基于蚁群算法的PCB布线优化

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (9): 226-229.

基于蚁群算法的PCB布线优化

何敏1，周永华2，唐平江2，鲍伟强2

1.广西壮族自治区公安消防总队，南宁 530022
2.广西大学电气工程学院，南宁 530004

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2012-03-21 发布日期:2012-04-11

Method of PCB routing based on Ant Colony Optimization

HE Min1, ZHOU Yonghua2, TANG Pingjiang2, BAO Weiqiang2

1.Guangxi Public Security Fire Department, Nanning 530022, China
2.College of Electrical Engineering, Guangxi University, Nanning 530004, China

Received:1900-01-01 Revised:1900-01-01 Online:2012-03-21 Published:2012-04-11

摘要/Abstract

摘要： 针对蚁群算法在PCB布线上的应用提出改进方案，找出蚁群优化算法闭合环路中最长支路路径，用闭合环路总长度减去这条路径得到非闭合环路最优路径的总长度，对寻优路径重新存储，用探索线段的方式完成从非闭合路径布线到开叉型非闭合路径布线的衍化。实验与仿真结果表明这种新的算法具有一定的有效性。

关键词: 蚁群优化算法, 最优路径, 非闭合路径, 印刷电路板（PCB）布线

Abstract: In view of the application of Ant Colony Optimization in PCB routing, this paper proposes the improved program. It discovers the longest branch way in the closed cycle of Ant Colony Optimization algorithm, uses a total length of closed cycle minus this path to obtain the total length of the non-closed best route, and to storage optimization path, and uses the way of exploring line to complete the evolvement from the non-closed routing to the bifurcate. The experiment and the simulation result indicates this new algorithm has certain validity.

Key words: Ant Colony Optimization, best route, non-closed route, Printed Circuit Board（PCB） routing

何敏1，周永华2，唐平江2，鲍伟强2. 基于蚁群算法的PCB布线优化[J]. 计算机工程与应用, 2012, 48(9): 226-229.

HE Min1, ZHOU Yonghua2, TANG Pingjiang2, BAO Weiqiang2. Method of PCB routing based on Ant Colony Optimization[J]. Computer Engineering and Applications, 2012, 48(9): 226-229.

[1]	张铭，邓文瀚，林娟，钟一文. 改进蚁群优化算法求解折扣{0-1}背包问题[J]. 计算机工程与应用, 2021, 57(13): 85-95.
[2]	张海南，游晓明，刘升，刘中强. 交互式学习的布谷鸟搜索算法[J]. 计算机工程与应用, 2020, 56(7): 147-154.
[3]	薛文艳，赵江，郝崇清，刘慧贤. 基于信息素负反馈的超启发式蚁群优化算法[J]. 计算机工程与应用, 2019, 55(4): 163-172.
[4]	马炫，刘栋，胡家鑫. 求解必经点k条最优路径问题的粒子群优化算法[J]. 计算机工程与应用, 2019, 55(20): 89-94.
[5]	姜道银1，2，葛洪伟1，2. 基于信息交流策略的连续域蚁群优化算法[J]. 计算机工程与应用, 2019, 55(11): 153-159.
[6]	姜道银1，2，葛洪伟1，2，袁罗1. 一种动态划分的混合连续域蚁群优化算法[J]. 计算机工程与应用, 2018, 54(7): 144-151.
[7]	张文元1，丁京祯1，杨丽娜2，杨翔宇1. 室内外一体化最优路径分析算法实现[J]. 计算机工程与应用, 2018, 54(18): 58-65.
[8]	董跃华，周永新. 过必经结点集的选择性排序算法[J]. 计算机工程与应用, 2017, 53(20): 43-49.
[9]	陈恒1，2，李冠宇2，孙云浩2. 重排序RDF流三元组模式的蚁群优化方法[J]. 计算机工程与应用, 2017, 53(12): 172-177.
[10]	高雷阜，张秀丽，王飞. 改进蚁群算法在SVM参数优化研究中的应用[J]. 计算机工程与应用, 2015, 51(13): 139-144.
[11]	金浩1，刘维宁2. 基于改进蚁群算法的梯式轨道多目标优化研究[J]. 计算机工程与应用, 2014, 50(22): 28-31.
[12]	万晓凤，胡伟，方武义，郑博嘉. 基于改进蚁群算法的机器人路径规划研究[J]. 计算机工程与应用, 2014, 50(18): 63-66.
[13]	杨泳，户佐安，何金海. 路径诱导系统中双向启发式A*算法研究[J]. 计算机工程与应用, 2014, 50(16): 54-56.
[14]	徐善健，郭有强，戚晓明，夏伟. 混沌蚂蚁群优化求解自由节点B样条曲线拟合[J]. 计算机工程与应用, 2014, 50(16): 177-182.
[15]	田海梅1，黄楠2. 基于ACO-LSSVM的网络流量预测[J]. 计算机工程与应用, 2014, 50(1): 91-95.