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！

龙图腾网获悉安徽大学申请的专利一种基于强化学习与后端优化的芯片布局方法及其系统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：CN120235107B 。

龙图腾网通过国家知识产权局官网在2025-08-22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：202510293674.3，技术领域涉及：G06F30/392；该发明授权一种基于强化学习与后端优化的芯片布局方法及其系统是由朱明;檀志伟;吴秀龙;彭春雨;李志刚;刘玉;张欣欣设计研发完成，并于2025-03-13向国家知识产权局提交的专利申请。

本一种基于强化学习与后端优化的芯片布局方法及其系统在说明书摘要公布了：本发明公开了一种基于强化学习与后端优化的芯片布局方法及其系统。该方法包括：构建布局优化模型：生成对应的位置掩码、线掩码和视图掩码；融合位置掩码和线掩码以生成局部特征，并融合线掩码和视图掩码以生成全局特征；特征融合局部特征和全局特征以生成综合特征；根据综合特征和全局特征的嵌入向量，生成应当采取的各类布局优化动作的概率，并计算每一轮动作更新后的状态所对应的激励及其价值；根据新存储的经验进行参数更新；通过原始数据集以对布局优化模型进行训练；消除布局重叠部分以获得最终布局图。本发明有助于网络更深层次地捕捉芯片布局中的复杂模式，提升了芯片的布局效率，能探索到更有效的布局方案，探索效率提高。

本发明授权一种基于强化学习与后端优化的芯片布局方法及其系统在权利要求书中公布了：1.一种基于强化学习与后端优化的芯片布局方法，其特征在于，其包括以下步骤： S1：构建布局优化模型： S1.1：特征编码网表中宏模块的节点、位置和线网特征以生成对应的位置掩码、线掩码和视图掩码； S1.2：融合所述位置掩码和所述线掩码以生成局部特征，并融合所述线掩码和所述视图掩码以生成全局特征； S1.3：特征融合所述局部特征和所述全局特征以生成综合特征； S1.4：根据所述综合特征和所述全局特征的嵌入向量，生成应当采取的各类布局优化动作的概率，并计算每一轮动作更新后的状态所对应的激励及其价值； S1.5：根据新存储的经验对步骤S1.4进行参数更新； S2：先将多个随机网表作为样本数据以构成原始数据集，再通过所述原始数据集以对所述布局优化模型进行训练； S3：先通过训练后的布局优化模型对原始电路图的图表文件处理获得优化的网表文件，再对应生成优化后的电路初始布局图，最后消除布局重叠部分以获得最终布局图； 其中，所述布局优化模型包括特征提取模块、特征融合模块、经验池、策略网络和价值网络；其中，所述特征提取模块用于特征编码宏模块中的节点、位置和线网特征以对应生成位置掩码、线掩码和视图掩码；所述特征融合模块用于对所述位置掩码和所述线掩码进行特征融合，生成所述局部特征；所述特征融合模块还用于对所述线掩码和所述视图掩码进行特征融合，生成所述全局特征；所述特征融合模块还用于对所述局部特征和所述全局特征进行维度统一，并在通道维度上进行特征融合，生成所述综合特征；所述策略网络用于根据所述综合特征的嵌入向量，生成应当采取的各类布局优化动作的概率；所述价值网络用于根据所述全局特征的嵌入向量，计算根据每一轮的动作更新后的状态对应的激励及其价值；所述经验池用于存储新的状态、动作、奖励和价值作为经验，并根据存储的经验对所述策略网络和所述价值网络进行更新； 所述价值网络包括一个前置全连接层Linear1、一个通过卷积模块所得到的全局信息以及三个后置全连接层Linear2、Linear3以及Linear4；所述价值网络的各个功能层通过ReLU函数连接；所述前置全连接层Linear1的输入通道数为768，输出通道数为512；三个后置全连接层的输入通道数均为512，输出通道数均为1； 所述策略网络包括两个卷积层、一个变换层以及一个Softmax归一化层；所述策略网络根据所述综合特征的嵌入向量，输出对应的动作概率的方法包括以下步骤：将所述综合特征的嵌入向量分为三路，其中两路分别经过不同尺度的切片和重构得到粗颗粒特征和细颗粒特征，其中另外一路用于提取掩码特征得到掩码向量；对所述粗颗粒特征通过粗糙卷积的卷积层处理，得到第一特征；对细粒度特征通过带有注意力模块的卷积层处理，得到第二特征；先将所述第一特征和所述第二特征进行特征拼接，再由变换层进行merge处理，以变换为指定维度的融合特征矩阵；利用所述掩码向量对所述融合特征矩阵进行掩膜操作，得到动作特征矩阵；对所述动作特征矩阵通过Softmax归一化层处理，得到动作概率； 所述策略网络的目标函数为： policyθ＝E[minrθA,maxcliprθ,1-∈，1+∈A] 其中，policyθ表示所述目标函数，E表示期望值，表示新旧策略概率比值；A＝Gt-Vt，表示时间步t的优势函数估计，Gt为动作价值函数，Vt为状态价值函数；Cliprθ,1-∈，1+∈表示裁剪函数，将rθ限制在区间[1-∈，1+∈]内。

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安徽大学，其通讯地址为：230601 安徽省合肥市经济技术开发区九龙路111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”。