宏位置是将内存块放在芯片画布上的问题。它可以在序列对上表达为组合优化问题,该表示形式描述了宏的相对位置。解决此问题尤其具有挑战性,因为目标功能评估昂贵。在本文中,我们通过序列对使用贝叶斯优化(BO)开发了一种新颖的方法来宏观放置。 BO是一种机器学习技术,它使用概率的替代模型和一个采集功能,可以平衡探索和开发以有效地优化黑盒目标函数。 BO比强化学习更有效率,因此可以与更现实的目标一起使用。此外,从数据中学习并将算法适应目标函数的能力使BO成为其他黑盒优化方法(例如模拟退火)的吸引人替代方法,该方法依赖于问题依赖性的启发式方法和参数调整。我们在固定外线宏观位置问题上基准了我们的算法,并具有半二级线长度目标,并表现出竞争性能。
translated by 谷歌翻译