Методы и средства автоматизации конструкторского проектирования СБИС на основе моделирования адаптивного поведения природных систем тема диссертации и автореферата по ВАК РФ 05.13.12, доктор наук Лебедев Олег Борисович

• Лебедев Олег Борисович
• доктор наук
• 2022

Оглавление диссертации доктор наук Лебедев Олег Борисович

ВВЕДЕНИЕ

1. ПРОБЛЕМЫ, СОСТОЯНИЕ, МЕТОДЫ И АНАЛИЗ ПРОЕКТНЫХ РЕШЕНИЙ В КОНСТРУКТОРСКОМ ПРОЕКТИРОВАНИИ СБИС

1.1. Основные этапы и задачи, решаемые при конструкторском проектировании СБИС

1.2. Обзор и анализ традиционных подходов и методов решения задач конструкторского проектирования СБИС

1.3. Выводы по разделу

2. МЕТОДЫ И СРЕДСТВА КОНСТРУКТОРСКОГО ПРОЕКТИРОВАНИЯ ТОПОЛОГИИ СБИС

2.1. Концепции, стратегии и базовые принципы, используемые при разработке методов и средств автоматизированного проектирования СБИС

2.2. Разработка новых усовершенствующих метаэвристик модели муравьиных колоний для решения задач конструкторского проектирования СБИС

2.3. Эволюционный метод поиска решения на основе концепции геометрической интерпретации и символьной модели объекта проектирования

2.4. Новый биоинспирированный метод синтеза проектных процедур на основе концепции «муравьиное дерево»

2.5. Разработка методологии и платформы инструментов построения методов и алгоритмов конструкторского проектирования СБИС на основе инвариантных к решаемым задачам парадигм коллективной адаптации и самоорганизации

2.5.1. Набор средств платформы проектирования

2.5.2. Основные этапы методологии синтеза поисковой процедуры на основе метаэвристики коллективной альтернативной адаптации

2.5.3. Основные этапы методологии синтеза поисковой процедуры на основе метаэвристики муравьиной колонии

2.5.4. Основные этапы методологии синтеза поисковой процедуры на основе метаэвристики генетического алгоритма

2.6. Платформа методов конструкторского проектирования

2.7. Выводы по разделу

3. ПОКРЫТИЕ ФУНКЦИОНАЛЬНОЙ СХЕМЫ НА ОСНОВЕ МЕТОДА МУРАВЬИНОЙ КОЛОНИИ

3.1. Постановка задачи покрытия множествами

3.2. Концепция пространства решений в задаче покрытия

3.3. Организация поисковых процедур покрытия на основе моделирования адаптивного поведения муравьиной колонии

3.4. Выводы по разделу

4. МЕТОДЫ И СРЕДСТВА РАЗБИЕНИЯ СХЕМ С ИСПОЛЬЗОВАНИЕМ ПРИРОДНЫХ ВЫЧИСЛЕНИЙ

4.1. Постановка задачи разбиения

4.2. Разбиение на основе модифицированных моделей адаптивного поведения муравьиной колонии

4.3. Методы разбиения СБИС с использованием концепции шаблонов

4.4. Метод разбиения, основанный на стратегии и концепции эволюционного разбиения динамически изменяющегося подмножества вершин

4.5. Метод разбиения на основе концепции геометрической интерпретации и символьного представления решения

4.6. Выводы по разделу

5. РАЗРАБОТКА МОДИФИЦИРАВАННЫХ МЕТОДОВ И МОДЕЛЕЙ КОЛЛЕКТИВНОЙ АДАПТАЦИИ ДЛЯ РЕШЕНИЯ ЗАДАЧ ПЛАНИРОВАНИЯ И РАЗМЕЩЕНИЯ

5.1. Постановка задачи планирования

5.2. Синтез методом муравьиной колонии дерева разрезов плана с априори идентифицированными модулями

5.3. Синтез плана с выбором типов разрезов, идентификацией и ориентацией модулей методом муравьиной колонии

5.4. Планирование на основе метода комбинаторной оптимизации «муравьиное дерево»

5.5. Размещение на основе метода муравьиной колонии

5.5.1. Постановка задачи размещения

5.5.2. Организация поисковых процедур размещения на основе моделирования адаптивного поведения муравьиной колонии

5.6. Гибридный биоинспирированный метод формирования линеек стандартных ячеек на этапе размещения

5.6.1. Постановка задачи формирования линеек стандартных ячеек

5.6.2. Формирование линеек стандартных ячеек на основе интеграции метода муравьиной колонии и генетического поиска

5.7. Выводы по разделу

6. РАЗРАБОТКА И ИССЛЕДОВАНИЕ МЕТОДОВ ГЛОБАЛЬНОЙ ТРАССИРОВКИ С ИСПОЛЬЗОВАНИЕМ ПРИРОДНЫХ ВЫЧИСЛЕНИЙ

6.1. Постановка и концепции решения задачи глобальной трасировки

6.2. Разработка биоинспирированных методов построения дерева Штейнера

6.2.1. Постановка задачи построения дерева Штейнера

6.2.2. Механизмы построения дерева Штейнера на основе метода муравьиной колонии

6.2.3. Метод построения минимального дерева Штейнера с использованием концепции аддитивного формирования маршрута

6.3. Генетический алгоритм глобальной трассировки в одном слое на основе комбинаторного подхода

6.4. Распределение ресурсов коммутационной среды при однослойной

глобальной трассировке на основе муравьиного алгоритма

6.4.1. Комбинаторный подход к распределению ресурсов коммутационной среды

6.4.2. Последовательно-параллельный подход к распределению ресурсов коммутационной среды

6.5. Распределение соединений по слоям при многослойной глобальной трассировке, концепции разнесения

6.5.1. Эвристический алгоритм распределения соединений сети по слоям

6.5.2. Перераспределения соединений по слоям методом коллективной альтернативной адаптации

6.5.3. Муравьиный алгоритм разнесения соединений по слоям

6.6. Выводы по разделу

7. ДЕТАЛЬНАЯ ТРАССИРОВКА НА ОСНОВЕ МОДЕЛЕЙ АДАПТИВНОГО ПОВЕДЕНИЯ ПРИРОДНЫХ СИСТЕМ

7.1. Постановка задачи детальной трассировки

7.2. Канальная трассировка на основе метода муравьиной колонии

7.3. Ко-эволюционный метод трассировки на основе модели муравьиной колонии

7.4. Метод канальной трассировки на основе концепции геометрической интерпретации и символьного представления решения

7.5. Гибридный метод трассировки на основе концепции интеграции эволюционного поискового метода трассировки с методами муравьиной колонии и генетического поиска

7.6. Гибридный метод дотрассировки и перетрассировки

7.7. Выводы по разделу

8. РАЗРАБОТКА ПРОГРАММНОГО КОМПЛЕКСА И ЭКСПЕРИМЕНТАЛЬНЫЕ ИССЛЕДОВАНИЯ

8.1. Инструментальная среда пакета прикладных программ

8.2. Экспериментальные исследования алгоритма и программы покрытия функциональных схем

8.3. Экспериментальные исследования алгоритмов и программ разбиения

8.4. Экспериментальные исследования алгоритмов и программ планирования и размещения

8.5. Экспериментальные исследования алгоритмов и программ глобальной трассировки

8.6. Экспериментальные исследования алгоритмов и программ детальной трассировки

8.7. Выводы по разделу

ЗАКЛЮЧЕНИЕ

СПИСОК СОКРАЩЕНИЙ И УСЛОВНЫЙ ОБОЗНАЧЕНИЙ

СПИСОК ЛИТЕРАТУРЫ

ПРИЛОЖЕНИЕ А

ПРИЛОЖЕНИЕ Б

Введение диссертации (часть автореферата) на тему «Методы и средства автоматизации конструкторского проектирования СБИС на основе моделирования адаптивного поведения природных систем»

ВВЕДЕНИЕ

Диссертационная работа посвящена исследованию проблем проектирования цифровых сверхбольших интегральных схем (СБИС), возникших при переходе на субмикронные и глубоко субмикронные технологии.

Прогресс в развитии нанотехнологий, а именно, дальнейшее уменьшение технологических размеров транзисторов и проводников позволяет размещать на кристалле десятки и сотни миллионов транзисторов (с возможностью реализовывать на кристалле, одновременно, процессоры, память, цифровую логику, аналоговые узлы, интерфейсы и т.д.), определил революционные изменения в микроэлектронике и в целом радиоэлектронной индустрии [1,2].

С развитием технологий производства и повышением степени интеграции появилась новая группа СБИС, комбинирующая свойства, как СБИС специализированных применений, так и универсальных процессоров. Эту группу составляют системы на кристалле (СнК) или Systems-on-Chip (SoC), которые представляют собой комбинацию специализированных и универсальных процессорных ядер и блоков, выполненных на единой кремниевой подложке [3].

Одним из перспективных направлений в разработке СнК являются технологические платформы, под которыми понимаются заранее спроектированные и изготовленные матрицы элементов и их межсоединений, которые, вместе с верифицированными на данной матрице (и, возможно, уже реализованными в теле матрицы) ^-блоками, составляют платформу для реализации целого класса SoC. Эти изменения привели к качественно новой методологии и инфраструктуре проектирования и производства СБИС типа SoC и систем на их основе [3,4].

В связи с уменьшением топологических размеров, повышением степени интеграции СБИС и сокращением сроков проектирования возникают принципиально новые требования к проектированию СБИС [5].

Эта тенденция отразилась на эволюции алгоритмов проектирования СБИС, которые активно развивались в последнее время. В совокупности это привело к необходимости проведения дополнительной оптимизации полученных решений. Значительным изменениям подверглись маршруты проектирования [6].

Платформа проектирования современных систем автоматизированного проектирования (САПР) представляет собой полный набор инструментов для проектирования СБИС. Инструменты, входящие в платформу проектирования, используют базовое множество алгоритмов и функций. Отдельные алгоритмы, которые обычно применяются в начале маршрута проектирования, часто решают задачи, ранее относившиеся к более поздним этапам. Например, сегодня Synopsys Design Platform осуществляет не только синтез, но и размещение логических элементов, проводит оптимизацию быстродействия с учетом сопротивления проводников в различных металлических слоях [7].

Взаимная связь между инструментами платформы, обусловленная базовыми алгоритмами, позволяет пользователю получить сквозной сходящийся маршрут проектирования для достижения желаемых показателей быстродействия, мощности и площади. Эти инструменты имеют общие настройки, позволяющие эффективно и в минимальные сроки реализовывать маршруты проектирования, максимально эффективные для решения конкретной задачи проекта.

Использование в составе платформы базы известных и устаревших алгоритмов для решения возникаюших задач часто вызывает затрудения и снижает темпы внедрения новых процессов, технологий. В частности, из-за разного характера моделей для различных аспектов описания схемы: схемотехнического, логического, топологического. Для топологического проектирования актуальна разработка на основе новой архитектуры методов, ориентированных на достижение наибольшей скорости работы и высокого качества результатов. Особое внимание уделяется поддержке больших сложных СнК с многоуровневой физической иерархией, содержащих более 100 млн. ячеек. Для создания современных СнК, необходимы самые передовые методологии и

системы автоматизированного проектирования (САПР). Важнейшим этапом в цикле проектирования СБИС, является этап конструкторского проектирования (КП), на котором решаются задачи покрытия, разбиения, планирования, размещения, трассировки, упаковки, верификации. Возникает потребность в создании методов и алгоритмов конструкторского проектирования, обеспечивающих решение новых проблем на стыке традиционно разделяемых областей, этапов или уровней проектирования.

Поэтому разработчики инструмента уделяют повышенное внимание оптимизации применяемых алгоритмов и использования вычислительных ресурсов. Вместе это позволяет повышать производительность САПР с каждым новым релизом инструмента. Так, за последний год, по результатам анализа регрессионного набора тестов, в среднем производительность Synopsys Design Platform выросла на 15% [7]. Кроме того, постоянный анализ алгоритмов и их оптимизация позволяют повышать качество получаемых результатов. Дополнительно стоит отметить развитие оптимизации с использованием распараллеливания вычислений на нескольких ядрах. Стоит упомянуть, что в последних релизах особое внимание разработчиков было уделено актуальности улучшения алгоритмов, как глобального размещения ячеек, так и их легализации, что обеспечивает улучшение трассируемости путем детализированного учета параметров трассировки.

Работа по оптимизации алгоритмов и сокращению времени проектирования по маршруту продолжается при подготовке каждого нового релиза инструмента. Непрерывно внедряются новые алгоритмические решения, позволяющие сократить время работы инструмента на каждом из этапов.

Реальные маршруты проектирования для различных кремниевых фабрик и требуемые наборы инструментальных средств описаны в специальных документах справочного проектирования (Reference design Flow), которые разрабатываются для каждого нового поколения полупроводникового технологическог процесса, причем на каждой крупной фабрике [5,6]. Особое

внимание в последних релизах инструмента САПР Synopsys уделяется получению высокого качества глобального размещения ячеек и улучшению трассируемости [7]. Результатом являются ускоренное прохождение по маршруту и общее сокращение сроков проектирования.

В требуемые наборы инструментальных средств реальных маршрутов проектирования включены важнейшие задачи конструкторского проектирования - покрытия, разбиения (компоновки), планирования, размещения, трассировки, упаковки, верификации [8-10].

Поскольку СБИС может содержать несколько миллионов транзисторов, то в связи с ограниченными возможностями вычислительных средств, невозможно спроектировать топологию всей схемы целиком, поэтому схема разбивается группированием компонентов на блоки. В результате разбиения формируется множество блоков и множество соединений между блоками. Используется иерархический подход, при этом размерность задач, решаемых на каждом уровне иерархии значительно ниже общей размерности [9,10].

В настоящее время три главные компании в области разработки САПР СБИС - Synopsys, Cadence, Mentor Graphics по сути монопольно контролируют рынок, покупая и поглощая отдельные, более мелкие компании. Большое число отдельных команд разработчиков САПР и IP ядер управляется этими гигантами, и разрабатывают отдельные программные средства, совместимые со стандартными маршрутами лидеров рынка.

Использование известных алгоритмов для решения возникших задач затруднено, в частности, из-за разного характера моделей для различных аспектов описания схемы: логического, схемотехнического, топологического. Возникает потребность в создании методов и алгоритмов, обеспечивающих решение новых проблем на стыке традиционно разделяемых областей, этапов или уровней проектирования.

Достижение высоких характеристик СБИС возможно только при использовании наиболее совершенных методологий и инструментов проектирования.

Дальнейшие перспективы повышения качества и сложности создаваемых устройств в различных областях науки и техники, ведущие, специалисты мира связывают, с интеллектуализацией процессов автоматизированного проектирования и производства, при этом одной из центральных задач является создание эффективных средств решения оптимизационных задач и задач принятия решений. Активно научными разработками в этой области заняты специалисты Российской Федерации, США, Японии и Западной Европы.

С точки зрения повышения эффективности САПР, представляет интерес разработка новых алгоритмов и методов проектирования, для так называемых ЫР-полных задач, в которых нахождение оптимального решения возможно только полным перебором и которые являлись бы достаточно эффективными как с точки зрения точности и оптимальности получаемых решений, так и с позиции времени работы. К настоящему времени для решения ЫР-полных комбинаторных задач разработано достаточное множество методов и алгоритмов [11-14]. Однако их возможности ограничены из-за невозможности преодоления «проклятия размерности», присущего рассматриваемому классу задач. Размерности этих задач таковы, что реализация перебора вариантов практически невозможна из-за чрезвычайно больших временных затрат. Альтернативным походом к решению этих задач является применение методов, инспирированными искусственными или естественными системами и способными за приемлемое время найти оптимум в пространстве поиска решений большой размерности. Одним из направлений, позволяющим решить эти вышеуказанные проблемы, является использование для решения дискретных задач оптимизации методов эволюционных вычислений [15]. Ключевой идеей стало введение адаптации в процесс поиска решений, переход от формализованных систем классических логик к адаптивным моделям.

Особенно наблюдается стремительный рост интереса к разработке алгоритмов, инспирированных природными системами [16,17]. В настоящее время интенсивно разрабатывается научное направление с названием «Природные вычисления» (Natural Computing), объединяющее математические методы, в которых заложены принципы природных механизмов принятия решений. К таким методам можно отнести, прежде всего, методы моделирования отжига, методы эволюционного моделирования, генетические алгоритмы, методы эволюционной адаптации. Среди них особенно активно развиваются поведенческие методы роевого интеллекта (Swarm Intelligence) [18] - муравьиные (Ant Colony Optimization - ACO) [19], пчелиные (Bee Colony Optimization - BCO) [20], роя частиц (Particle Swarm Optimization, PSO) [21], коллективной альтернативной адаптации (КАА) [22,23] и другие, в которых совокупность срaвнительно простых arern^ конструирует стрaтегию своего поведения без нaличия глобaльного упрaвления. Базовыми идеями поведенческих методов являются децентрализованность, взаимодействие агентов, простота поведения агентов.

Значительный вклад в разработку биоинспирированных алгоритмов и методов оптимизации внесли следующие ученые: Л. Растригин предложил методы случайного поиска [24]; Л. Цетлин произвел исследования по теории автоматов и моделированию биологических систем [25]; Ingo Rechenberg представил алгоритм эволюционных стратегий [26]; Feo и Resende предложили «жадный» адаптивный алгоритм случайного поиска [27]; Kirkpatrick и др. предложили метод имитации отжига [28]; Fogel и др. предложили алгоритм эволюционного программирования [29]; Holland разработал генетический алгоритм [30]; Koza разработал алгоритм генетического программирования [31]; Glover разработал алгоритм табуированного поиска [32]; J. Kennedy и R. Eberhart предложили алгоритм роя частиц [18]; Dorigo муравьиный алгоритм [33]; Lucic и Teodorovic предложили пчелиный алгоритм [20], Moscato представил меметический алгоритм [34].

Фундаментальные результаты в области теории и методов принятия оптимальных решений получены А. Петровским, А. Еремеевым, В. Вагиным, В. Городецким, А. Смирновым.

Известными мировыми научными центрами в области разработки биоинспирированных методов являются научные школы Л.А. Растригина, М.Л. Цетлина, Д.А. Поспелова, В.М. Курейчика, Дж. Холланда, Д. Голдберга, Р. Мииккулайнена, Д. Флореано, С. Нолфи, З. Яо, К. де Йонга, Ж. Гонкальвеса.

Основополагающими работами, оказавшими влияние на исследования автора, являются труды: Д.А. Поспелова, Г.С. Поспелова, О.И. Ларичева, Л.А. Растригина, М.Л. Цетлина, А.Л. Стемпковского, Г.Г. Казеннова, В.Г. Немудрова, В.М. Курейчика, В.В. Курейчика, В.Н. Вагина, И.П. Норенкова, А.П. Карпенко, А.А. Колесникова, Д.И. Батищева, В.М. Щемелинина, В.Н. Гридина, В.П. Корячко, А.П. Еремеева, Н.Н. Моисеева, Г.С. Осипова, Э.В. Попова, Э.А. Трахтенгерца, Л. Заде, М. Месаровича, Д. Фогеля, А.Н. Тихонова, Р.Л. Кини, Х. Райфа, О. Уотермена, Б. Приса, Н. Шервани, Д. Гольдберга, Д. Холланда, Л. Девиаса, M. Dorigo, G. Di Caro, T. Stützle, A.P. Engelbrecht, J. Kennedy, P. Lucic, D.A. Teodorovic и многих других.

Разработка новых алгоритмов заключается в изучении и использовании метаэвристик, заложенных в природных механизмах принятия решений [35-37]. Научная задача заключается в нахождения адекватного соответствия между решением задачи и моделями адаптивного поведения биологических систем.

Анализ публикаций показал, что применение биоиспирированных алгоритмов на основе природных вычислений может привести к улучшению качества получаемых решений для задач проектирования топологии СБИС [15 -37]. Сложность проблемы состоит в том, что каждый из методов имеет как достоинства, так и недостатки. Тогда становится необходимой интеграция модификация и усовершенствование биоинспирированных и поисковых методов с целью повышения эффективности проектировании. В гибридных алгоритмах преимущества одного алгоритма могут компенсировать недостатки другого. В

связи с этим в настоящее время одним из основных путей повышения эффективности решения задач глобального поиска, является разработка гибридных, комбинированных и композитных алгоритмов [35-37].

Следует отметить, что диапазон постановок задач, решаемых при проектировании топологии СБИС, достаточно широк, и в ряде случаев использование канонических парадигм для представления задач не представляется возможным.

Способом преодоления этого недостатка является модификация канонической парадигмы адаптивного поведения путем перестройки ее архитектуры, учитывающей особенности постановки задачи и формируемой интерпретации решения.

Одним из возможных подходов к решению этой проблемы является использование новых технологий на стыке информатики, бионики и автоматизации проектирования для модификации существующих и разработки новых парадигм роевого интеллекта.

В этой связи задача создания теоретических положений, моделей, методов и алгоритмов на основе моделей адаптивного поведения биологических систем применительно к задачам автоматизированного конструкторского проектирования в САПР имеет важное экономико-социальное значение и является в настоящее время актуальной и важной.

В данной диссертационной работе автором предложены методологии построения платформ инструментов (базового набора проектных процедур этапа конструкторского проектирования), основанных на моделировании коллективной адаптации и самоорганизации природных систем: муравьиной колонии, коллективной альтернативной адаптации, генетического поиска, моделирования отжига. Решающее значение имеет интеграция инструментов проектирования в связанный единой методологией маршрут, построенный на единой платформе. Во всех инструментах реализованы наиболее современные методы и алгоритмы проектирования, которые позволяют создать оптимизированные решения для

использования в изделиях на базе современных технологий. Использование разработанных автором методов и средств автоматизации конструкторского проектирования СБИС, обеспечивает получение решений высокого качества.

Разработка методов и средств автоматизации конструкторского проектирования СБИС осуществлена на основе общего концептуального подхода, базирующегося на применении методов искусственного интеллекта, инспирированных природными системами, теории обучения с подкреплением, сочетании принципов адаптации, самообучения, самоорганизации, использовании моделей биологических адаптивных систем.

Областью исследования в работе является методология автоматизированного проектирования СБИС, включая постановку, формализацию и типизацию проектных процедур и процессов проектирования, вопросы выбора методов и средств оптимизации для применения в САПР СБИС; разработка научных основ построения биоинспирированных алгоритмов (БИА).

Направление исследований связано с использованием аналогий из адаптивного поведения биологических систем для создания методов, моделей и алгоритмов проектирования топологии СБИС.

Объектом исследований является задача автоматизации проектирования интегральных микросхем.

Предметом исследований являются методы, модели и алгоритмы конструкторского проектирования топологии СБИС на основе моделей адаптивного поведения биологических систем.

Цель диссертационной работы состоит в повышении эффективности, основных проектных процедур конструкторского проектирования СБИС.

Для достижения указанной цели в диссертационной работе решались следующие основные задачи.

1. Разработать научные основы построения средств САПР, включая разработку концепции, базовых принципов, стратегии, технологии, методов и подходов решения сложных задач конструкторского проектирования СБИС.

2. Разработать методологии построения методов и алгоритмов конструкторского проектирования СБИС, включая платформы инструментов на основе инвариантных к решаемым задачам парадигм коллективной адаптации и самоорганизации.

3. Разработать комплекс средств, способов и подходов для повышения производительности разработанных биоинспирированных алгоритмов.

4. Разработать гибридные и ко-эволюционные модели и методы поиска проектных решений на основе интеграции и комбинирования методов роевого интеллекта, коллективной альтернативной адаптации, обучения с подкреплением и генетического поиска.

5. Разработать адаптивный поисковый метод решения задач конструкторского проектирования с использованием геометрической интерпретации и символьных моделей объектов проектирования.

6. Разработать для решения задач конструкторского проектирования новый метод комбинаторной оптимизации - «муравьиное дерево», в основе которого лежит процедура формирования на композитной модели пространства решений древовидной интерпретации решения (дерево решения).

7. Представить исходные формулировки задач конструкторского проектирования СБИС в виде совокупности компонентов роевого интеллекта и разработать биоинспирированные методы и алгоритмы основных проектных процедур: покрытия, разбиения, планирования, размещения, построения дерева Штейнера, многоуровневой глобальной трассировки, канальной трассировки, дотрассировки и перетрассировки.

8. Создать на основе разработанных теоретических принципов, методов и алгоритмов биоиспирированной оптимизации новые комплексы и системы программных средств, для решения задач конструкторского проектирования СБИС.

Методы исследования. В диссертационной работе для решения поставленных задач используются элементы теории искусственного интеллекта,

сложных систем, системного анализа, теории алгоритмов, оптимизации, методы природных вычислений, биоинспирированной оптимизации, эволюционного моделирования и роевого интеллекта, методы проектирования топологии интегральных схем, автоматизации проектирования и объектно-ориентированного программирования. В исследованиях широко использовался вычислительный эксперимент и моделирование на основе новых биоинспирированных технологий.

Научная новизна работы заключается в теоретическом обобщении и решении комплекса проблем конструкторского проектирования СБИС, разрабатываемых на основе перспективных глубоко субмикронных и нанометровых технологий, имеющих важное экономико-социальное значение. В диссертации получены следующие основные результаты, характеризующиеся научной новизной.

1. Разработаны научные основы построения средств конструкторского проектирования СБИС, новые концепции, базовые принципы, стратегии, модели, алгоритмы и методы, отличающиеся новой научной идеей - методы проектирования на основе инвариантных парадигм коллективной адаптации и самоорганизации, позволяющие увеличить эффективность поисковых алгоритмов решения сложных задач конструкторского проектирования СБИС (пункты 2,3 паспорта специальности 05.13.12; страницы 36-56; 58-80 диссертационной работы).

2. Разработана методология построения методов и алгоритмов конструкторского проектирования СБИС, включая платформу инструментов (средств), отличающиеся использованием инвариантных к решаемым задачам парадигм коллективной адаптации и самоорганизации, позволяющие проектировать поисковые методы, обладающие высокой эффективностью и повышенной надежностью (пункты 1,2 паспорта специальности 05.13.12; страницы 36-55, 58-80 диссертационной работы).

3. Разработаны новые модели пространства решений, отличающиеся альтернативными наборами ребер и вершин, включением функций состояния

ребер и вершин, наличием композитной многостадийной структуры связей, способностью к отражению коллективной эволюционной памяти, возможностью интеграции, что позволяет формировать адекватные компактные интерпретации решений, снизить комбинаторную сложность задач и общую трудоемкость. (Пункт 3 паспорта специальности 05.13.12; страницы 58-80; 80-105; 143-155 диссертационной работы).

4. Разработаны принципиально новые подходы к разработке биоинспирированных алгоритмов конструкторского проектирования, отличающиеся: декомпозицией коллектива агентов на кластеры, организацией поиска решений коллективом кластеров агентов; использованием шаблонов графа поиска решений; введением композитной структуры феромона и дифференцированного метода его отложения; композитными моделями интерпретаций решений; бинарными моделями поиска решений, позволяющие проанализировать большее число альтернативных решений и реализовать эффективные стратегии поиска решений задач конструкторского проектирования (Пункт 3 паспорта специальности 05.13.12; страницы 105-126 диссертационной работы).

5. Разработан новый метод на основе коллективной адаптации для решения задач конструкторского проектирования СБИС, отличающийся использованием символьных моделей, геометрической интерпретации объектов проектирования, линейной трудоемкостью процедуры трансформации (декодирования) интерпретации в графическое представление, позволяющий снизить общую трудоемкость, и повысить качество решения. (Пункты 3 паспорта специальности 05.13.12; страницы 70-77; 126-134; 262-272 диссертационной работы).

6. Разработан для решения задач конструкторского проектирования новый метод комбинаторной оптимизации - «муравьиное дерево», отличающийся от канонического метода муравьиной колонии тем, что на композитной модели пространства решений вместо маршрута формируется древовидная интерпретация решения (дерево решения), что позволяет формировать

адекватные компактные интерпретации решений, снизить комбинаторную сложность задач и общую трудоемкость. (Пункт 3 паспорта специальности 05.13.12; страницы 77-88; 155-165 диссертационной работы).

7. Разработаны новые методы решения задач конструкторского проектирования, построенные на основе интеграции, комбинирования и коэволюции разработанных автором роевых методов, отличающиеся тем, что заданное число роевых субалгоритмов, используют изоморфные структуры данных и различные стратегии поиска, функционируют параллельно-последовательно, реализуют более широкий обзор пространства решений, что позволяет обеспечить более высокую вероятность локализации глобального экстремума задачи. (Пункт 3 паспорта специальности 05.13.12; страницы 248-262 диссертационной работы).

8. Разработаны новые стратегии поиска решений методом муравьиной колонии, отличающиеся тем, что в качестве интерпретации формируются упорядоченные совокупности упорядоченных подмножеств вершин (подграфов), поиск пакета независимых решений, представляемых совокупностью маршрутов, осуществляется кластером агентов на множестве графов поиска решений, имеющих многостадийную структуру связей, в рамках параллельно-последовательного подхода, что позволяет формировать адекватные представления решаемых задач, реализовать эффективный поиск и снизить комбинаторную сложность задач. (Пункты 3 паспорта специальности 05.13.12; страницы 58-104 диссертационной работы).

9. Разработаны на основе природных вычислений новые биоинспирированные методы для проектирования топологии СБИС - покрытия, разбиения, планирования, размещения, построения дерева Штейнера, многослойной глобальной трассировки, канальной трассировки, дотрассировки и перетрассировки, отличающиеся использованием предложенных автором модифицированных парадигм роевого интеллекта, повышенной сходимостью и позволяющие получать наборы квазиоптимальных решений, близких к

оптимальным (Пункт 3 паспорта специальности 05.13.12; страницы 70-280 диссертационной работы).

Практическая ценность результатов диссертационной работы определяется созданием программной среды и комплекса программных средств принятия решений, позволяющих использовать разработанные математические модели, стратегии, методы, принципы и алгоритмы, отвечающие стандартам проектирования, для решения задач конструкторского проектирования СБИС. Результаты работы могут найти применение при проектировании широкого класса заказных и матричных микросхем на этапах топологического проектирования. Предложенные методы и алгоритмы могут быть использованы в комбинации с другими средствами САПР СБИС для повышения эффективности, улучшения качества и надёжности проектирования СБИС, разрабатываемых на основе глубоко субмикронных и нанометровых технологий.

Список литературы диссертационного исследования доктор наук Лебедев Олег Борисович, 2022 год

СПИСОК ЛИТЕРАТУРЫ

1. Тучин, А.В. Введение в системы автоматизированного проектирования интегральных микросхем / А.В. Тучин, Е.Н. Бормонтов, К.Г. Пономарев. -Воронеж: Издательский дом ВГУ, 2017. - 110 с.

2. Вонг, Б.П. Нано-КМОП-схемы и проектирование на физическом уровне / Б.П. Вонг, А. Миттал, Ю. Цао, Г. Старр. - М.: Техносфера, 2014. - 432 с.

3. Казеннов, Г.Г. Основы проектирования интегральных схем и систем / Г.Г. Казеннов. - М.: БИНОМ, 2010. - 296 с.

4. Немудров, В. Системы-на-кристалле. Проектирование и развитие / В. Немудров, Г. Мартин. - М: Техносфера, 2004. - 216 с.

5. Гулякович, Г.Н. Перспективы и проблемы полупроводниковой наноэлектроники [Электронный ресурс] / Г.Н. Гулякович, В.Н. Северцев, И.О. Шурчков // Инженерный Вестник Дона. - 2012. - №2. - Режим доступа: http: //www.ivdon.ru/ru/magazine/archive/n2y2012/790.

6. Коршунов, А.В. Маршрут проектирования ЦИС. Физический синтез: Учебное пособие / А.В. Коршунов, С.В. Гусев // Министерство образования и науки РФ, Национальный исследовательский университет «МИЭТ». - М.: МИЭТ, 2015. - 72 с.

7. Розе, К. Платформа Synopsys для проектирования цифровых систем -новый уровень технологий проектирования СнК / К. Розе, Д. Радченко // ЭЛЕКТРОНИКА. Наука, технология, бизнес. - 2018. - №2. - 96-104.

8. Норенков И.П. Основы автоматизированного проектирования / И.П. Норенков. - М.: Изд-во МГТУ имени Н.Э.Баумана, 2006. - 326 с.

9. Bollar, M.The new landscape of advanced design [Электронный ресурс]. / M. Bollar // Режим доступа URL:www.techdesignforums.com.

10. Пухальский, Г.И. Проектирование цифровых устройств. Учебное пособие / Г.И. Пухальский, Т.Я. Новосельцева. - СПб.: Лань, 2012. - 896 с.

11. Муромцев, Д.Ю. Математическое обеспечение САПР: учебное пособие / Д.Ю. Муромцев, И.В. Тюрин. - СПб.: Лань, 2014. - 464 с.

12. Кочегурова, Е.А. Теория и методы оптимизации: учебное пособие / Е.А. Кочегурова. - Люберцы: Юрайт, 2016. - 133 с.

13. Лебедев, О.Б. Концепция поиска оптимальных решений при проектировании: монография / О.Б. Лебедев, Л.А. Гладков, В.В. Курейчик, В.М. Курейчик, Б.К., Лебедев, С.Н. Щеглов: Научное издание, под ред. Б.К. Лебедева.

- Таганрог: Изд-во ТТИ ЮФУ, 2010. - 145 с.

14. Levin, M.Sh. Combinatorial optimization in system configuration design / M.Sh. Levin // In Automation and Remote Control. - 2009. - С. 519-561.

15. Lamont, D. Evolutionary Algorithms for Solving Multi-Objective Problems / D. Lamont, C. Veldhuizen. - New York: Springer, 2007. - 189 p.

16. Курейчик, В.В. Бионспирированные методы в оптимизации / В.В. Курейчик, В.М. Курейчик, Л.А. Гладков, П.В. Сороколетов. - М.: Физмалит, 2009.

- 152 с.

17. Карпенко, А.П. Современные алгоритмы поисковой оптимизации. Алгоритмы, вдохновленные природой: учебное пособие. 2-е издание / А.П. Карпенко. - М: Издательство МГТУ им. Н.Э. Баумана, 2016. - 446 с.

18. Hassanien, E. Swarm Intelligence / E. Hassanien, E. Emary. - CRC Press, 2015. - 228 p.

19. Dorigo, M. Ant Colony Optimization / M. Dorigo, T. Stutzle. - MIT Press: Cambridge, MA, 2004. - 349 р.

20. Lucic, P. Computing with Bees: Attacking Complex Transportation Engineering Problems / P. Lucic, D. Teodorovic // International Journal on Artificial Intelligence Tools. - 2003. - рр. 375-394.

21. Clerc, M. Particle Swarm Optimization / M. Clerc. - ISTE, London, UK, 2006. - 244 р.

22. Лебедев, О.Б. Поисковая адаптация / О.Б. Лебедев, В.М. Курейчик, Б.К. Лебедев. - М.: Физматлит, 2006. - 272 с.

23. Лебедев, О.Б. Модели адаптивного поведения муравьиной колонии в задачах проектирования / О.Б. Лебедев. - Таганрог: Изд-во ЮФУ, 2013. - 199 с.

24. Растригин, Л.А. Адаптивные компьютерные системы / Л.А. Растригин. -М.: Знание, 1987. - 64 с.

25. Цетлин, М.Л. Исследования по теории автоматов и моделированию биологических систем / М.Л. Цетлин. - М.: Наука, 1969. - 316 с.

26. Курейчик, В.В. Состояние, проблемы и перспективы развития биоэвристик / В.В. Курейчик, С.И. Родзин // Программные системы и вычислительные методы. -2016. -№ 2. - С. 158-172.

27. Курейчик, В.М. Модели параллелизма эволюционных вычислений / В.М. Курейчик // Вестник Ростовского государственного университета путей сообщения. -2011. -№ 3(43). - С. 93-97.

28. Kirkpatrick, S. Optimization by simulated annealing / S. Kirkpatrick, Jr. C.D. Gelatt, M.P. Vecchi // Science. - 1983. - рр. 671-680.

29. Wong, D.F. Simulated Annealing for VLSI Design / D.F. Wong, H.W. Leong, C.L. Lin. - Boston, MA: Kluwer Academic, 1988. - 202 р.

30. Holland, J.H. Adaptation in natural and artificial systems / J.H. Holland. -Uni Michigan, 1975. - 232 р.

31. Koza, J.R. Genetic Programming: On the Programming of Computers by Means of Natural Selection / J.R. Koza. - MIT Press, 1992. - 602 р.

32. Glover, F. Future paths for integer programming and links to artificial intelligence / F. Glover // Computers and operations research. - 1986. - №13. - рр. 533-549.

33. Dorigo, M. Optimization, learning and natural algorithms: PhD thesis. / M. Dorigo. - Politecnico di Milano, Italy, 1992. - 152 р.

34. Moscato, P. On evolution, search, optimization, genetic algorithms: towards memetic algorithms / P. Moscato // Caltech concurrent computation program, 1989. -826 р.

35. Glover, F. Handbook of metaheuristics / F. Glover. - Springer, 2010. - 648 p.

36. Blum, C. Metaheuristics in combinatorial optimization: overview and conceptual comparison / C. Blum, A. Roli // ACM computing surveys. - 2003. - рр. 268-308.

37. Лебедев, О.Б. Интеллектуальные системы проектирования СБИС на основе эволюционных методов: монография / О.Б. Лебедев, Л.А. Гладков, Ю.А. Кравченко, В.В. Курейчик, В.М. Курейчик, Б.К. Лебедев, Е.В. Нужнов, А.А. Полупанов, П.В. Сороколетов. - Таганрог: Изд-во Технологического института ЮФУ, 2008. - 184 с.

38. Палташев, Т.Т. Введение в проблему разработки и производства СБИС / Т.Т. Палташев. - Gatchina Nanoelectronics, Phoenics, Arizona. - 2009. - С. 1-13.

39. Палташев, Т. Развитие индустрии полупроводниковых виртуальных компонентов / Т. Палташев, А. Игликов, М.Алексеев // Компоненты и технологии. -№5(130), - 2012. - С. 1-7.

40. Kahng, B. Nano-CMOS Design for Manufacturability / B. Kahng, Y. Wong. - New York: John Wiley&Sons, 2009. - 378 р.

41. Oklobdzija, V. Digital Design and Fabrication / V. Oklobdzija. - Boca Raton: CRC Press, 2008. - 656 р.

42. Sherwani, N.A. Algorithms for VLSI Physical Design Automation / N.A. Sherwani. - Third Edition, Kluwer Academic Publisher, USA, 2013. -572 p.

43. Деньдобренко, Б.П. Автоматизация проектирования радиоэлектронной аппаратуры / Б.П. Деньдобренко, А.С. Малика. - М.: Высш. шк., 2002. - 384 с.

44. Гаврилов, С.В. Методы проектирования заказных сложнофункциональных блоков в базисе элементов с регулярной топологической структурой в слоях поликремния и диффузии / С.В. Гаврилов, Г.А. Иванова, А.А. Манукян // Проблемы разработки перспективных микро- и наноэлектронных систем. - 2014. - №. 1. - С. 161-166.

45. Hubert, K. Digital Integrated Circuit Design / K. Hubert. - Cambridge University Press, United Kingdom, 2008. - 386 p.

46. Mehta, D. Handbook of Algorithms for Physical Design Automation / D. Mehta, S. Sapatnekar, C. Alpert. - New York: CRC Press, 2009. - 1044 p.

47. Беляев, А.А. Проектирование систем на кристалле с программируемой архитектурой: учебное пособие / А.А. Беляев, П.С. Волобуев. - М.: МИЭТ, 2018. -136 с.

48. Roy, J.A. High-Performance routing at the nanometer scale / J.A. Roy // IEEE Trans. Comput.-Aided Design Integr. Syst., - 2008. - pp. 1066-1077.

49. Иванов, А.А. Дискретная математика для инженера: учебник / А.А. Иванов, Г.И. Пронина, Н.Ю. Корягина. - СПб.: Лань, 2016. - 400 c.

50. Шевелев, Ю.П. Дискретная математика: учебное пособие / Ю.П. Шевелев. - СПб.: Лань, 2018. - 592 c.

51. Андерсон, Дж. Дискретная математика и комбинаторика / Дж. Андерсон. - М.: Диалектика, 2019. - 960 c.

52. Cong, J. Multilevel approach to full-chip gridless routing / J. Cong, J. Fang, Y. Zhang // Proc. ICCAD. - 2001. - pp. 396-403.

53. Cong, J. An enhanced multilevel routing system / J. Cong, M. Xie, Y. Zhang // Proc. ICCAD. - 2002. - pp. 51-59.

54. Миронов, С.Э. Автоматизация технологически инвариантного иерархического проектирования топологии регулярных макроблоков СБИС / С.Э. Миронов, А.Ю. Васильев // Компьютерные науки и информационные технологии: Материалы международной научной конференции. - 2012. - С. 204-208.

55. Talbi, E.G. Metaheuristics: from design to implementation / E.G. Talbi. -Wiley, 2009. - 618 р.

56. Tomoiaga, B. Pareto optimal reconfiguration of power distribution systems using a genetic algorithm / B. Tomoiaga // Energies. - 2013. - №6. - рр. 1439-1455.

57. Yang, X.S. Nature-inspired Metaheuristic Algorithms / X.S. Yang// Luniver Press. - 2010. - pp. 81-95.

58. Birattari, M. Classification of metaheuristics and design of experiments for the analysis of components / M. Birattari, L. Paquete, T. Stutzle, K. Varrentrapp // Technical Report AIDA, 2001. - 12 р.

59. Raidl, G.R. A Unified View On Hybrid Metaheuristics: Lecture Notes In Computer Science / G.R. Raidl // Springer, Verlag. - 2006. - рр. 1-12.

60. Gendreau, M. Handbook of Metaheuristics. 2nd edition / M. Gendreau, Y. Potvin // Operations Research&Management Science. - 2010. - pp. 227-263.

61. Gavrilov, S. Simulated Annealing Based Placement Optimization for Reconfigurable Systems-on-Chip / S. Gavrilov, D. Zheleznikov, R. Chochaev // IEEE Conference of Russian Young Researchers in Electrical and Electronic Engineering (EIConRus). - 2019. - pp. 1597-1600.

62. Goldberg, D.E. Genetic Algorithms in Search, Optimization and Machine Learning / D.E. Goldberg. - USA: Addison-Wesley Publishing Company, Inc., 1989. -432 p.

63. Гладков, Л.А. Генетические алгоритмы / Л.А. Гладков, В.В. Курейчик, В.М. Курейчик: под ред. В.М. Курейчика. - М.: Физматлит, 2006. - 321 с.

64. Kennedy, J. Swarm Intelligence / J. Kennedy // In Handbook of Nature-Inspired and Innovative Computing: Integrating Classical Models with Emerging Technologies. - 2006. - pр. 187-219.

65. Rastrigin, L.A. Random Search in Evolutionary Computations / L.A. Rastrigin // Proceedings 1st International conf., Evolutionary Computation and Its Application. - 1996. - pp. 135-143.

66. Лебедев, Б.К. Методы поисковой адаптации в задачах автоматизированного проектирования СБИС: монография / Б.К. Лебедев. -Таганрог: Изд-во ТРТУ, 2000. - 211 с.

67. Курейчик, В.М. Адаптация в задачах проектирования топологии / В.М. Курейчик, Б.К. Лебедев, В.Б. Лебедев // Проблемы разработки перспективных микро- и наноэлектронных систем: под ред. А.Л. Стемпковского. - 2010. - С. 170177.

68. Лебедев, О.Б. Адаптация на основе самообучения / О.Б. Лебедев, В.М. Курейчик, Б.К. Лебедев, Ю.О.Чернышев. - Ростов-на-Дону: РГАСХМ, 2004. - 189 с.

69. Редько, В.Г. Эволюция, нейронные сети, интеллект: модели и концепции эволюционной кибернетики / В.Г. Редько. - М.: Комкнига, 2005. - 224 с.

70. Тарасов, В.Б. От многоагентных систем к интеллектуальным организациям: философия, психология, информатика / В.Б. Тарасов. - М.: Эдиториал УРСС, 2002. - 352 с.

71. Поспелов, Д.А. Фантазия или наука: на пути к искусственному интеллекту / Д.А. Поспелов. - М.: Наука, 1982. - 226 с.

72. Поспелов, Г.С. Искусственный интеллект - основа новой информационной технологии / Г.С. Поспелов. - М.: Наука, 1988. - 278 с.

73. Венда, В.Ф. Системы гибридного интеллекта. Эволюция, психология, информатика / В.Ф. Венда. - М.: Машиностроение, 1990. - 447 с.

74. Сигорский, В.Г. Проблемная адаптация в системах автоматизированного проектирования / В.Г. Сигорский // Известия высших учебных заведений: Радиоэлектроника. - 1988. - №6. - С. 88-97.

75. Редько, В.Г. От моделей поведения к искусственному интеллекту / В.Г. Редько. - М.: КомКнига, 2006. - 448 с.

76. Беляев, А.А. Проектирование систем на кристалле с программируемой архитектурой / А.А. Беляев, П.С. Волобуев. - М.: МИЭТ, 2018. - 136 с.

77. Лебедев, О.Б. Альтернативная поисковая адаптация на основе вероятностных обучающих автоматов / О.Б. Лебедев, Б.К. Лебедев // Известия ТРТУ. Тематический выпуск. Перспективные системы и задачи управления. -2006. - №3(58). - С. 136-141.

78. Курейчик, В.В. Теория эволюционных вычислений / В.В. Курейчик, В.М. Курейчик, С.И. Родзин. - М.: Физмалит, 2012. - 260 с.

79. Лебедев, О.Б. Элементы теории эволюционной оптимизации и принятия решений на основе биоинспирированных методов / О.Б. Лебедев, Л.А. Гладков,

В.В. Курейчик, В.М. Курейчик, Б.К. Лебедев, В.Б. Лебедев, Е.В. Нужнов, С.И. Родзин. - Ростов-на-Дону: Изд-во ЮФУ, 2013. - 90 с.

80. Норенков, И.П. Эволюционные методы в задачах выбора проектных решений [Электронный ресурс] / И.П. Норенков, Н.М. Арутюнян // Электронное научно-техническое издание «Наука и образование». - 2007. - Режим доступа: http: //technomag.edu.ru/doc/68376.html.

81. Лебедев, О.Б. Методы и алгоритмы принятия решений на основе бионического поиска / О.Б. Лебедев, Л.А. Гладков, В.В. Курейчик, В.М. Курейчик, Б.К. Лебедев, В.Б. Лебедев, П.В. Сороколетов. - Таганрог: Изд-во ТТИ ЮФУ, 2009. - 137 с.

82. Cohoon, J.P. Evolutionary Algorithms for the Physical Design of VLSI Circuits / J.P. Cohoon // Advances in Evolutionary Computing: Theory and Applications. - 2003. - рр. 683-712.

83. Лебедев, О.Б. Разработка бионических методов и алгоритмов поиска оптимальных решений при проектировании / О.Б. Лебедев, Л.А. Гладков, В.В. Курейчик, В.М. Курейчик, Ю.А. Кравченко, Б.К. Лебедев, В.Б. Лебедев, Е.В. Нужнов, А.А. Полупанов, П.В. Сороколетов. - Таганрог: Изд-во ТТИ ЮФУ, 2008.

- 244 с.

84. Курейчик, В.М. Эволюционные алгоритмы: генетическое программирование. Обзор / В.М. Курейчик, С.И. Родзин // Известия РАН. ТиСУ.

- 2002. - №1. - С. 127-137.

85. Лебедев, О.Б. Организация генетического поиска для мультихромосомных представлений решений / О.Б. Лебедев, В.И. Божич, В.Б. Лебедев // Известия ТРТУ. Тематический выпуск. Интеллектуальные САПР. -2002. - №3(26). - С. 108-113.

86. Dorigo, M. Ant Algorithms for Discrete Optimization / M. Dorigo, G. Di Caro, L.M. Gambardella // Artificial Life. - 1999. - №5(2). - рр. 137—172.

87. Dorigo, M. Two ant colony algorithms for best routing in datagram networks / M. Dorigo, G. Di Caro // Proceedings of the Tenth IASTED International Conferenceon Parallel and Distributed Computing and Systems. - 1998. - рр. 541-546.

88. Штовба, С. Д. Муравьиные алгоритмы / С. Д. Штовба // Exponenta Pro. Математика в приложениях. - 2003. - №4. - С. 17-28.

89. Dorigo, M. The Ant System: Optimization by a colony of cooperating agents / M. Dorigo, V. Maniezzo, A. Colorni // IEEE Transactions on Systems, Man and Cybernetics. - 1996. - рр. 29-41.

90. Bernd, B. A new rank based version of the Ant System / B. Bernd, F. Richard, S. Christine // Adaptive Information Systems and Modelling in Economics and Management Science. - 1997. - рр. 29-41.

91. Gambardella, L.M. M. Ant-Q: A Reinforcement Learning Approach to the Traveling Salesman Problem / L.M. Gambardella, M. Dorigo // Twelfth International Conference on Machine Learning, Morgan Kaufmann. - 1995. - рр. 252-260.

92. Gambardella, L.M. Ant Colony System: A Cooperative Learning Approach to the Traveling Salesman Problem / L.M. Gambardella, M. Dorigo // IEEE Transactions on Evolutionary Computation. - 1997. - pp. 53-66.

93. Stutzle, T. MAX-MIN Ant System and local search for the traveling salesman problem / T. Stutzle, H. Hoos // IEEE International Conference on Evolutionary Computation. - 1997. - pp. 309-314.

94. Курейчик, В.М. О некоторых модификациях муравьиного алгоритма / В.М. Курейчик, А.А. Кажаров // Известия ЮФУ. - 2008. - №4(81). - C.5-11.

95. Лебедев, О.Б. Разбиение на основе моделирования адаптивного поведения биологических систем / О.Б. Лебедев, В.М. Курейчик, Б.К. Лебедев // Нейрокомпьютеры: разработка, применение. - 2010. - №2. - С. 28-34.

96. Лебедев, О.Б. Покрытие методом муравьиной колонии / О.Б. Лебедев // Двенадцатая национальная конференция по искусственному интеллекту с международным участием. - 2010. - С. 423-431.

97. Лебедев, Б.К. Построение кратчайших связывающих сетей на основе метода муравьиной колонии / Б.К. Лебедев, В.Б. Лебедев // Нечеткие системы и мягкие вычисления. III Всероссийская научная конференция. - 2009. - С. 42-50.

98. Лебедев, О.Б. Трассировка в канале методом муравьиной колонии / О.Б. Лебедев // Известия ЮФУ. - 2009. - №4. - С. 46-52.

99. Лебедев, О.Б. Моделирование адаптивного поведения муравьиной колонии при поиске решений, интерпретируемых деревьями / О.Б. Лебедев, Б.К. Лебедев // Известия ЮФУ. - 2012. - №7. - С. 27-35.

100. Wolpert, D.H. The no free lunch theorems for optimization / D.H. Wolpert, W.G. Macready // IEEE Trans. evol. comp. - 1997. - рр. 67-82.

101. Wang, X. Hybrid nature-inspired computation method for optimization: Doctoral Dissertation. Helsinki University of Technology, TKK Dissertations, Espoo / X. Wang. - 2009. - 161 p.

102. Ширяев, В.И. Исследование операций и численные методы оптимизации / В.И. Ширяев. - М.: Ленанд, 2017. - 224 c.

103. Galinier, P. Solution techniques for the large set covering problem / P. Galinier, A. Heztz // Discrete applied Mathematics. - 2007. - рр. 76-91.

104. Горелик, В.А. Исследование операций и методы оптибмизации: Учебник / В.А. Горелик. - М.: Academia, 2018. - 384 c.

105. Зыков, А.А. Основы теории графов / А.А. Зыков. - М.: Вузовская книга, 2004. - 664 c.

106. Нечепуренко, М.И. Алгоритмы и программы решения задач на графах и сетях / М.И. Нечепуренко, В.К. Попков, С.М. Майнагашев, С.Б. Кауль, В.А. Проскуряков, В.А. Кохов, А.Б. Грызунов. - Новосибирск: Наука, 1990. - 515 с.

107. Таха, Х. Исследование операций / Х. Таха. - М.: Вильямс, 2019. - 1056

c.

108. Caprara, A. Algorithms for the set covering problem / A. Caprara, M. Fischetti, P. Toth // Operations Research Group. Technical Rep. - 1998. - рр. 820-830.

109. Caprara, A. Modeling and solving the crew rostering problem / A. Caprara, M. Fischetti, P. Toth, D. Vigo // Operations Research Group. Technical Rep. 1998. -рр. 831-842.

110. Закревский, А.Д. Логический синтез каскадных схем / А.Д. Закревский. - М.: Наука, 1981. - 416 с.

111. Brauner, N. Decomposition into parallel work phases with application to the sheet metal industry / N. Brauner, C. Dhaenens-Flipo, M.-L. Espinouse, G. Finke, H. Gavranovic // Proc. of Intern, conf. on industrial engineering and production management. - 1999. - рр. 389-396.

112. Еремеев, А.В. Задача о покрытии множества: сложность, алгоритмы, экспериментальные исследования / А.В. Еремеев, Л.А. Заозерская, А.А. Колоколов // Дискретный анализ и исследование операций. - 2000. - С. 22-46.

113. Caprara, A. Algorithms for the set covering problem / A. Caprara, P. Toth, M. Fischetti // Anals of Operations Research Group. - 2000. - рр. 353-371.

114. Забиняко, Г.И. Реализация алгоритмов решения задачи о покрытии множеств и анализ их эффективности / Г.И. Забиняко // Вычислительные технологии. - 2007. - C. 50-58.

115. Balas E., Ho A. Set covering algorithms using cutting planes, heuristics, and subgradient optimization: a computational study / E. Balas, A. Ho // Math. Program. Study. - 1980. - рр. 37-60.

116. Chvatal, V. A greedy heuristic for the set covering problem / V. Chvatal // Mathematics of Operations Research. - 1979. - pp. 233-235.

117. Пролубников, А.В. Задача о покрытии множества с интервальными весами подмножеств и жадный алгоритм её решения / А.В. Пролубников // Вычислительные технологии. - 2015. - С. 70-84.

118. Нигматуллин, Р.Г. Метод наискорейшего спуска в задачах на покрытие / Р.Г. Нигматуллин // Вопросы точности и эффективности вычислительных алгоритмов. - 1969. - С. 116-126.

119. Нигматуллин Р.Г. Сложность булевых функций / Р.Г. Нигматуллин. -М.: Наука, - 1991. 240 с.

120. Beasley, J.E. A Lagrangian heuristic for set-covering problems / J.E. Beasley // Naval Res. Logist. - 1990. - рр. 151-164.

121. Umetani, S. Relaxation heuristics for the set covering problem / S. Umetani, M. Yagiura // Journal of the Operation Research Society of Japan. - 2007. - №4. - рр. 350-375.

122. Еремеев, А.В. Генетический алгоритм для задачи о покрытии / А.В. Еремеев // Дискретный анализ и исследование операций. - 2000. - №1. - С. 47-60.

123. Beasley, J.E. A genetic algorithm for the set covering problem / J.E. Beasley, P.C. Chu // European J. Oper. Res. - 1996. - рр. 394-404.

124. Нгуен, М.Х. Применение генетического алгоритма для задачи нахождения покрытия множества / М.Х. Нгуен // Труды института системного анализа РАН. - 2008. - С. 206-21.

125. Коновалов, И.С. Применение генетического алгоритма для решения задачи покрытия множеств / И.С. Коновалов, В.А. Фатхи, В.Г. Кобак // Вестник Донского государственного технического университета. - 2016. - №3(86). - С. 125-132.

126. Коновалов, И.С. Сравнительный анализ работы жадного алгоритма Хватала и модифицированной модели Голдберга при решении взвешенной задачи нахождения минимального покрытия множеств / И.С. Коновалов // Труды СКФ МТУСИ. - 2015. - С. 366-370.

127. Есипов, Б.А. Исследование алгоритмов решения обобщенной задачи о минимальном покрытии / Б.А. Есипов, В.В. Муравьев // Известия Самарского научного центра Российской академии наук. - 2014. - №4(2). - С. 137-159.

128. Лебедев, Б.К. Покрытие на основе метода роя частиц / Б.К. Лебедев, В.Б. Лебедев // Сборник научных трудов XIII Всероссийской научно-технической конференции «НЕЙРОИНФОРМАТИКА». - 2011. - C. 93-103.

129. Лебедев, О.Б. Покрытие на основе метода муравьиной колонии / О.Б. Лебедев // Известия ЮФУ. Технические науки. - 2009. - № 12. - С. 33-41.

130. Лебедев, О.Б. Решение задачи покрытия на основе эволюционного моделирования / О.Б Лебедев, В.М. Курейчик, Б.К. Лебедев // Теория и системы управления. - 2009. - №1. - С. 101-116.

131. Lebedev, O.B. A Simulated Evolution-Based Solution of the Cover Problem / O.B. Lebedev, V.M. Kurejchik, B.K. Lebedev // Journal of Computer and Systems Sciences International. - 2009. - №1. - pp. 95-109.

132. Лебедев, О.Б. Покрытие и разбиение на основе метода муравьиной колонии / О.Б. Лебедев, Б.К. Лебедев // Интеллектуальные системы. - 2010, - С. 63-88.

133. Лебедев, О.Б. Покрытие на основе методов роевого интеллекта / О.Б. Лебедев, Б.К. Лебедев // Проблемы разработки перспективных микро- и наноэлектронных систем. Сборник трудов под общ. ред. академика РАН А.Л. Стемпковского. - 2016. - С. 187-193.

134. Lebedev, O.B. Set Covering on the Basis of the ant Algorithm / O.B. Lebedev, B.K. Lebedev, E.M. Lebedeva // Proceedings of IEEE East-West Design&Test Symposium. - 2014. - pp. 305-308.

135. Лебедев, Б.К. Программа решения задачи покрытия на основе методов самоорганизации, самообучения и генетического поиска / Б.К. Лебедев, А.И. Гулькевич, В.М. Курейчик // Свидетельство регистрации программы для ЭВМ. -14.07.2004. - № 2004611687.

136. Beasley J.E. An algorithm for set covering problems / J.E. Beasley // European Oper. Res. - 1987. - рр. 85-93.

137. Balas, E. A dynamic subgradient-based branch-and-bound procedure for set covering / E. Balas, M.C. Carrera // Oper. Res. - 1996. - № 6. - рр. 875-890.

138. Caprara, A. A heuristic method for the set covering problem / A. Caprara, M. Fishetti, P. Toth // Oper. Res. - 1999. - № 5. - рр. 730-743.

139. Курейчик, В.М. Построение минимального связывающего дерева Штейнера на основе метода ветвей и границ / В.М. Курейчик, Б.К. Лебедев // Методы и программы решения оптимизационных задач на графах и сетях. - 1982.

- С. 82-85.

140. Калашников, В.А. Размещение компонент вычислительных структур методом ветвей и границ / В.А. Калашников, Б.К. Лебедев // Электронная техника.

- 1980, - №1(19). - С. 217-287.

141. Kernighan, B. An efficient heuristic procedure for partitioning graphs / B. Kernighan, S. Lin // Bell Syst. Tech. J. - 1970. - pp. 291-307.

142. Youssef, G.S. Fast Effective Heuristics for the Graph Bisectioning Problem / G.S. Youssef, B.R. Vasant // IEEE, Transaction on computer-aided design. - 1990. -№1. - pp. 138-147.

143. Fiduccia, C. A linear time heuristics for improving network partitions / C. Fiduccia, R. Mattheyses // In 19th ACM/IEEE Design automation conference. - 1982. -pp. 175-181.

144. Yeh, C.-W. A general purpose multiple way Partitioning Algorithm / C.-W. Yeh, Ch.-K. Cheng, T.-T. Lin // 28th ACM / IEEE Design Automation Conference. -1991. - pp. 421-425.

145. Cheon, Y. Stable Multiway Circuit Partitioning for ECO / Y. Cheon, S. Lee, M. Wong // IEEE, Transaction on computer-aided design. - 2003. - pp. 425-432.

146. Курейчик, В.В. Двухуровневый алгоритм разбиения графа на части /

B.В. Курейчик, Д.В. Заруба // Известия ЮФУ. Технические науки. -2019. - № 2. -

C. 6-15.

147. Русаков, А.С. Оптимизация алгоритма разбиения гиперграфа с произвольными весами вершин / А.С. Русаков, М.В. Шеблаев // Вычислительные методы и программирование. - 2014. - С. 400-409.

148. Русаков, А.С. Алгоритм декомпозиции электронных схем с ячейками произвольной площади / А.С. Русаков, М.В. Шеблаев // Проблемы разработки

перспективных микро- и наноэлектронных систем. Сборник трудов под общ. ред. академика РАН А.Л. Стемпковского. - 2014. - С. 147-152.

149. Щеглов, С.Н. Исследование алгоритмов автоматизированного проектирования на примере задачи разбиения СБИС / С.Н. Щеглов // Известия ЮФУ. Технические науки. - 2010. - № 7. - C. 74-78.

150. Cong, J. Global Clustering-Based Performance-Driven Circuit Partitioning / J. Cong, C. Wu // Proceeding ISPD. - 2002. - рр. 274-278.

151. Sze, C.N. Multilevel circuit clustering for delay minimization / C.N. Sze, T.C. Wang, L.C. Wang // Computer-Aided Design of Integrated Circuits and Systems. -2004. - рр. 1073-1085.

152. Alpert, C.J. Spectral Partitioning: The More Eigenvectors. The Better / C.J. Alpert, S.-Z. Yao // Proc. ACM/IEEE Design Automation Conf. - 1995. - pp. 195-200.

153. Chan, P.K. Spectral K-Way Ratio Cut Partitioning and Clustering / P.K. Chan, M. Schlag, J. Zien // IEEE Trans, on CAD. - 1997. - pp. 1088-1096.

154. Hagen, L. Fast Spectral Methods for Ratio Cut Partitioning and Clustering / L. Hagen, A.B. Kahng // Proc. IEEE Intl. Conf. on CAD. - 2001. - pp. 10-13.

155. Chang, J.-Y. Faster and Better Spectral Algorithms for Multi-Way Partitioning / J.-Y. Chang, Yu-C. Liu, T.-C. Wang // ASPDAC. - 1999. - pp. 387-396.

156. Данильченко, Е.В. Классификация и анализ эволюционных методов компоновки блоков ЭВА / Е.В. Данильченко, В.И. Данильченко, В.М. Курейчик // Известия ЮФУ. Технические науки. - 2020. - № 2. - С. 179-192.

157. Курейчик, В.М. Метод формирования кластеров задач компоновки / В.М. Курейчик, И.Б. Сафроненкова // Известия ЮФУ. Технические науки. - 2018. - № 4. - С. 66-74.

158. Варламов, О.О. Двухкомпонентный метод автоматической кластеризации задач компоновки конструктивных узлов / О.О. Варламов, В.М. Курейчик, И.Б. Сафроненкова // Международная конференция по мягким вычислениям и измерениям. - 2018. - С. 95-98.

159. Karypis, G. Multilevel hypergraph partitioning: Application in VLSI domain / G. Karypis, R. Aggarwal, V. Kumar, S. Shekhar // IEEE Transactions on VLSI Systems. - 1997. - pp. 526-529.

160. Youssef, S. A new effected and efficient multi-level partitioning algorithm / S. Youssef. - 2000. - pp. 112-116.

161. Баринов, С.В. Компоновка МЭС на основе многоуровневого подхода / С.В. Баринов, Л.А. Гладков // Интегрированные модели и мягкие вычисления в искусственном интеллекте. - 2007. - С. 300-305.

162. Selvakkumaran, N. Multi-Objective Hypergraph Partitioning Algorithms for Cut and Maximum Subdomain Degree Minimization / N. Selvakkumaran, G. Karypis // ICCAD. - 2005. - pр. 82-89.

163. Ababei, C. Multi-objective Circuit Partitioning for Cutsize and Path-Based Delay Minimization / C. Ababei, N. Selvakkumaran, K. Bazargan, G. Karypis // ICCAD. - 2002. - pр. 173-186.

164. Alpert, C. A hybrid multilevel/genetic approach for circuit partitioning / C. Alpert, A. Kahng // Proceedings of the Fifth ACM / SIGDA Physical Design Workshop.

- 2002. - pр. 100-105.

165. Полупанов A.A., Полупанова Е.Е. Обзор современных методов и алгоритмов решения задачи компоновки / A.A. Полупанов, Е.Е. Полупанова // Труды Конгресса по интеллектуальным системам информационным технологиям.

- 2011. - С. 295-301.

166. Chatterjee A., Hartley R. A new simultaneous circuit partitioning and chip placemant approach based on semulated annealing / A. Chatterjee, R. Hartley // Proceedings of design Automation Conference. - 1990. - pр. 36-39.

167. Полупанова, Е.Е. Экспериментальные исследования интегрированного алгоритма компоновки / Е.Е. Полупанова // Известия ЮФУ. Технические науки. -2010. - №4(108). - С. 96-100.

168. Sun, Y. Efficient natural evolution strategies / Y. Sun, D. Wierstra, T. Schaul, J. Schmidhuber // Genetic and Evolutionary Computation Conference. - 2009. -рр. 539-546.

169. Glasmachers, T. Exponential natural evolution strategies / T. Glasmachers, T. Schaul, Y. Sun, D. Wierstra, J. Schmidhuber // Genetic and Evolutionary Computation Conference. - 2010. - рр. 393-400.

170. Мazumder, P. Genetic Algorithm For VLSI Design, Layout & Test Automation / P. Мazumder, E. Rudnick, 2003. - 521 р.

171. Bui T.N. GRCA: A Hybrid Genetic Algorithm for Circuit Ratio-Cut Partitioning / T.N. Bui, B.R. Moon // IEEE Transactions on computer-aided design of integrated circuits and systems. - 1998. - pp. 193-204.

172. Курейчик, В.М. Генетический алгоритм разбиения графа / В.М. Курейчик, В.В. Курейчик // Известия Академии наук. Теория и системы управления. - 1999. - № 5. - С. 79-87.

173. Дуккардт, А.Н. Гибридный генетический алгоритм с элементами антимонопольного развития / А.Н. Дуккардт, Б.К. Лебедев // Известия ТРТУ. -2007. - №1. - С. 86-91.

174. Курейчик, В.В. Эволюционные методы разбиения схем на основе адаптивных генетических процедур: монография / В.В. Курейчик, А.А. Полупанов. - Таганрог: Изд-во ТТИ ЮФУ, 2007. - 160 с.

175. Kahng, A.B. VLSI Physical Design: From Graph Partitioning to Timing Closure / A.B. Kahng, J. Lienig, I.L. Markov, J. Hu. - Springer, 2011. - 310 p.

176. Курейчик, В.В. Биоинспирированный алгоритм разбиения схем при проектировании СБИС / В.В. Курейчик, В.М. Курейчик // Известия ЮФУ. Технические науки. - 2013. - №7(144). - С. 23-29.

177. Лебедев, О.Б. Разбиение на основе поисковой адаптации / О.Б. Лебедев, Б.К. Лебедев // Интеллектуальные системы. - 2005. - С. 234-256.

178. Hinne, M. Cutting Graphs Using Competing Ant Colonies and an Edge Clustering Heuristic / M. Hinne, E. Marchiori // Proceedings of the European

conference on Evolutionary computation in combinatorial optimization. - 2011. - рр. 60-71.

179. Randall, M. Modifications and additions to ant colony optimization to solve the set partitioning problem / M. Randall, A. Lewis // IEEE International Conference on e-Science Workshops. - 2010. - рр. 110-115.

180. Poli, R. Analysis of the publications on the applications of particle swarm optimization / R. Poli // Journal of Artificial Evolution and Applications, 2008. - 10 p.

181. Лебедев, В.Б. Метод пчелиной колонии в комбинаторных задачах на графах / В.Б. Лебедев // Тринадцатая национальная конференция по искусственному интеллекту с международным участием. - 2012. - С. 414-422.

182. Лебедев, О.Б. Разбиение на основе гибридной многоуровневой адаптации / О.Б. Лебедев, Б.К. Лебедев // Интеллектуальные системы. - 2009. - С. 70-86.

183. Лебедев, О.Б. Разбиение на основе многоуровневой параллельной эволюционной адаптации / О.Б. Лебедев, Б.К. Лебедев // Проблемы разработки перспективных микро- и наноэлектронных систем. Сборник научных трудов под ред. А.Л. Стемпковского. - 2008. - С. 36-41.

184. Лебедев, О.Б. Муравьиный алгоритм разбиения / О.Б. Лебедев // Известия ЮФУ. Технические науки. - 2009. - С. 53-59.

185. Лебедев, О.Б. Муравьиные алгоритмы разбиения, использующие представление задачи, отличные от канонического / О.Б. Лебедев, Б.К. Лебедев // Вестник Ростовского государственного университета путей сообщения. - 2016. -С. 42-47.

186. Лебедев, О.Б. Разбиение на основе метода муравьиной колонии / О.Б. Лебедев // Материалы XV Международной конференции по нейрокибернетике. -2009. - С. 102-105.

187. Лебедев, О.Б. Гибридный алгоритм разбиения на основе природных механизмов принятия решений / О.Б. Лебедев, В.М. Курейчик, Б.К. Лебедев // Искусственный интеллект и принятие решений. - 2012. - С. 3-15.

188. Lebedev, O.B. A hybrid partitioning algorithm based on natural mechanisms of decision making / O.B. Lebedev, V.M. Kureichik, B.K. Lebedev // Scientific and Technical Information Processing. - 2012. - pp. 317-327.

189. Лебедев, О.Б. Эволюционное разбиение, основанное на парадигме многошагового разбиения динамически изменяющегося подмножества вершин / О.Б. Лебедев // Труды Международных научно-технических конференций «Интеллектуальные системы» и «Интеллектуальные САПР». - 2008. - С. 182-188.

190. Лебедев, О.Б. Гибридный алгоритм разбиения на основе метода муравьиной колонии и коллективной адаптации / О.Б. Лебедев // Интегрированные модели и мягкие вычисления в искусственном интеллекте. -2009. - С. 620-628.

191. Лебедев, О.Б. Разбиение на основе гибридной многоуровневой адаптации / О.Б. Лебедев, Б.К. Лебедев // Известия ЮФУ. Технические науки. -2008, - №9(86). - С. 52-60.

192. Лебедев, О.Б. Эволюционный алгоритм разбиения на основе символьного представления решения / О.Б. Лебедев, Б.К. Лебедев // Интегрированные модели и мягкие вычисления в искусственном интеллекте. -2007. - С. 421-428.

193. Лебедев, О.Б. Разбиение как процесс эволюционной модификации матрицы смежности / О.Б. Лебедев, Б.К. Лебедев // Известия ЮФУ. Технические науки. - 2007, - №2. - С.39-44.

194. Лебедев О.Б. Эволюционные процедуры разбиения СБИС / О.Б. Лебедев, Б.К. Лебедев // Известия ЮФУ. Технические науки. - 2008, - №4(81). -С. 20-26.

195. Kahng, A.B. Classical Floorplanning Harmful / A.B. Kahng // ISPD. - 2000. - pp. 207-213.

196. Lin, C.-T. GPE: A New Representation for VLSI Floorplan Problem / C.-T. Lin et al. // IEEE International Conference on Computer Design. - 2002. - pp. 42-44.

197. Cheng, L. Floorplan Design For Multi-million Gate FPGAs / L. Cheng, D. Wong // DAC. - 2004. - pp. 292-313.

198. Sengupta, D. Sequence pair based voltage island floorplanning / D. Sengupta et al. // IEEE International Green Computing Conference. - 2011. - pp. 1-6.

199. Nakatake, S. The channeled-BSG: a universal floorplan for simultaneous place/route with IC applications / S. Nakatake et al. // International Conference on Computer-Aided Design. - 1998. - pp. 418-425.

200. Guo, P.N. Floorplanning Using a Tree Representation / P.N. Guo // IEEE Transactions on CAD of Integrated Circuits and Systems. - 2001. - pp. 281-289.

201. Nirmala, R.D.G. Performance Driven VLSI Floorplanning with B Tree Representation Using Differential Evolutionary Algorithm / R.D.G. Nirmala, S. Rajaram // Trends in Network and Communications in Computer and Information Science. - 2011. - pp. 445-456.

202. Wang, R. An Improved P-admissible Floorplan Representation Based on Corner Block List / R. Wang et al // Proceedings of the 2005 Asia and South Pacific Design Automation Conference. - 2005. - pp. 1115-1118.

203. Lin, J.M. A Transitive Closure Graph-Based Representation for Non-Slicing Floorplans / J.M. Lin, Y.W. Chang // IEEE Transactions on Very Large Scale Integration Systems. - 2005. - pp. 288-292.

204. Sassone, T.P.G. A novel geometric algorithm for fast wire-optimized floorplanning / T.P.G. Sassone, S.K. Lim // Proc. Int. Conf. CAD. - 2003. - pp. 74-80.

205. Lai, M. Slicing Tree Is a Complete Floorplan Representation / M. Lai, D.F. Wong // In Proc. DATE. - 2001. - pp. 228-232.

206. Fang, J.P. A Parallel Simulated Annealing Approach for Floorplanning in VLSI / J.P. Fang et al. // Proceedings of the 9th International Conference on Algorithms and Architectures for Parallel Processing. - 2009. - pp. 291-302.

207. Qi, L. Simulated annealing based thermal-aware floorplanning / L. Qi et al. // International Conference on Electronics, Communications and Control. - 2011. - pp. 463-466.

208. Young, F.Y. Slicing floorplans with boundary constraints / F.Y. Young et al. // IEEE Transactions on CAD. - 1999. - pp. 1385-1389.

209. Chen, T.C. A new multilevel framework for large-scale interconnect-driven floorplanning / T.C.Chen, Y.W.Chang, S.C. Lin // IEEE Trans. Comput.-Aided Design Integrat. Circuits Syst. - 2008. - pp. 286-294.

210. He, O. A novel fixed-outline floorplanner with zero deadspace for hierarchical design / O. He, S. Dong, J. Bian, S. Goto, C.K. Cheng // In Proc. Int. Conf. Comput.-Aided Design. - 2008. - pp. 16-23.

211. Singhal, L. Multilayer floorplanning for reconfigurable designs / L. Singhal, E. Bozorgzadeh // IET Comput. Digit. Tech. - 2007. - pp. 276-294.

212. Pritha, B. Floorplanning for Partially Reconfigurable FPGAs / B. Pritha, S. Megha, S.K. Susmita // IEEE Trans. Comput.-Aided Des. Integr. Circuits Sys. - 2011. - pp. 8-17.

213. Ерошенко, И.Н. Методы адаптации генетических алгоритмов к задаче планирования СБИС / И.Н. Ерошенко // Труды конгресса по интеллектуальным системам и информационным технологиям. - 2011. - С. 138-145.

214. Chuan, W.C. Ant Colony Optimization for VLSI Floorplanning with Clustering Constraints / W.C. Chuan // Journal of the Chinese Institute of Industrial Engineers. - 2009. - pp. 440-448.

215. Ерошенко, И.Н. Разработка генетического алгоритма кластерного планирования СБИС / И.Н. Ерошенко // Известия Южного федерального университета. Технические науки. - 2010. - С. 54-60.

216. Lin, C.T. An efficient genetic algorithm for slicing floorplan area optimization / C.T. Lin et al. // Proceedings of the International Symposium on Circuits And Systems. - 2002. - pp. 879-882.

217. Hung, W.L. Thermal-aware floorplanning using genetic algorithms / W.L. Hung // Sixth International Symposium on Quality of Electronic Design. - 2005. - pp. 634-639.

218. Chen, J. A hybrid genetic algorithm for VLSI floorplanning / J. Chen, W. Zhu // IEEE International Conference on Intelligent Computing and Intelligent Systems. - 2010. - pp. 128-132.

219. Shanavas, I.H. Evolutionary Algorithmical Approach for VLSI Floorplanning Problem / I.H. Shanavas et al. // International Journal of Computer Theory and Engineering. - 2009. - pp. 461-464.

220. Лебедев, Б.К. Планирование СБИС на основе эволюционной адаптации / Б.К. Лебедев, В.Б. Лебедев // Известия Южного федерального университета. Технические науки. - 2006. - С. 93-97.

221. Lebedev, O.B. Hybrid evolutionary algorithm of planning VLSI / O.B. Lebedev, Kureichik V.M., B.K .Lebedev // Proceedings of the 12th Annual Genetic and Evolutionary Computation Conference. - 2010. - рр. 821-822.

222. Курейчик, В.М. Планирование сверхбольших интегральных схем на основе интеграции моделей адаптивного поиска / В.М. Курейчик, Б.К. Лебедев, В.Б. Лебедев // Известия РАН. Теория и Системы Управления. - 2013. - № 1. - С. 84-101.

223. Tang, M. A memetic algorithm for VLSI floorplanning / M. Tang, Y. Xin // IEEE Transactions On Systems, Man, And Cybernetics. - 2007. - рр. 432-448.

224. Potti, S. GPGPU Implementation of Parallel Memetic Algorithm for VLSI Floorplanning Problem / S. Potti, S. Pothiraj // Trends in Computer Science, Engineering and Information Technology, Communications in Computer and Information Science. - 2011. - pp. 432-441.

225. Лебедев, Б.К. Планирование на основе роевого интеллекта и генетической эволюции / Б.К. Лебедев, В.Б. Лебедев // Известия Южного федерального университета. Технические науки. - 2009. - С. 25-33.

226. Chen, G. A PSO-based intelligent decision algorithm for VLSI floorplanning / G. Chen et al. // Soft Computing - A Fusion of Foundations, Methodologies and Applications. - 2010. - pp. 1329-1329.

227. Лебедев, Б.К. Размещение на основе метода пчелиной колонии / Б.К. Лебедев, В.Б. Лебедев // Известия Южного федерального университета. Технические науки. - 2010. - С. 12-19.

228. Fang, X. Minimizing wire length in floorplanning / X. Fang, R. Tian, D.F. Wong // IEEE Trans. CAD Integrat. Circuits Syst. - 2006. - pp. 1744-1753.

229. Ma, Q., Multivoltage Floorplan Design / Q. Ma, E.F.Y. Young // IEEE Transactions on Computer-Aided Design of Integrated Circuits and Systems. - 2010. -pp. 607-617.

230. Лебедев, О.Б. Планирование СБИС на основе метода муравьиной колонии / О.Б. Лебедев // Известия Южного федерального университета. Технические науки. - 2010. - №7. - С.67-73.

231. Лебедев, О.Б. Синтез дерева разрезов при планировании на основе метода муравьиной колонии / О.Б. Лебедев // Интегрированные модели и мягкие вычисления в искусственном интеллекте. - 2011. - С. 522-530.

232. Лебедев, О.Б. Биоинспирированные методы планирования кристалла СБИС / О.Б. Лебедев, Б.К. Лебедев // Проблемы разработки перспективных микро- и наноэлектронных систем. Сборник трудов под общ. ред. академика РАН А.Л. Стемпковского. - 2012. - С.171-176.

233. Лебедев, О.Б. Оптимизация методами роевого интеллекта задач, интерпретируемых древовидными структурами / О.Б. Лебедев, Б.К. Лебедев // Тринадцатая национальная конференция по искусственному интеллекту с международным участием. - 2012. - С. 219-227.

234. Лебедев, О.Б. Муравьиная система оптимизации задач, представляемых древовидными структурами данных / О.Б. Лебедев, Б.К. Лебедев // Материалы XVI Международной конференции по нейрокибернетике. - 2012. - С. 117-120.

235. Лебедев, О.Б. Методы, модели и алгоритмы размещения / О.Б. Лебедев, Б.К. Лебедев, В.Б. Лебедев. - Ростов-на-Дону: Изд-во ЮФУ, 2015. - 150 с.

236. Лебедев, О.Б. Методы размещения / О.Б. Лебедев. - Таганрог: Изд-во ТРТУ, 2006. - 108 с.

237. Лебедев, О.Б. Эволюционное размещение разногабаритных элементов на базе опорного плана / О.Б. Лебедев, В.Б. Лебедев // Известия ТРТУ. Тематический выпуск. Интеллектуальные САПР. - 2006. - №8(63) - С. 56-60.

238. Eisenmann, H. Generic Global Placement and Floorplanning / H. Eisenmann, F.M. Johannes // DAC. - 1998. - pp. 269-274.

239. Caldwell, A.E. Can Recursive Bisection Alone Produce Routable Placements / A.E. Caldwell, A.B. Kahng, I.L. Markov // DAC. - 2000. - pp. 477-482.

240. Wang, M. Dragon 2000: Standard-cell Placement Tool for Large Industry Circuits / M. Wang, X. Yang, M. Sarrafzadeh // ICCAD. - 2000. - pp. 260-263.

241. Yildiz, M.C. Improved Cut Sequences for Partitioning Based Placement / M.C. Yildiz, P.H. Madden // DAC. - 2001. - pp. 776-779.

242. Апанович, З.В. Современные стили проектирования и алгоритмы размещения при проектировании СБИС / З.В. Апанович, А.Г. Марчук // Системная информатика. Проблемы современного программирования. - 1997. -C. 260-292.

243. Cong, J. Fast floorplanning by look-ahead enabled recursive bipartitioning / J. Cong, M. Romesis, J.R. Shinned // IEEE Trans. Computer-Aided Design Integrat. Circuits Syst. - 2006. - pp. 1719-1732.

244. Chang, C. Optimality and Scalability Study of Existing Placement Algorithms / C. Chang, J. Cong, M. Romesis, M. Xie // IEEE Trans. Computer-Aided Design. - 2004. - pp. 537-549.

245. Banerjee, P. FPGA placement using space-filling curves: Theory meets practice / P. Banerjee, S. Sur-Kolay, A. Bishnu, S. Das, S.C. Nandy, S. Bhattacharjee // ACM Trans. Embed. Comput. Syst. - 2009. - pp. 1-23.

246 Sechen, C. The Timberwolf placement and routing package / C. Sechen, A. Sangiovanni-Vincentelli // IEEE J. Solid. State Circuits. - 1995. - pp. 510-522.

247. Shahoolkar, K. A genetic approach to standard cell placement / K. Shahoolkar, P. Mazumder // Proceedings of First European Design Automation Conference. - 1999. - pp. 500-511.

248. Лежебоков, А.А. Генетический алгоритм решения задачи размещения элементов СБИС с учетом временных задержек / А.А. Лежебоков // Интегрированные модели и мягкие вычисления в искусственном интеллекте. -2007. - С. 429-436.

249. Adya, S.N. Benchmarking for large-scale placement and beyond / S.N. Adya, M. Yildiz, I.L. Markov, P.G. Villarrubia, P.N. Parakh, P.H. Madden // In Proceedings of the International Symposium on Physical Design. - 2003. - рр. 95-103.

250. Yang, X. Routability Driven White Space Allocation for Fixed-Die Standard-Cell Placement / X. Yang, B.K. Choi, M. Sarrafzadeh // ISPD. - 2002. - pp. 42-50.

251. Caldwell, A.E. VLSI CAD Bookshelf [Электронный ресурс] / A.E. Caldwell, A.B. Kahng, I.L. Markov. - 2000. - Режим доступа: http://vlsicad.eecs.umich.edu/BK.

252. Cheng, C.L. RISA: accurate and efficient placement routability modeling / C.L. Cheng // In Proc. Int. Conf. on Computer Aided Design. - 1994. - pр. 690-695.

253. Lou, J. Estimating routing congestion using probabilistic analysis / J. Lou, S. Thakur, S. Krishnamoorthy, H. Sheng // IEEE Trans. on Computer-Aided Design of Integrated Circuits and Systems. - 2002. - рр. 32-41.

254. Yang, X. Congestion estimation during top-down placement / X. Yang, R. Kastner, M. Sarrafzadeh // IEEE Trans. on Computer-Aided Design of Integrated Circuits and Systems. - 2002. - рр. 72-80.

255. Brenner, U. An effective congestion-driven placement framework / U. Brenner, A. Rohe // IEEE Trans. on Computer-Aided Design of Integrated Circuits and Systems. - 2003. - рр. 387-394.

256. Лебедев, О.Б. Решение задачи размещения на основе эволюционного моделирования / О.Б. Лебедев, В.М. Курейчик, Б.К. Лебедев // Теория и системы управления. - 2007. - №4. - С. 78-90.

257. Lebedev, O.B. A simulated evolution-based solution of the placement problem / O.B. Lebedev, V.M. Kureichik, B.K. Lebedev // Journal of Computer and Systems Sciences International. - 2007. - №4. - pp. 578-589.

258. Mayrhofer, S. Congestion-driven placement using a new multi-partitioning heuristic / S. Mayrhofer, U. Lauther // In Proc. Int. Conf. on Computer Aided Design. -1990. - pр. 332-335.

259. Лебедев О.Б. Эволюционное размещение элементов с учетом ресурсов коммутационного поля / О.Б. Лебедев, Б.К. Лебедев // Известия ТРТУ. Интеллектуальные САПР. - 2005. - №3. - С. 44-50.

260. Chang, C.-C. Multilevel global placement with congestion control / C.-C. Chang, J. Cong, D. Pan, X. Yuan // IEEE Trans. on Computer-Aided Design of Integrated. - 2003. -№4. - pр. 395-409.

261. Hu, B. Congestion minimization during placement without estimation / B. Hu, M. Marek-Sadowska // In Proc. Int. Conf. on Comp.-Aided Design. - 2002. - pр. 739-745.

262. Parakh, P.N. Congestion driven quadratic placement / P.N. Parakh, R.B. Brown, K.A. Sakallah // Proc. Design Automation Conference. - 1998. - pр. 275-278.

263. Yang, X. Routability-driven white space allocation for fixed-die standard-cell placement / X. Yang, B.-K. Choi, M. Sarrafzadeh // IEEE Trans. on Computer-Aided Design of Integrated Circuits and Systems. - 2003. - рр. 410-419.

264. Баринов, С.В. Обзор методов учета временных задержек при логическом синтезе / С.В. Баринов, В.М. Курейчик // Известия ТРТУ. - 2007. -№1(73). - С. 75-77.

265. Лебедев, О.Б. Непрерывная модель учета паразитных помех при трассировке канала / О.Б. Лебедев, Е.А.Зубков // Известия ТРТУ. Тематический выпуск. Интеллектуальные САПР. - 2006. - №8(63). - С. 280-281.

266. Лебедев, О.Б. Моделирование емкостной нагрузки при оценке временных задержек / О.Б. Лебедев, Е.А.Зубков // Известия ТРТУ. Тематический выпуск. Интеллектуальные САПР. - 2007. - №1(73). - С. 128-134.

267. Shantanu, D. A Network-Flow Approach to Timing-Driven Incremental Placement for ASICs / D. Shantanu, R. Huan, Y. Fenghua, S. Vishal // ICCAD. - 2006.

- pp. 375-382.

268. Jackson, M. Performance-driven placement of cell based IC's / M. Jackson, E.S. Kuh // In Proc. Design Automation Conf. - 1989. - pp. 370-375.

269. Srinivasan, A. RITUAL: A performance driven placement for small-cell ICs / A. Srinivasan, K. Chaudhary, E.S. Kuh // In Proc. Int. Conf. on Computer Aided Design. - 1991. - pp. 48-51.

270. Cheng, C.K. Prime: a timingdriven placement tool using a piecewise linear resistive network approach / C.K. Cheng, P.M. Chau // In Proc. Design Automation Conf. - 1993. - pp. 531-536.

271. Dunlop, A.E. Chip layout optimization using critical path weighting / A.E. Dunlop, V.D. Agrawal, D.N. Deutsch, M.F. Jukl, P. Kozak, M. Wiesel // In Proc. Design Automation Conf. - 1984. - pp. 133-136.

272. Nair, R. Generation of performance constraints for layout / R. Nair, C.L. Berman, P. Hauge, E.J. Yoffa // IEEE Trans. on Comp.-Aided Design. - 1989. - pp. 860-874.

273. Tsay, R.S. An analytic net weighting approach for performance optimization in circuit placement / R.S. Tsay, J. Koehl // In Proc. Design Automation Conf. - 1991. -pp. 620-625.

274. Гаврилов, С.В. Разработка и сравнительный анализ методов решения задачи размещения для реконфигурируемых систем на кристалле / С.В. Гаврилов, Д.А. Железников, Р.Ж. Чочаев // Известия высших учебных заведений. Электроника. - 2020. - №1. - С. 48-57.

275. Tetsushi K. A New Performance Driven Placement Method with the Elmore Delay Model for Row Based VLSIs / K. Tetsushi, O. Mitsuhiro. - ACM-SIGDA, 2003.

- 283 p.

276. Xu, J. Sequence-Pair Approach for Rectiliner Module Placement / J. Xu, P.-N. Guo, C.-K. Cheng // IEEE Trans. Computer-Aided Design of Integrated Circuits and Systems. - 1999. - №4. - pp. 204-218.

277. Лебедев, О.Б. Размещение на основе метода муравьиной колонии / О.Б. Лебедев // Труды конгресса по интеллектуальным системам и информационным технологиям. - 2010. - С. 79-86.

278. Курейчик, В.М. Проблема одномерной упаковки элементов / В.М. Курейчик, Р.В. Потарусов // Известия ТРТУ. - 2006. - C. 88-93.

279. Ross, P. Learning a Procedure That Can Solve Hard Bin-Packing Problems: A New GA-Based Approach to Hyper-heurstics / P. Ross, J.G. Marin-Blazquez, S. Schulenburg, E. Hart // Proceeding of the Genetic and Evolutionary Computation Conference. - 2003. - рр. 1295-1306.

280. Levine, J. Ant Colony Optimization and Local Search for Bin Packing and Cutting Stock Problems / J. Levine, F. Ducatelle // Centre for Intelligent Systems and their Applications, School of Informatics. - 2003. - рр. 1-12.

281. Fleszar, K. New Heuristics for One-dimensional Bin-packing / K. Fleszar, K.S. Hindi // Computers & Operations Research. - 2002. - рр. 821-839.

282. Alvim Adriana, C.F. Local search for the bin packing problem / C.F. Alvim Adriana, Fred S. Glover, Celso C. Ribeiro, Dario J. Aloise // Journal of Heuristics. -2004. - рр. 205-229.

283. Лебедев, О.Б. Гибридный биоинспирированный алгоритм формирования линеек стандартных ячеек при проектировании топологии СБИС / О.Б. Лебедев, Б.К. Лебедев // Проблемы разработки перспективных микро- и наноэлектронных систем: под ред. А.Л. Стемпковского. - 2018. - С. 180-187.

284. Лебедев, О.Б. Модифицированный муравьиный алгоритм одномерной упаковки / О.Б. Лебедев, В.Ю. Зорин // Труды конгресса по интеллектуальным системам и информационным технологиям. - 2011. - С. 56-63.

285. Лебедев, О.Б. Гибридизация роевого интеллекта и генетической эволюции на примере размещения [Электронный ресурс] / Б.К. Лебедев, О.Б.

Лебедев, В.Б. Лебедев // Электронный научный журнал: Программные продукты, системы и алгоритмы. - 2017. - №4. - Режим доступа: http://swsys-web.ru/en/hybridization-of-swarm-intelligence-and-genetic-evolution.html.

286. Gao, J.-R. A new global router for modern designs / J.-R. Gao, P.-C. Wu, T.-C. Wang // Proc. Asia South Pacific Des. Autom. Conf. - 2008. - pp. 232-237.

287. Лебедев, Б.К. Глобальная трассировка на основе роевого интеллекта / Б.К. Лебедев, В.Б. Лебедев // Известия ЮФУ. - 2010. - №7. - С. 32-39.

288. Гаврилов, С.В. Решение задач трассировки межсоединений с ресинтезом для реконфигурируемых систем на кристалле / С.В. Гаврилов, Д.А. Железников, В.М. Хватов // Известия вузов. Электроника. - 2017. - №3. - С. 266275.

289. Pan, M. FastRoute 2.0: A high-quality and efficient global router / M. Pan, C. Chu // Proc. Asia South Pacific Des. Autom. Conf. - 2007. - pp. 250-255.

290. Cho, M. BoxRouter: A new global router based on box expansion and progressive ILP / M. Cho, D.Z. Pan // Proc. Des. Autom. Conf. - 2007. - pp. 503-508.

291. Железников, Д.А. Решение задачи трассировки межсоединений для реконфигурируемых систем на кристалле с различными типами коммутационных элементов / Д.А. Железников, М.А. Заплетина, В.М. Хватов // Электронная техника. Серия 3: микроэлектроника. - 2018. - №4(172). - С. 31-36.

292. Лебедев, О.Б. Трассировка в канале на основе коллективной адаптации / О.Б. Лебедев, Б.К. Лебедев // IEEE CAD. - 2005. - С. 58-63.

293. Курейчик, В.М. Генетический алгоритм трассировки в коммутационном блоке / В.М. Курейчик, Б.К. Лебедев // Известия вузов. Электроника. - 2002. - №2. - С. 55-66.

294. Лебедев, Б.К. Метод оптимального распределения ресурсов платы / Б.К. Лебедев // Техническая кибернетика. - 1980. - №1. - С. 217.

295. Лебедев, Б.К. Распределение ресурсов коммутационного поля / Б.К. Лебедев // Автоматизация проектирования электронной аппаратуры. - 1988. - С. 89-92.

296. Liu, L.E. Multilayer chip-level global routing using an efficient graph-based Steiner tree heuristic / L.E. Liu, C. Sechen // IEEE Trans. Comput.-Aided Design Integr. Circuits Syst. - 1997. - pp. 1442-1451.

297. Roy, J.A. High performance routing at the nanometer scale / J.A. Roy, I.L. Markov // Proc. Int. Conf. Comput.-Aided Des. - 2007. - pp. 496-502.

298. Cho, M. BoxRouter 2.0: Architecture and implementation of a hybrid and robust global router / M. Cho, K. Lu, K. Yuan, D.Z. Pan // Proc. Int. Conf. Comput.-Aided Des. - 2007. - pp. 503-508.

299. Ozdal, M.M. Archer: A history-driven global routing algorithm / M.M. Ozdal, M.D.F. Wong // Proc. Int. Conf. Comput.-Aided Des. - 2007. - pp. 488-495.

300. Moffitt, M.D. MaizeRouter: Engineering an effective global router / M.D. Moffitt // Proc. Asia South Pacific Des. Autom. Conf. - 2008. - pp. 226-231.

301. Lee, T.-H. Congestion-Constrained Layer Assignment for Via Minimization in Global Routing / T.-H. Lee, T.-C. Wang // IEEE Trans. Comput.-Aided Design Integr. Circuits Syst. - 2008. - pp. 1643-1656.

302. Лебедев, О.Б. Роевой интеллект на основе интеграции моделей адаптивного поведения муравьиной и пчелиной колоний / О.Б. Лебедев, В.Б. Лебедев // Известия ЮФУ. - 2013. - №7. - С. 41-47.

303.Лебедев, О.Б. Построение дерева Штейнера на основе метода муравьиной колонии / О.Б. Лебедев // Труды конгресса по интеллектуальным системам и информационным технологиям. - 2009. - С. 58-65.

304. Лебедев, О.Б. Глобальная трассировка на основе генетической эволюции / О.Б. Лебедев // Известия ТРТУ. Интеллектуальные САПР. - 2000. - С. 93-102.

305. Лебедев, О.Б. Генетический алгоритм глобальной трассировки на основе иерархических многохромосомных представлений / О.Б. Лебедев, В.Б. Лебедев // Интеллектуальные системы. - 2009. - С. 88-105.

306. Лебедев, О.Б. Глобальная трассировка на основе муравьиного алгоритма / О.Б. Лебедев // Известия ЮФУ. - 2011. - №7. - С. 94-102.

307. Rabaey, J.M. Digital Integrated Circuits: A Design Perspective. 2nd Edition / J.M. Rabaey, A. Chandrakasan, B. Nicolic. - Pearson Education Inc., 2003. - 914 p.

308. Лебедев, О.Б. Многослойная глобальная трассировка методом коллективной адаптации / О.Б. Лебедев, Б.К. Лебедев // Проблемы разработки перспективных микро- и наноэлектронных систем. Сборник трудов под общ. ред. академика РАН А.Л. Стемпковского. - 2012. - С. 251-257.

309. Лебедев, О.Б. Многослойная глобальная трассировка на основе интеграции механизмов коллективной адаптации и адаптивного поведения муравьиной колонии / О.Б. Лебедев // Интеллектуальные системы. - 2013. - С. 6184.

310. Hu, J. A survey on multi-net global routing for integrated circuits / J. Hu, S.S. Sapatnekar // Integration, the VLSI Journal. - 2001. - pp. 1-49.

311. Cong, J. DUNE: A multi-layer gridless routing system with wire planning / J. Cong, J. Fang, K. Khoo // International Symposium on Physical Design. - 2000. -pp. 12-18.

312. Pan, M. Fast route: A step to integrate global routing into placement / M. Pan, C. Chu // In Proceedings of International Conference on Computer Aided Design, IEEE Press. - 2006. -pp. 464-471.

313. Cong, J. MARS - A multilevel full-chip gridless routing system / J. Cong, J. Fang, M. Xie, Y. Zhang // IEEE Trans. Comput.-Aided Design Integr. Syst. - 2005. -pp. 382-394.

314. Kahng, A.B. Highly scalable algorithms for rectilinear and octilinear Steiner trees / A.B. Kahng, I.I. Mandoiu, A.Z. Zelikovsky // In Proceedings of the Asia and South Pacific Design Automation Conference. - 2000. - pp. 827-833.

315. Рыженко, Н.В. Алгоритм построения минимальных связывающих деревьев с дополнительными вершинами (деревьев Штейнера) для случая прямоугольной метрики / Н.В. Рыженко // Труды ИМВС РАН. - 2002. - С. 346357.

316. Лисин, А.В. Эвристический алгоритм поиска приближённого решения задачи Штейнера, основанный на физических аналогиях / А.В. Лисин, Р.Т. Файзуллин // Компьютерная оптика. - 2013. - С. 503-510.

317. Рыженко, Н.В. Задача построения дерева Штейнера для этапа глобальной трассировки / Н.В. Рыженко // Высокопроизводительные вычислительные системы и микропроцессоры. - 2003. - С. 96-105.

318. Заглядин, Г.Г. Алгоритм синтеза множества остовных деревьев для выполнения глобальной трассировки заказных СБИС / Г.Г. Заглядин, И.А. Сырцов, А.В. Школа // Известия высших учебных заведений. Электроника. -2010. - №5(85). - С. 36-40.

319. Yang, Z.-X. Geometry Experiment Algorithm Steiner Minimal Tree Problem / Z.-X. Yang et al. // Journal of Applied Mathematics. - 2013. - рр. 1-10.

320. Rabkin, M. Efficient use of Genetic Algorithms for the Minimal Steiner Tree and Arborescence Problems with applications to VLSI Physical Design / M. Rabkin // Genetic Algorithms and Genetic Programming at Stanford. - 2002. - рр. 195-202.

321. Калашников, Р.С. Экспериментальные исследования комбинированного эвристического алгоритм построения дерева Штейнера основанного на методе эволюционного поиска для этапа глобальной трассировки / Р.С. Калашников // Известия ТРТУ. - 2004. - №3. - C. 45-51.

322. Лебедев, В.Б. Построение связывающих сетей на основе роевого интеллекта и генетической эволюции / В.Б. Лебедев // Сборник научных трудов XIV Всероссийской научно-технической конференции «Нейроинформатика». -2012. - C. 93-103.

323. Tao, H. Obstacle-avoiding rectilinear Steiner minimum tree construction: an optimal approach / H. Tao, F.Y. Evangeline // Proceedings of the International Conference on Computer-Aided Design. - 2010. - рр. 610-613.

324. Полежаев, П.Н. Применение алгоритмов муравьиной колонии в решении задачи Штейнера / П.Н. Полежаев, А.П. Миронов, Р.И. Поляк //

Философские проблемы информационных технологий и киберпространства. -2015. - С. 96-105.

325. Patel, M.K. A hybrid ACO / PSO based algorithm for QoS multicast routing problem / M.K. Patel, M.R. Kabat, C.R. Tripathy // Ain Shams Engineering Journal. -2014. - рр. 113-120.

326. Chu, C.C.N. Fast and accurate rectilinear Steiner minimal tree algorithm for VLSI design / C.C.N. Chu, Y.-C. Wong // Proc. ISPD. - 2005. - pp. 28-35.

327. Лебедев, О.Б. Программа глобальной трассировки на основе иерархических многохромосомных представлений / О.Б. Лебедев, Е.М. Лебедева, О.А. Пурчина // Свидетельство регистрации программы для ЭВМ. - 22.04.2015. -№ 2015614625.

328. Gavrilov, S.V. Post-router performance estimation method for reconfigurable system-on-a-chip / S.V. Gavrilov, D.A. Zheleznikov, V.M. Khvatov, T.V. Garbulina // IEEE Conference of Russian Young Researchers in Electrical and Electronic Engineering (EIConRus). - 2011. - pp. 1804-1808.

329. Лебедев, Б.К. Многоуровневый подход к решению задачи трассировки по всему чипу с использованием модификаций муравьиного алгоритма / Б.К. Лебедев, Е.И. Воронин // Известия ЮФУ. - 2011. - №7. - С. 73-80.

330. Лебедев, О.Б. Дотрассировка (перетрассировка) соединений на основе гибридизации волнового и муравьиного алгоритмов / О.Б. Лебедев // Труды конгресса по интеллектуальным системам и информационным технологиям. -2011. - С. 48-56.

331. Rahmani, A.T. A Genetic Algorithm for Channel Routing Problem / A.T. Rahmani, N. Ono // Proc. 5th Intl. Conf. on Gas. - 1993. - рр. 494-498.

332. Лебедев, Б.К. Процедуры канальной трассировки, на основе гибридизации роевого интеллекта с генетическим поиском / Б.К. Лебедев, В.Б. Лебедев // Проблемы разработки перспективных микро- и наноэлектронных систем под ред. А.Л. Стемпковского. - 2010. - С. 214-220.

333. Лебедев, Б.К. Трассировка на основе метода роя частиц / Б.К. Лебедев, В.Б. Лебедев // Двенадцатая национальная конференция по искусственному интеллекту с международным участием. - 2010. - С. 414-422.

334. Kassabalidis, I. Swarm intelligence for routing in communication networks / I. Kassabalidis, M.A. El-Sharkawi, R.J. Marks, P. Arabshahi, A.A. Gray // Proceeding of the Global Telecommunications Conference, IEEE. - 2001. - pp. 3613-3617.

335. Лебедев, В.Б. Трассировка в канале на основе метода пчелиной колонии / В.Б. Лебедев // Интеллектуальные системы и информационные технологии. - 2011. - C. 7-14.

336. Карпенко, А.П. Ко-гибридизация алгоритмов роя частиц [Электронный ресурс] / А.П. Карпенко, Е.Ю. Воробьева, Е.Ю. Селиверстов // Наука и образование. - 2012. -№4. - Режим доступа: http: //www.technomag.edu.ru/doc/355729. html.

337. Hashimoto, A. Wire routing by optimization channel assignment within large apertures / A. Hashimoto, J. Stevens // Proceedings of the 8th Design Automation Workshop. - 1971. - pp. 155-163.

338. Deutsch, D.N. A dogleg channel routing / D.N. Deutsch // Proc. 13th Design Automation Conf. - 1976. - pp. 372-383.

339. Liu, X. Restrictive Channel Routing with Evolution Programs / X. Liu, A. Sakamoto, T. Shimamoto // Trans. IEICE. - 1993. - pp. 1738-1745.

340. Yoshimura, T. Efficient algoritms for channel routing / T. Yoshimura, E.S. Kuh // IEEE Trans. CAD Integrated Circuits & Syst. - 1982. - рр. 25-35.

341. Tseng, H.P. A Gridlless Multi-layer Channel Router Based on a Combined Constraint Graph and Tile Expansion Approach / H.P. Tseng, K. Sechen // ISPD. -1996. - pp. 210-217.

342. Rivest, R. A greedy channel router / R. Rivest, C. Fiduccia // Proceeding of 19th ACM / IEEE Design Automation Conference. - 1982. - pp. 418-424.

343. Luk, W.K. A greedy switchbox router. Integration / W.K. Luk // The VLSI Journal. - 1985. - pp. 129-149.

344. Burstein, M. Channel routing, Layout Design and Verification / M. Burstein // Elsevier Science. - 1986. - pp. 133-167.

345. Лебедев, О.Б. Эволюционные механизмы трассировки в канале / О.Б. Лебедев, Б.К. Лебедев, В.Б. Лебедев // Известия ЮФУ. Технические науки. -2008. - №9(86). - С. 12-18.

346. OR-Library is collection of test data for a variety of OR problem [Электронный ресурс]. - 2018. - Режим доступа: http://mscmga.ms.ic.ac.uk.

347. Cong, J. Optimality, Scalability and Stability Study of Partitioning and Placement Algorithms / J. Cong, M. Romesis, M. Xie // Proc. of the International Symposium on Physical Design. - 2003. - pp. 88-94.

348. Лебедев, О.Б. Программа для решения задачи покрытия на основе муравьиного алгоритма / О.Б. Лебедев, Б.К. Лебедев, А.А. Шашелов // Свидетельство регистрации программы для ЭВМ. - 2010. - №2010613081.

349. Лебедев, О.Б. Программа разбиения на основе эволюционных процедур и многоуровневой параллельной адаптации / О.Б. Лебедев, Б.К. Лебедев, М.В. Хисамутдинов // Свидетельство регистрации программы для ЭВМ. - 2008. - № 2008614688.

350. Лебедев, О.Б. Программа разбиения на основе эволюционных процедур и символьного представления решения / О.Б. Лебедев, Б.К. Лебедев, М.В. Хисамутдинов // Свидетельство регистрации программы для ЭВМ. - 21.01.2008. -№ 2008610401.

351. Лебедев, О.Б. Программа разбиения на основе гибридных эволюционных процедур / О.Б. Лебедев, Б.К. Лебедев, А.Н. Дуккардт // Свидетельство регистрации программы для ЭВМ. - 17.08.2007. - № 2007613501.

352. Лебедев, О.Б. Программа разбиения на основе муравьиного алгоритма / О.Б. Лебедев, Б.К. Лебедев, Ташланов О.А. // Свидетельство регистрации программы для ЭВМ. - 2013. - № 2013618177.

353. Лебедев, О.Б. Программа разбиения графа муравьиным алгоритмом на подграфы с использованием механизма автоматов адаптации / О.Б. Лебедев, Б.К.

Лебедев, Е.И. Воронин // Свидетельство регистрации программы для ЭВМ. -2010. - № 2010610066.

354. Лебедев, О.Б. Программа для решения задачи разбиения гиперграфа методом моделирования адаптивного поведения колонии муравьев / О.Б. Лебедев, Б.К. Лебедев, А.Н. Нацкевич // Свидетельство регистрации программы для ЭВМ. - 25.01.2017. - № 2017611214.

355. Лебедев, О.Б. Планирование СБИС методом муравьиного дерева / О.Б. Лебедев, Б.К. Лебедев, М.В. Шестаков // Свидетельство регистрации программы для ЭВМ. - 12.01.2015. - № 2015610320.

356. Лебедев, О.Б. Программа размещения элементов СБИС методами эволюционного поиска / О.Б. Лебедев, Б.К. Лебедев, С.А. Степаненко // Свидетельство регистрации программы для ЭВМ. - 17.08.2007. - № 2007613502.

357. Лебедев, О.Б. Программа размещения разногабаритных элементов, базирующаяся на концепции последовательной пары и основанная на моделировании активного поведения муравьиной колонии / О.Б. Лебедев, Б.К. Лебедев, Д.Г. Качуренко // Свидетельство регистрации программы для ЭВМ. -06.09.2013. - № 2013618355.

358. Cong, J. An Area-Optimality Study of Floorplanning / J. Cong, G. Nataneli, M. Romesis, J. Shinnerl // Proc. of the International Symposium on Physical Design. -2004. - pp. 78-83.

359. Cong, J. UCLA Optimality Study Project [Электронный ресурс] / J. Cong, M. Romesis, M. Xie. - 2004. - Режим доступа: http://cadlab.cs.ucla.edu/~pubbench.

360. MCNC Electronic and Information Technologies [Электронный ресурс]. -Режим доступа: Available: www.mcnc.org.

361. hMetis [Электронный ресурс]. - Режим доступа: Available: http://www-users.cs.umn.edu/karypis/metis/ hmet300.

362. HB Floorplan Benchmarks [Электронный ресурс]. - Режим доступа: Available: http://cadlab.cs.ucla.edu/ cpmo/HBsuite.html.

363. Chan, T. An enhanced multilevel algorithm for circuit placement / T. Chan, J. Cong, T. Kong, J. Shinnerl, K. Sze // In Proceedings of the IEEE International Conference on Computer Aided Design. - 2003. - pp. 178-193.

364. CADENCE DESIGN SYSTEMS, INC. QPlace version 5.1.55, compiled on 10/25/1999. Envisia ultra placer reference. - 1999.

365. OR-Library is collection of test data for a variety of OR problem [Электронный ресурс]. - 2020. - Режим доступа: http ://people. brunel .ac.uk/~mastjj b/j eb/info .html.

366. Valerio de Carvalho, J.M. Exact Solution of Bin-packing Problems Using Column Generation and Branch-and-bound / J.M. Valerio de Carvalho // Annals of Operations Research. - 1999. - рр. 629-659.

367. Лебедев, О.Б. Программа многоуровневой трассировки СБИС биоинспирированными методами / О.Б. Лебедев, Б.К. Лебедев, А.А. Шашелов // Свидетельство регистрации программы для ЭВМ. - 2013. -№ 2013618154.

368. Warme, D.M. A new exact algorithm for rectilinear Steiner trees / D.M. Warme // INFORMS Conf. - 1997. - pр. 437-448.

369. Kahng, A.B. RMST-Pack: Rectilinear minimum spanning tree algorithms [Электронный ресурс] / A.B. Kahng, I. Mandoiu. - 2019. - Режим доступа: http://vlsicad.ucsd.edu/GSRC/bookshelf/Slots/RSMT/RMST/.

370. Chen, H. Refined single trunk tree: A rectilinear Steiner tree generator for interconnect prediction / H. Chen, C. Qiao, F. Zhou, C.-K. Cheng // In Proc. ACM Intl. Workshop on System Level Interconnect Prediction. - 2002. - pр. 85-89.

371. Zhou, H. Efficient Steiner tree construction based on spanning graphs / H. Zhou // In Proc. Intl. Symp. on Physical Design. - 2003. - pр. 152-157.

372. Griffith, J. Closing the gap: Near-optimal Steiner trees in polynomial time / J. Griffith, G. Robins, J.S. Salowe, T. Zhang // IEEE Trans. Computer-Aided Design. -1994. - рр. 1351-1365.

373. Chris, C. FLUTE: Fast lookup table based wirelength estimation technique / C. Chris // IEEE ACM Intl. Conf.on Computer-Aided Design. - 2004. - pр. 696-701.

374. Geo Steiner [Электронный ресурс] / Software for computing Steiner trees.

- 2016. - Режим доступа: http://www.diku.dk/geosteiner/.

375. Заглядин, Г.Г. Метод глобальной трассировки цепей субмикронных СБИС с использованием семейства деревьев Штейнера / Г.Г. Заглядин // Проектирование систем-на-кристалле: тенденции развития и проблемы. - 2010. -С. 13-29.

376. Заглядин, Г.Г. Глобальная трассировка заказных СБИС с использованием множества остовных деревьев / Г.Г. Заглядин, И.А. Сырцов // Естественные и технические науки. - 2010. - №4(48). - С. 322-326.

377. Kastner, R. Pattern Routing: Use and Theory for Increasing Predictability and Avoiding Coupling / R. Kastner, E. Bozorgzadeh, M. Sarrafzadeh // IEEE TCAD. -2002. - №21(7). - pp. 777-790.

378. Глушко, A.A. Моделирование технологии изготовления субмикронных КМОП СБИС с помощью систем TCAD / A.A. Глушко, И.А. Родионов, В.В. Макарчук // Технология иконструирование в электронной аппаратуре. - 2007. -№4. - С. 32-34.

379. FGR 1.1. [Электронный ресурс]. - 2016. - Режим доступа: Available: http://vlsicad.eecs.umich.edu/BK/FGR.