Resumen

En los últimos años se han explorado algoritmos de agrupación para resolver problemas de agrupación de puntos críticos en el diseño de circuitos integrados. Con diversas aplicaciones en el flujo de diseño para la fabricación, como la generación de bibliotecas de puntos calientes, la optimización sistemática del rendimiento y la exploración del espacio de diseño, la generación de agrupaciones de buena calidad junto con sus clips representativos es de suma importancia. Con varios algoritmos de agrupación genéricos a nuestra disposición, los hotspots pueden agruparse en función de la métrica de distancia definida mientras se satisfacen algunas condiciones de tolerancia. Sin embargo, los clusters generados a partir de algoritmos genéricos de clustering no tienen por qué alcanzar resultados óptimos. En este artículo, introducimos dos formulaciones óptimas de programación lineal entera basadas en la desigualdad de triángulos para resolver el problema de minimizar el número de conglomerados cumpliendo determinadas restricciones. Además de minimizar el número de conglomerados, generamos clips representativos que representan mejor los conglomerados formados. Logramos un mejor recuento de clústeres para ambas formulaciones en la mayoría de los casos de prueba en comparación con los resultados publicados en la literatura en los puntos de referencia del concurso ICCAD 2016, así como los resultados de referencia reportados en el sitio web del concurso ICCAD 2016.

• Materias:Ingeniería electrónica Redes Inalámbricas Arquitectura informática Sistemas de comunicación Informática Procesamiento de datos
• Subjects:Electronic engineering Wireless Networks Computer architecture Communication systems Computing Data processing
• Palabras claves:recuento de conglomerados, clips representativos, formulaciones óptimas de programación lineal entera, varios algoritmos genéricos de conglomeración, mejor recuento de conglomerados, exploración del espacio de diseño, algoritmos genéricos de conglomeración, conglomerados de buena calidad, generación de bibliotecas de puntos calientes, la mayoría de los casos de prueba
• Keywords:cluster count, representative clips, optimal integer linear programming formulations, several generic clustering algorithms, better cluster count, design space exploration, generic clustering algorithms, good quality clusters, hotspot library generation, most test cases