買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉東南大學申請的專利一種基于強化學習和宏合法化的混合尺寸宏布局方法、設備及存儲介質獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN118520831B 。

龍圖騰網通過國家知識產權局官網在2025-09-12發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202410408156.7，技術領域涉及：G06F30/392；該發明授權一種基于強化學習和宏合法化的混合尺寸宏布局方法、設備及存儲介質是由朱自然;顧浩;顧健;楊軍設計研發完成，并于2024-04-07向國家知識產權局提交的專利申請。

本一種基于強化學習和宏合法化的混合尺寸宏布局方法、設備及存儲介質在說明書摘要公布了：本發明公開了一種基于強化學習和宏合法化的混合尺寸宏布局方法、設備及存儲介質，通過結合強化學習和宏模塊合法化算法，能夠高效地處理混合尺寸及預先放置模塊的宏模塊布局問題。具體，使用卷積神經網絡提取全局觀測特征和圖神經網絡提取網表特征，使得強化學習代理實時捕獲和聚合宏觀及微觀的電路布局信息，加速智能體學習。使用快速動作掩膜層生成算法及宏模塊合法化算法來適應混合尺寸的宏模塊放置，緩解不同網格化劃分算法造成的空間浪費和計算開銷。本發明提供的一種基于強化學習和宏合法化的混合尺寸宏布局方法、設備及存儲介質，實現了在保證布局合法性的同時，提高布局質量，優化資源利用率，并縮短設計周期的多重目標。

本發明授權一種基于強化學習和宏合法化的混合尺寸宏布局方法、設備及存儲介質在權利要求書中公布了：1.一種基于強化學習和宏合法化的混合尺寸宏布局方法，其特征在于：包括以下步驟： 步驟S1：獲取待布局電路的網表以及布局空間，將布局空間進行網格劃分，得到網格化的布局空間；根據網表中預先放置的宏模塊的大小和位置，將預先放置的宏模塊布置到網格化的布局空間得到初始化的布局狀態； 步驟S2：獲取預構建的強化學習布局模型； 步驟S3：根據初始化的布局狀態獲取全局觀測信息以及已布局的宏模塊的大小和對應的網表，獲取一維特征向量；將一維特征向量作為當前狀態，輸入強化學習布局模型，輸出動作概率預測矩陣和價值；根據價值獲取內在獎勵，根據內在獎勵更新強化學習布局模型的參數； 步驟S4：根據初始化的布局狀態和待放置宏模塊的大小，利用快速動作掩膜生成算法，獲取當前動作掩膜層，將當前動作掩膜層與動作概率預測矩陣相疊加，得到待放置宏模塊預測矩陣，根據待放置宏模塊預測矩陣，得到當前動作，即將待放置宏模塊的布置到指定位置；根據當前動作得到放置后布局狀態； 步驟S5：將放置后布局狀態替換步驟S3中的初始化的布局狀態，重復步驟S3、S4逐一將待放置宏模塊布置到指定位置，直到完成所有宏模塊的放置，得到部分重疊宏布局初步方案； 步驟S6：將部分重疊宏布局初步方案輸入宏模塊合法化算法，得到合法的宏模塊布局方案； 步驟S7：根據合法的宏模塊布局方案獲取外在獎勵，根據外在獎勵對強化學習布局模型的參數進行更新，得到更新后的強化學習布局模型； 步驟S8：重復執行步驟S3-S7，直至訓練到達設定的最大周期，生成最終的強化學習布局模型； 所述步驟S3，具體包括： 根據初始化的布局狀態獲取全局觀測信息，將全局觀測信息輸入卷積神經網絡提取為全局特征嵌入向量；將已布局的宏模塊的大小以及對應的網表輸入圖神經網絡輸出圖特征嵌入向量；將全局特征嵌入向量和圖特征嵌入向量合并為一維特征向量； 將一維特征向量作為當前狀態，分別輸入策略網絡，價值網絡，策略網絡輸出動作概率預測矩陣，價值網絡輸出價值； 將價值存儲到緩沖區中，在強化學習布局模型訓練期間隨機重播價值，將價值分別輸入目標網絡和預測網絡，分別輸出特征嵌入向量，特征嵌入向量，根據特征嵌入向量，特征嵌入向量計算內在獎勵； 根據內在獎勵計算策略網絡的損失函數，并根據策略網絡的損失函數更新策略網絡的參數，獲得更新后的策略網絡； 所述內在獎勵的計算公式如下： ； 其中，表示2-范數； 所述根據合法的宏模塊布局方案獲取外在獎勵，具體包括： 利用基于解析算法的開源布局器DREAMPlace獲取合法的宏模塊布局方案的外在獎勵； 所述外在獎勵，表示布局的半周長線長，計算公式如下： ； 其中：和分別表示的橫坐標，縱坐標，表示網表的數量，net表示網表中一個線網，表示第i個線網中第j個引腳。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人東南大學，其通訊地址為：210018 江蘇省南京市玄武區四牌樓2號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。