述的電路對(duì)應(yīng)的邏輯網(wǎng)表，經(jīng)過邏輯網(wǎng)表到賦權(quán)超圖的轉(zhuǎn)換之后，采用改進(jìn)壓縮的內(nèi)存存儲(chǔ)格式在物理存儲(chǔ)空間表示賦權(quán)超圖。

步驟7，用xml語言描述該fpga芯片的版圖和布線結(jié)構(gòu)，得到該fpga的“.xml”格式的結(jié)構(gòu)描述文件。

步驟8，結(jié)構(gòu)描述文件的詞法分析，從左到右一個(gè)個(gè)讀入該fpga的結(jié)構(gòu)描述文件，對(duì)構(gòu)成源代碼的字符流進(jìn)行掃描和分解，從而識(shí)別出一個(gè)個(gè)單詞。

步驟9，結(jié)構(gòu)描述文件的語法分析，在詞法分析的基礎(chǔ)上將單詞序列分解成各類語法短語，依據(jù)結(jié)構(gòu)描述文件的語法規(guī)則，確定整個(gè)字符流是否構(gòu)成一個(gè)語法上正確的結(jié)構(gòu)描述文件。

步驟10，結(jié)構(gòu)描述文件的語義分析，在語法分析的基礎(chǔ)上審核源代碼有無語義錯(cuò)誤，為中間代碼生成階段收集類型信息。

步驟11，結(jié)構(gòu)描述文件的中間代碼生成，在語法分析和語義分析的基礎(chǔ)上，將源代碼生成中間代碼，用內(nèi)部中間格式表示。

步驟12，構(gòu)造結(jié)構(gòu)描述文件對(duì)應(yīng)fpga的多層次布線資源圖，基于中間代碼構(gòu)造以<architecture>為根結(jié)點(diǎn)的樹狀結(jié)構(gòu)，對(duì)樹狀結(jié)構(gòu)的<complexblocklist>邏輯復(fù)合塊對(duì)應(yīng)的子樹進(jìn)行遞歸遍歷，構(gòu)建結(jié)構(gòu)描述文件對(duì)應(yīng)fpga的多層次布線資源圖。

步驟13，啟動(dòng)基于多層次方法的層次式fpga布局布線程序，輸入在物理存儲(chǔ)空間中表示的賦權(quán)超圖和多層次布線資源圖，進(jìn)行基于多層次方法和賦權(quán)超圖的層次式fpga布局布線，輸出層次式fpga的布局布線結(jié)果。

上述的步驟6中，所述的賦權(quán)超圖的改進(jìn)壓縮的內(nèi)存存儲(chǔ)格式如下。

步驟6.1，使用vwgts數(shù)組存儲(chǔ)賦權(quán)超圖中結(jié)點(diǎn)的權(quán)值信息，且vwgts數(shù)組的大小為賦權(quán)超圖中的結(jié)點(diǎn)個(gè)數(shù)。

步驟6.2，使用xadj數(shù)組存儲(chǔ)每個(gè)結(jié)點(diǎn)所有鄰接賦權(quán)超邊列表的起始位置信息，即第i個(gè)結(jié)點(diǎn)的終止位置為第i+1個(gè)結(jié)點(diǎn)的起始位置減1，且xadj數(shù)組的大小為賦權(quán)超圖中的結(jié)點(diǎn)個(gè)數(shù)加1，xadj數(shù)組最后一個(gè)元素用于存放最后一個(gè)結(jié)點(diǎn)的終止位置。

步驟6.3，使用adjncy數(shù)組存儲(chǔ)每個(gè)結(jié)點(diǎn)所有鄰接賦權(quán)超邊的列表信息，第i個(gè)結(jié)點(diǎn)的鄰接賦權(quán)超邊列表存儲(chǔ)在adjncy數(shù)組中，從adjncy[xadj[i]]到adjncy[xadj[i+1]-1]。

步驟6.4，使用eptr數(shù)組存儲(chǔ)每條賦權(quán)超邊所包含的結(jié)點(diǎn)列表的起始位置信息，即第j條賦權(quán)超邊的終止位置為第j+1條賦權(quán)超邊的起始位置減1，且eptr數(shù)組的大小為賦權(quán)超圖中的賦權(quán)超邊條數(shù)加1，eptr數(shù)組最后一個(gè)元素用于存放最后一條賦權(quán)超邊的終止位置。

步驟6.5，使用eind數(shù)組存儲(chǔ)每條賦權(quán)超邊所包含結(jié)點(diǎn)的列表信息，其中每條賦權(quán)超邊的尾端結(jié)點(diǎn)只有1個(gè)，且每條賦權(quán)超邊尾端結(jié)點(diǎn)的所有直接前驅(qū)結(jié)點(diǎn)都包含在該賦權(quán)超邊的源端子集中；第j條賦權(quán)超邊的結(jié)點(diǎn)列表存儲(chǔ)在eind數(shù)組中，從eind[eptr[j]]到eind[eptr[j+1]-1]，其中第j條賦權(quán)超邊的源端結(jié)點(diǎn)為eind[eptr[j]]到eind[eptr[j+1]-2]，第j條賦權(quán)超邊的尾端結(jié)點(diǎn)為eind[eptr[j+1]-1]。

步驟6.6，使用hewgts數(shù)組存儲(chǔ)賦權(quán)超邊的權(quán)值信息，且hewgts數(shù)組的大小為賦權(quán)超圖中的賦權(quán)超邊數(shù)目。

上述的步驟13中，所述的基于多層次方法的層次式fpga布局布線程序的步驟如下。

步驟13.1，進(jìn)入到多層次方法的結(jié)群階段，在多層次布線資源圖的布線通道容量約束條件下，逐層對(duì)邏輯網(wǎng)表進(jìn)行結(jié)群，采用賦權(quán)超圖的結(jié)點(diǎn)結(jié)群程序?qū)?dāng)前水平層結(jié)群賦權(quán)超圖的某些結(jié)點(diǎn)結(jié)合在一起，得到下一水平層的結(jié)群賦權(quán)超圖，重復(fù)此過程直到結(jié)群賦權(quán)超圖足夠小為止，即得到一個(gè)最小結(jié)群超圖。

步驟13.2，進(jìn)入到多層次方法的在初始布局布線階段，基于其特征向量刻畫結(jié)點(diǎn)間相對(duì)距離的思想，采用譜方法對(duì)最高層次邏輯網(wǎng)表對(duì)應(yīng)的最小結(jié)群超圖進(jìn)行劃分，計(jì)算得到最高層次邏輯網(wǎng)表的最小割劃分，進(jìn)而基于最高層次邏輯網(wǎng)表的最小割劃分，在最高層次布線資源圖的資源約束條件下，完成布局與全局布線。

步驟13.3，進(jìn)入到多層次方法的投影優(yōu)化階段，隨著高層次的布局布線自頂向下地逐層投影到低層次的邏輯網(wǎng)表上，得到每一層次超圖的近似非劣最優(yōu)布局布線，在相應(yīng)層次布線資源圖的資源約束條件下，利用結(jié)群?jiǎn)卧w移的線長(zhǎng)收益值等啟發(fā)式信息，采用多目標(biāo)的離散群智能方法進(jìn)行結(jié)群?jiǎn)卧倪w移優(yōu)化及相應(yīng)線網(wǎng)的拆線重布，直至最高層次邏輯網(wǎng)表的布局布線最終投影到原始邏輯網(wǎng)表上，在完成結(jié)群?jiǎn)卧倪w移優(yōu)化及相應(yīng)線網(wǎng)的拆線重布后，輸出層次式fpga的布局布線。

上述的步驟13.1中，所述的結(jié)點(diǎn)結(jié)群程序的步驟如下。

步驟13.1.1，標(biāo)注當(dāng)前水平層結(jié)群賦權(quán)超圖中所有結(jié)點(diǎn)處于未匹配狀態(tài)。

步驟13.1.2，運(yùn)行賦權(quán)超圖的結(jié)點(diǎn)核值計(jì)算程序，基于結(jié)點(diǎn)屬性函數(shù)值進(jìn)行當(dāng)前水平層結(jié)群賦權(quán)超圖中所有結(jié)點(diǎn)的核值求解，并按照結(jié)點(diǎn)的核值進(jìn)行非嚴(yán)格降序排序。

步驟13.1.3，基于結(jié)點(diǎn)核值的非嚴(yán)格降序訪問處于未結(jié)群狀態(tài)的結(jié)點(diǎn)，依據(jù)結(jié)群結(jié)果可布性的規(guī)則對(duì)其進(jìn)行結(jié)群，從而將連接性好的結(jié)點(diǎn)合并在一起，從而更好地優(yōu)化低層次的局部互連線，以獲得更優(yōu)的結(jié)群效果。

步驟13.1.4，重復(fù)步驟13.1.3，直至所有結(jié)點(diǎn)訪問結(jié)束。

上述的步驟13.1.2中，所述的賦權(quán)超圖的結(jié)點(diǎn)核值計(jì)算程序的步驟如下。

步驟13.1.2.1，計(jì)算出所有結(jié)點(diǎn)的屬性函數(shù)值。

步驟13.1.2.2，對(duì)所有結(jié)點(diǎn)的屬性函數(shù)值進(jìn)行非嚴(yán)格降序排序。

步驟13.1.2.3，按照結(jié)點(diǎn)屬性函數(shù)值的非嚴(yán)格降序次序訪問每個(gè)結(jié)點(diǎn)，計(jì)算每個(gè)結(jié)點(diǎn)的核值。

上述的步驟13.1.2.2中，所述的對(duì)所有結(jié)點(diǎn)的屬性函數(shù)值進(jìn)行非嚴(yán)格降序排序的步驟如下。

步驟13.1.2.2.1，根據(jù)結(jié)點(diǎn)的屬性函數(shù)值屬于在一定范圍內(nèi)的整數(shù)的特點(diǎn)，掃描所有結(jié)點(diǎn)的屬性函數(shù)值，統(tǒng)計(jì)每一種屬性函數(shù)值的結(jié)點(diǎn)個(gè)數(shù)，存儲(chǔ)在計(jì)數(shù)輔助數(shù)組bin中。

步驟13.1.2.2.2，針對(duì)每一種屬性函數(shù)值，借助計(jì)數(shù)輔助數(shù)組bin，計(jì)算出在所有結(jié)點(diǎn)的屬性函數(shù)值中，小于該屬性函數(shù)值的結(jié)點(diǎn)個(gè)數(shù)，存儲(chǔ)在位置輔助數(shù)組pos中。

步驟13.1.2.2.3，掃描所有結(jié)點(diǎn)的屬性函數(shù)值，針對(duì)每一個(gè)結(jié)點(diǎn)的屬性函數(shù)值，借助位置輔助數(shù)組pos，得到該結(jié)點(diǎn)的屬性函數(shù)值在非嚴(yán)格降序排序的次序，并將該次序存儲(chǔ)在次序輔助數(shù)組vert中。

上述的步驟13.1.2.3中，所述的計(jì)算結(jié)點(diǎn)v的核值的步驟如下。

步驟13.1.2.3.1，將結(jié)點(diǎn)v的屬性函數(shù)值作為核值輸出。

步驟13.1.2.3.2，標(biāo)記結(jié)點(diǎn)v從所在的超邊e中刪除。

步驟13.1.2.3.3，如果超邊e刪除結(jié)點(diǎn)v后，仍包含兩個(gè)及以上未被標(biāo)記刪除的結(jié)點(diǎn)，則超邊e仍然存在，否則刪除超邊e。

步驟13.1.2.3.4，重新計(jì)算結(jié)點(diǎn)v的鄰接結(jié)點(diǎn)u的屬性函數(shù)值。

步驟13.1.2.3.5，如果鄰接結(jié)點(diǎn)u的屬性函數(shù)值大于結(jié)點(diǎn)v的屬性函數(shù)值，更新鄰接結(jié)點(diǎn)u的屬性函數(shù)值為結(jié)點(diǎn)v的屬性函數(shù)值，并且借助計(jì)數(shù)輔助數(shù)組bin、位置輔助數(shù)組pos和次序輔助數(shù)組vert的信息，快速更新鄰接結(jié)點(diǎn)u在所有結(jié)點(diǎn)的屬性函數(shù)值非嚴(yán)格降序排序的次序；否則不更新鄰接結(jié)點(diǎn)u的屬性函數(shù)值及其排序的次序。

上述的步驟13.1.3中，所述的結(jié)群結(jié)果可布性的規(guī)則的步驟如下。

步驟13.1.3.1，在候選結(jié)群子群的搜索過程中，使用面向結(jié)群的布線算法檢驗(yàn)候選結(jié)群子群的內(nèi)部線網(wǎng)和外部線網(wǎng)是否滿足相應(yīng)層次布線資源圖的布線通道容量約束條件。

步驟13.1.3.2，如果滿足條件，則意味著結(jié)群結(jié)果可布線，且可避免布局與布線之間的不匹配，則進(jìn)行結(jié)群；否則檢驗(yàn)下一個(gè)候選結(jié)群子群。

上述的步驟13.3中，所述的采用多目標(biāo)的離散群智能方法進(jìn)行結(jié)群?jiǎn)卧倪w移優(yōu)化及相應(yīng)線網(wǎng)的拆線重布程序的步驟如下。

步驟13.3.1，結(jié)群?jiǎn)卧成涞诫x散群智能的初始化，針對(duì)每個(gè)結(jié)群?jiǎn)卧O(shè)定一一對(duì)應(yīng)的粒子，并依據(jù)結(jié)群?jiǎn)卧幉季€資源圖的子區(qū)域位置及拓?fù)溥B接關(guān)系，初始化對(duì)應(yīng)粒子的自身位置向量、自身速度向量、自身歷史最優(yōu)位置向量，進(jìn)而初始化全體粒子的全局歷史最優(yōu)位置向量。

步驟13.3.2，遍歷每個(gè)粒子，并依據(jù)每個(gè)粒子的上一水平層結(jié)群賦權(quán)超圖的自身位置向量投影到當(dāng)前水平層的細(xì)化賦權(quán)超圖上，得到每個(gè)粒子在當(dāng)前水平層細(xì)化賦權(quán)超圖的自身位置向量。粒子在當(dāng)前水平層的細(xì)化賦權(quán)超圖的每個(gè)維度空間的位置代表著該維度空間對(duì)應(yīng)的當(dāng)前層次邏輯網(wǎng)表的布局布線，即個(gè)體在每個(gè)維度空間的位置代表該維度空間對(duì)應(yīng)結(jié)群?jiǎn)卧幉季€資源圖的子區(qū)域位置及拓?fù)溥B接關(guān)系。

步驟13.3.3，遍歷每個(gè)粒子，并依據(jù)每個(gè)粒子的上一水平層結(jié)群賦權(quán)超圖的自身速度向量投影到當(dāng)前水平層的細(xì)化賦權(quán)超圖上，得到每個(gè)粒子在當(dāng)前水平層細(xì)化賦權(quán)超圖的自身速度向量，即粒子在當(dāng)前水平層細(xì)化賦權(quán)超圖的每個(gè)維度空間的速度。

步驟13.3.4，遍歷每個(gè)粒子，并依據(jù)每個(gè)粒子的當(dāng)前水平層細(xì)化賦權(quán)超圖的自身位置向量，計(jì)算每個(gè)粒子遷移的線長(zhǎng)收益值。

步驟13.3.5，遍歷每個(gè)粒子，并依據(jù)每個(gè)粒子遷移的線長(zhǎng)收益值，快速計(jì)算每個(gè)粒子在當(dāng)前水平層的細(xì)化賦權(quán)超圖的自身位置向量的總線長(zhǎng)。

步驟13.3.6，循環(huán)初始化，初始化循環(huán)計(jì)數(shù)器count為0。

步驟13.3.7，遍歷每個(gè)粒子在當(dāng)前水平層的細(xì)化賦權(quán)超圖的所有維度，基于結(jié)群?jiǎn)卧w移的線長(zhǎng)收益值等啟發(fā)式信息，更新每個(gè)粒子在每個(gè)維度的自身速度、自身位置，進(jìn)而得到每個(gè)粒子的自身速度向量和自身位置向量。

步驟13.3.8，依據(jù)粒子的自身位置向量更新計(jì)算粒子的遷移的線長(zhǎng)收益值。

步驟13.3.9，基于粒子遷移的線長(zhǎng)收益值等啟發(fā)式信息，利用個(gè)體聚集協(xié)同表現(xiàn)出的智能行為，搜索多約束條件下、多目標(biāo)組合的pareto有效解，使非劣遷移優(yōu)化解向著pareto-最優(yōu)面逼近，實(shí)現(xiàn)對(duì)粒子有選擇性的遷移優(yōu)化，并對(duì)相應(yīng)線網(wǎng)進(jìn)行拆線重布。

步驟13.3.10，遍歷每個(gè)粒子，并依據(jù)每個(gè)粒子的自身位置向量和遷移的線長(zhǎng)收益值，快速計(jì)算每個(gè)粒子的當(dāng)前水平層細(xì)化賦權(quán)超圖的自身位置向量的總線長(zhǎng)；如果該粒子的自身位置向量的總線長(zhǎng)小于自身歷史最優(yōu)位置向量的總線長(zhǎng)，則更新該粒子的歷史最優(yōu)位置向量為當(dāng)前的自身位置向量；如果該粒子的自身位置向量的總線長(zhǎng)小于全體粒子的全局歷史最優(yōu)位置向量的總線長(zhǎng)，則更新全體粒子的全局歷史最優(yōu)位置向量為該粒子當(dāng)前的自身位置向量。

步驟13.3.11，重復(fù)步驟13.3.7、13.3.8、13.3.9、13.3.10和循環(huán)計(jì)數(shù)器count加1，直至循環(huán)計(jì)數(shù)器count到達(dá)給定的上限。

本發(fā)明與現(xiàn)有技術(shù)相比較，具有如下顯而易見的突出實(shí)質(zhì)性特點(diǎn)和顯著優(yōu)點(diǎn)。

1、結(jié)群階段，在保證結(jié)群結(jié)果可布性的同時(shí)，有效地減少布局與布線之間的不匹配性。

本發(fā)明基于多層次方法和賦權(quán)超圖的層次式fpga布局布線方法在結(jié)群階段，對(duì)于宏單元面積和位置的fpga硬件固有約束，將宏單元視為粒度較大的結(jié)群?jiǎn)卧?，在相同粒度?jí)別的結(jié)群層次上進(jìn)行匹配，無縫地嵌入到自底向上的多層次結(jié)群過程中。此外，借助多層次優(yōu)化方法的結(jié)群階段，既能極大地提高布局布線問題的求解速度，又能有效地優(yōu)化低層次的局部互連線。

2、初始布局布線階段，有效地減少高層次的全局互連線。

本發(fā)明基于多層次方法和賦權(quán)超圖的層次式fpga布局布線方法在初始布局布線階段，基于最高層次邏輯網(wǎng)表的最小割劃分進(jìn)行布局和全局布線，通過將連接性好的結(jié)群?jiǎn)卧季衷谕粋€(gè)子區(qū)域中，不僅有效地抑制了子區(qū)域之間的互連需求，更好地優(yōu)化了高層次的全局互連線，而且將結(jié)群與劃分算法自然地融合在多層次優(yōu)化方法中，充分地發(fā)揮了各自算法的優(yōu)勢(shì)。

3、投影優(yōu)化階段，避免布局布線陷入局部最優(yōu)解。

本發(fā)明基于多層次方法和賦權(quán)超圖的層次式fpga布局布線方法在投影優(yōu)化階段，隨著高層次的布局布線自頂向下地逐層投影到低層次的邏輯網(wǎng)表上，通過部分結(jié)群?jiǎn)卧倪w移優(yōu)化及相應(yīng)線網(wǎng)的拆線重布，不僅逐層地優(yōu)化了互連線的總線長(zhǎng)，而且有效地解決了布局與布線之間、全局布線與詳細(xì)布線之間的匹配問題。

附圖說明

通過以下對(duì)本發(fā)明基于多層次方法和賦權(quán)超圖的層次式fpga布局布線方法的實(shí)例結(jié)合其附圖的描述，可以進(jìn)一步理解本發(fā)明的目的、具體結(jié)構(gòu)特征和優(yōu)點(diǎn)。

圖1是本發(fā)明基于多層次方法和賦權(quán)超圖的層次式fpga布局布線方法的流程圖。

圖2是本發(fā)明的賦權(quán)超圖的改進(jìn)壓縮的內(nèi)存存儲(chǔ)格式。

圖3是基于多層次方法和賦權(quán)超圖的層次式fpga布局布線過程中投影優(yōu)化階段，多目標(biāo)的離散群智能方法結(jié)群?jiǎn)卧倪w移優(yōu)化及相應(yīng)線網(wǎng)的拆線重布程序的流程圖。

具體實(shí)施方式

為了能夠更清楚地理解本發(fā)明基于多層次方法和賦權(quán)超圖的層次式fpga布局布線方法的技術(shù)內(nèi)容，特舉以下實(shí)例詳細(xì)說明。

本實(shí)施例的基于多層次方法和賦權(quán)超圖的層次式fpga布局布線方法的流程圖如圖1所示，用硬件描述語言描述該fpga設(shè)計(jì)101，綜合生成該fpga設(shè)計(jì)的網(wǎng)表文件103；網(wǎng)表文件的詞法分析，從左到右一個(gè)個(gè)讀入該fpga設(shè)計(jì)的網(wǎng)表文件，對(duì)構(gòu)成源代碼的字符流進(jìn)行掃描和分解，從而識(shí)別出一個(gè)個(gè)單詞104；網(wǎng)表文件的語法分析，在詞法分析的基礎(chǔ)上將單詞序列分解成各類語法短語105，依據(jù)網(wǎng)表文件的語法規(guī)則，確定整個(gè)字符流是否構(gòu)成一個(gè)語法上正確的網(wǎng)表文件；網(wǎng)表文件的語義分析，在語法分析的基礎(chǔ)上審核源代碼有無語義錯(cuò)誤，為中間代碼生成階段收集類型信息；網(wǎng)表文件的中間代碼生成，在語法分析和語義分析的基礎(chǔ)上，將源代碼生成中間代碼106，用內(nèi)部中間格式表示；構(gòu)造網(wǎng)表文件對(duì)應(yīng)的賦權(quán)超圖，基于中間代碼構(gòu)造文本描述的電路對(duì)應(yīng)的邏輯網(wǎng)表111，經(jīng)過邏輯網(wǎng)表到賦權(quán)超圖的轉(zhuǎn)換之后，采用改進(jìn)壓縮的內(nèi)存存儲(chǔ)格式在物理存儲(chǔ)空間表示賦權(quán)超圖115；用xml語言描述該fpga芯片結(jié)構(gòu)102的版圖和布線結(jié)構(gòu)，得到該fpga的“.xml”格式的結(jié)構(gòu)描述文件源代碼107；結(jié)構(gòu)描述文件的詞法分析，從左到右一個(gè)個(gè)讀入該fpga的結(jié)構(gòu)描述文件，對(duì)構(gòu)成源代碼107的字符流進(jìn)行掃描和分解，從而識(shí)別出一個(gè)個(gè)單詞108；結(jié)構(gòu)描述文件的語法分析，在詞法分析的基礎(chǔ)上將單詞序列分解成各類語法短語109，依據(jù)結(jié)構(gòu)描述文件的語法規(guī)則，確定整個(gè)字符流是否構(gòu)成一個(gè)語法上正確的結(jié)構(gòu)描述文件；結(jié)構(gòu)描述文件的語義分析，在語法分析的基礎(chǔ)上審核源代碼有無語義錯(cuò)誤，為中間代碼生成階段收集類型信息；，結(jié)構(gòu)描述文件的中間代碼生成，在語法分析和語義分析的基礎(chǔ)上，將源代碼生成中間代碼110，用內(nèi)部中間格式表示；構(gòu)造結(jié)構(gòu)描述文件對(duì)應(yīng)fpga的多層次布線資源圖，基于中間代碼構(gòu)造以<architecture>為根結(jié)點(diǎn)的樹狀結(jié)構(gòu)，對(duì)樹狀結(jié)構(gòu)的<complexblocklist>邏輯復(fù)合塊對(duì)應(yīng)的子樹進(jìn)行遞歸遍歷，構(gòu)建結(jié)構(gòu)描述文件對(duì)應(yīng)fpga的多層次布線資源圖119；啟動(dòng)基于多層次方法的層次式fpga布局布線程序，輸入在物理存儲(chǔ)空間中表示的賦權(quán)超圖115和多層次布線資源圖119，進(jìn)行基于多層次方法和賦權(quán)超圖的層次式fpga布局布線，輸出層次式fpga的布局布線結(jié)果123。其中，本實(shí)施例的基于多層次方法的層次式fpga布局布線程序的流程圖如圖1所示，進(jìn)入到多層次方法的結(jié)群階段，在多層次布線資源圖120的布線通道容量約束條件下，逐層對(duì)邏輯網(wǎng)表進(jìn)行結(jié)群，采用賦權(quán)超圖的結(jié)點(diǎn)結(jié)群程序?qū)?dāng)前水平層結(jié)群賦權(quán)超圖的某些結(jié)點(diǎn)結(jié)合在一起，得到下一水平層的結(jié)群賦權(quán)超圖116，重復(fù)此過程直到結(jié)群賦權(quán)超圖足夠小為止，即得到一個(gè)最小結(jié)群超圖117；進(jìn)入到多層次方法的在初始布局布線階段，基于其特征向量刻畫結(jié)點(diǎn)間相對(duì)距離的思想，采用譜方法對(duì)最高層次邏輯網(wǎng)表對(duì)應(yīng)的最小結(jié)群超圖進(jìn)行劃分，計(jì)算得到最高層次邏輯網(wǎng)表的最小割劃分，進(jìn)而基于最高層次邏輯網(wǎng)表的最小割劃分，在最高層次布線資源圖121的資源約束條件下，完成布局與全局布線。進(jìn)入到多層次方法的投影優(yōu)化階段，隨著高層次的布局布線自頂向下地逐層投影到低層次的邏輯網(wǎng)表上，得到每一層次超圖的近似非劣最優(yōu)布局布線118，在相應(yīng)層次布線資源圖122的資源約束條件下，利用結(jié)群?jiǎn)卧w移的線長(zhǎng)收益值等啟發(fā)式信息，采用多目標(biāo)的離散群智能方法進(jìn)行結(jié)群?jiǎn)卧倪w移優(yōu)化及相應(yīng)線網(wǎng)的拆線重布，直至最高層次邏輯網(wǎng)表的布局布線最終投影到原始邏輯網(wǎng)表上，在完成結(jié)群?jiǎn)卧倪w移優(yōu)化及相應(yīng)線網(wǎng)的拆線重布后，輸出層次式fpga的布局布線123。

本實(shí)施例的賦權(quán)超圖的改進(jìn)壓縮的內(nèi)存存儲(chǔ)格式如圖2所示。存儲(chǔ)結(jié)構(gòu)使用adjncy數(shù)組204存儲(chǔ)每個(gè)結(jié)點(diǎn)所有鄰接超邊的列表信息。使用xadj數(shù)組203存儲(chǔ)每個(gè)結(jié)點(diǎn)所有鄰接超邊列表的起始位置信息，即第i條結(jié)點(diǎn)的終止位置為第i+1條結(jié)點(diǎn)的起始位置減1，且xadj數(shù)組203的大小為賦權(quán)超圖中的結(jié)點(diǎn)個(gè)數(shù)加1，xadj數(shù)組203最后一個(gè)元素用于存放最后一條結(jié)點(diǎn)的終止位置。使用eind數(shù)組207存儲(chǔ)每條超邊所包含結(jié)點(diǎn)的列表信息。使用eptr數(shù)組206存儲(chǔ)每條超邊所包含的結(jié)點(diǎn)列表的起始位置信息，即第j條超邊的終止位置為第j+1條超邊的起始位置減1，且eptr數(shù)組206的大小為賦權(quán)超圖中的超邊個(gè)數(shù)加1，eptr數(shù)組206最后一個(gè)元素用于存放最后一條超邊的終止位置。使用vwgts數(shù)組202存儲(chǔ)結(jié)點(diǎn)的權(quán)值信息，且vwgts數(shù)組202的大小為賦權(quán)超圖中的結(jié)點(diǎn)個(gè)數(shù)。使用hewgts數(shù)組205存儲(chǔ)超邊的權(quán)值信息，且hewgts數(shù)組205的大小為賦權(quán)超圖中的超邊個(gè)數(shù)。假設(shè)數(shù)組地址從零開始，結(jié)點(diǎn)編號(hào)從零開始，則第i條結(jié)點(diǎn)的鄰接超邊列表存儲(chǔ)在adjncy數(shù)組204中，從adjncy[xadj[i]]到adjncy[xadj[i+1]-1]；第j條超邊的鄰接結(jié)點(diǎn)列表存儲(chǔ)在eind數(shù)組207中，從eind[eptr[j]]到eind[eptr[j+1]-1]。圖例201包含總共7個(gè)結(jié)點(diǎn)和8條超邊，其中第6個(gè)結(jié)點(diǎn)的權(quán)值為7，有2條鄰接超邊f(xié)、h，對(duì)應(yīng)的權(quán)值為4、1，且相應(yīng)的鄰接結(jié)點(diǎn)分別為結(jié)點(diǎn)7、3、6和結(jié)點(diǎn)4、6。

本實(shí)施例的賦權(quán)超圖的結(jié)點(diǎn)核值計(jì)算程序參見在先技術(shù)[1]“孫凌宇,冷明,冷子陽.基于結(jié)點(diǎn)屬性函數(shù)的大規(guī)模集成電路的核值計(jì)算方法[p].2012.發(fā)明專利申請(qǐng)?zhí)?01210150329.7.”。

本實(shí)施例的基于多層次方法和賦權(quán)超圖的層次式fpga布局布線過程中投影優(yōu)化階段，多目標(biāo)的離散群智能方法進(jìn)行結(jié)群?jiǎn)卧倪w移優(yōu)化及相應(yīng)線網(wǎng)的拆線重布程序的流程圖如圖3所示，步驟如下。

a01，結(jié)群?jiǎn)卧成涞诫x散群智能的初始化，針對(duì)每個(gè)結(jié)群?jiǎn)卧O(shè)定一一對(duì)應(yīng)的粒子，并依據(jù)結(jié)群?jiǎn)卧幉季€資源圖的子區(qū)域位置及拓?fù)溥B接關(guān)系，初始化對(duì)應(yīng)粒子的自身位置向量、自身速度向量、自身歷史最優(yōu)位置向量，進(jìn)而初始化全體粒子的全局歷史最優(yōu)位置向量。

a02，遍歷每個(gè)粒子，并依據(jù)每個(gè)粒子的上一水平層結(jié)群賦權(quán)超圖的自身位置向量投影到當(dāng)前水平層的細(xì)化賦權(quán)超圖上，得到每個(gè)粒子在當(dāng)前水平層細(xì)化賦權(quán)超圖的自身位置向量。粒子在當(dāng)前水平層的細(xì)化賦權(quán)超圖的每個(gè)維度空間的位置代表著該維度空間對(duì)應(yīng)的當(dāng)前層次邏輯網(wǎng)表的布局布線，即個(gè)體在每個(gè)維度空間的位置代表該維度空間對(duì)應(yīng)結(jié)群?jiǎn)卧幉季€資源圖的子區(qū)域位置及拓?fù)溥B接關(guān)系。

a03，遍歷每個(gè)粒子，并依據(jù)每個(gè)粒子的上一水平層結(jié)群賦權(quán)超圖的自身速度向量投影到當(dāng)前水平層的細(xì)化賦權(quán)超圖上，得到每個(gè)粒子在當(dāng)前水平層細(xì)化賦權(quán)超圖的自身速度向量，即粒子在當(dāng)前水平層細(xì)化賦權(quán)超圖的每個(gè)維度空間的速度。

a04，遍歷每個(gè)粒子，并依據(jù)每個(gè)粒子的當(dāng)前水平層細(xì)化賦權(quán)超圖的自身位置向量，計(jì)算每個(gè)粒子遷移的線長(zhǎng)收益值。

a05，遍歷每個(gè)粒子，并依據(jù)每個(gè)粒子遷移的線長(zhǎng)收益值，快速計(jì)算每個(gè)粒子在當(dāng)前水平層的細(xì)化賦權(quán)超圖的自身位置向量的總線長(zhǎng)。

a06，循環(huán)初始化，初始化循環(huán)計(jì)數(shù)器count為0。

a07，遍歷每個(gè)粒子在當(dāng)前水平層的細(xì)化賦權(quán)超圖的所有維度，基于結(jié)群?jiǎn)卧w移的線長(zhǎng)收益值等啟發(fā)式信息，更新每個(gè)粒子在每個(gè)維度的自身速度、自身位置，進(jìn)而得到每個(gè)粒子的自身速度向量和自身位置向量。

a08，依據(jù)粒子的自身位置向量更新計(jì)算粒子的遷移的線長(zhǎng)收益值。

a09，基于粒子遷移的線長(zhǎng)收益值等啟發(fā)式信息，利用個(gè)體聚集協(xié)同表現(xiàn)出的智能行為，搜索多約束條件下、多目標(biāo)組合的pareto有效解，使非劣遷移優(yōu)化解向著pareto-最優(yōu)面逼近，實(shí)現(xiàn)對(duì)粒子有選擇性的遷移優(yōu)化，并對(duì)相應(yīng)線網(wǎng)進(jìn)行拆線重布。

a10，遍歷每個(gè)粒子，并依據(jù)每個(gè)粒子的自身位置向量和遷移的線長(zhǎng)收益值，快速計(jì)算每個(gè)粒子的當(dāng)前水平層細(xì)化賦權(quán)超圖的自身位置向量的總線長(zhǎng)；如果該粒子的自身位置向量的總線長(zhǎng)小于自身歷史最優(yōu)位置向量的總線長(zhǎng)，則更新該粒子的歷史最優(yōu)位置向量為當(dāng)前的自身位置向量；如果該粒子的自身位置向量的總線長(zhǎng)小于全體粒子的全局歷史最優(yōu)位置向量的總線長(zhǎng)，則更新全體粒子的全局歷史最優(yōu)位置向量為該粒子當(dāng)前的自身位置向量。

a11，重復(fù)a07、a08、a09、a010和循環(huán)計(jì)數(shù)器count加1，直至循環(huán)計(jì)數(shù)器count到達(dá)給定的上限。