障碍约束下的网络开放查找器的研究
作 者：
杨祖亮
摘 要：
本研究基于 ICCAD-2017 CAD 竞赛题，致力于开发自动检测工具，解决电子电路布线中的网络开口与重连问题，聚焦于多层绕障碍物斯坦纳布线。该问题是现代超大规模集成电路设计的核心挑战之一。本论文采用深度学习与强化学习方法，将问题转化为 agent 在环境中寻找“宝藏”（连通整张地图）的任务。研究通过建立实验地图、构建强化学习环境，并训练 agent 学习最优策略。在蒙特卡罗搜索树基础上改进采样算法，结合 DeepQ-Learning 预训练神经网络，agent 通过交互学习不断优化网络性能。最终，训练完成的 agent 可自主实现全图连通。
来 源：
《信息产业报道》 2025-05