In dieser Arbeit werden neuartige evolutionäre Partitionierungsalgorithmen auf Schaltungsebene vorgestellt, um die Automatisierung des physikalischen VLSI-Designs zu optimieren. Sie geht auf die Einschränkungen traditioneller Partitionierungsmethoden ein, indem sie verbesserte Techniken wie den Modifizierten Genetischen Algorithmus (MGA), die Modifizierte Partikelschwarmoptimierung (MPSO) und einen neuen Graph Cellular Automata (GCA) Ansatz einführt. Diese Algorithmen zielen darauf ab, die Schnittgröße zu minimieren, die Verbindungsverzögerungen zu reduzieren und die Gesamtleistung der...

Cette thèse présente de nouveaux algorithmes de partitionnement évolutif au niveau des circuits pour optimiser l'automatisation de la conception physique VLSI. Elle aborde les limites des méthodes de partitionnement traditionnelles en introduisant des techniques améliorées telles que l'algorithme génétique modifié (MGA), l'optimisation par essaims de particules modifiée (MPSO) et une nouvelle approche d'automates cellulaires graphiques (GCA). Ces algorithmes visent à minimiser la taille des coupes, à réduire les délais d'interconnexion et à améliorer les performances globales...

This book presents novel circuit-level evolutionary partitioning algorithms to optimize VLSI physical design automation. It addresses limitations in traditional partitioning methods by introducing enhanced techniques such as Modified Genetic Algorithm (MGA), Modified Particle Swarm Optimization (MPSO), and a new Graph Cellular Automata (GCA) approach. These algorithms aim to minimize cut size, reduce interconnection delays, and improve overall circuit performance. Experimental validation using ISCAS'85 benchmark circuits confirms the efficiency and superiority of the proposed methods in terms...