The invention discloses a fitting parameter fitting method and parameter optimization algorithm based on particle swarm system, which includes the parameter fitting method: set domain solution particle swarm particle swarm; set parameters; updating particle swarm; iterative particle swarm based on parameters estimation function to calculate the value of each particle will be estimated; the function value of each particle is compared with the best position in history, the best location update history; on the first set of assessment, determine whether meet the conditions set, the first set of iteration termination solution if it is, will be set as the final result of the first set of solutions; if not, then determine whether you need to update the second set, if it is second set after return to update particle swarm state update step, if not, then return to update the particle swarm state steps. The parameter fitting method can greatly reduce the computational complexity in the process of fitting, thereby reducing the use of parameter fitting method of computing resources and computing time consumed by fitting.
【技术实现步骤摘要】
基于粒子群优化算法的参数拟合方法及参数拟合系统
本申请涉及参数拟合
,更具体地说,涉及一种基于粒子群优化算法的参数拟合方法及参数拟合系统。
技术介绍
随着半导体工艺节点向前推进,芯片设计与制造工艺之间的耦合大大加深。芯片电学特性往往受到工艺条件和版图结构的双重影响,从而造成系统性和随机性的工艺偏差,影响芯片的性能和良率。化学机械抛光(ChemicalMechanicalPolishing,CMP)作为半导体制造中的关键步骤,广泛应用于器件和互连的制造流程中,而CPM后的芯片表面形貌依赖于CMP模型。想要获得比较好的表面形貌,需要对CMP模型中的部分未知参数进行参数拟合。而CMP模型中的部分公式的非线性发生过程的特性使得这些公式在进行参数拟合时需要耗费大量的计算资源和大量的计算时间。目前常用的优化拟合算法有单纯形法、共轭梯度法、牛顿收敛法和最小二乘法。这些算法的共同特点是通过不断的迭代,从局部迭代优化(寻找极大值)向全局迭代(寻找最值),最后从所有的极大值中得到满足精度的最优解(最值)。然而在CMP模型的实际应用过程中,上述传统的优化拟合算法需要经过大量精确迭代,从而耗费了大量的计算资源和大量的计算时间。
技术实现思路
为解决上述技术问题,本专利技术提供了一种基于粒子群优化算法的参数拟合方法及参数拟合系统以实现降低参数拟合过程中耗费的计算资源和计算时间的目的。为实现上述技术目的,本专利技术实施例提供了如下技术方案:一种基于粒子群优化算法的参数拟合方法,包括:设定粒子群的解域范围,所述粒子群由多个粒子构成,所述粒子为待拟合参数;设置粒子群参数,所述粒子群参数 ...
【技术保护点】
一种基于粒子群优化算法的参数拟合方法,其特征在于,包括:设定粒子群的解域范围,所述粒子群由多个粒子构成,所述粒子为待拟合参数;设置粒子群参数,所述粒子群参数包括种群规模、粒子加速度、迭代终止条件和各粒子的权重;更新粒子群状态;根据所述粒子群参数进行迭代,计算各粒子的估测函数值;将每个粒子的估测函数值与历史最好位置进行对比,更新所述历史最好位置,每个粒子更新后的历史最好位置构成第一集合;对所述第一集合进行评估,判断所述第一集合的解集是否满足所述迭代终止条件,如果是,则将所述第一集合的解集作为最终结果;如果否,则判断是否需要对第二集合进行更新,如果是则更新第二集合后返回更新粒子群状态的步骤,如果否,则返回更新粒子群状态的步骤;所述第二集合由粒子群经历过的历史最佳位置构成。
【技术特征摘要】
1.一种基于粒子群优化算法的参数拟合方法,其特征在于,包括:设定粒子群的解域范围,所述粒子群由多个粒子构成,所述粒子为待拟合参数;设置粒子群参数,所述粒子群参数包括种群规模、粒子加速度、迭代终止条件和各粒子的权重;更新粒子群状态;根据所述粒子群参数进行迭代,计算各粒子的估测函数值;将每个粒子的估测函数值与历史最好位置进行对比,更新所述历史最好位置,每个粒子更新后的历史最好位置构成第一集合;对所述第一集合进行评估,判断所述第一集合的解集是否满足所述迭代终止条件,如果是,则将所述第一集合的解集作为最终结果;如果否,则判断是否需要对第二集合进行更新,如果是则更新第二集合后返回更新粒子群状态的步骤,如果否,则返回更新粒子群状态的步骤;所述第二集合由粒子群经历过的历史最佳位置构成。2.根据权利要求1所述的基于粒子群优化算法的参数拟合方法,其特征在于,设定粒子群的解域范围为根据测试数据种类判断粒子群的解域范围。3.根据权利要求1所述的基于粒子群优化算法的参数拟合方法,其特征在于,设置粒子群参数包括:设置粒子群的种群规模、粒子的加速度以及迭代终止条件;计算粒子群中各粒子权重。4.根据权利要求3所述的基于粒子群优化算法的参数拟合方法,其特征在于,计算粒子群中各粒子权重包括:采用相关度最高准则计算粒子群中各粒子权重。5.根据权利要求1所述的基于粒子群优化算法的参数拟合方法,其特征在于,更新粒子群状态包括:设置粒子群的初始位置以及初始速度。6.根据权利要求1所述的基于粒子群优化算法的参数拟合方法,其特征在于,将每个粒子的估测函数值与历史最好位置进行对比,更新所述历史最好位置包括:判断每个粒子的估测函数值是否优于该粒子历史最好位置,如果是,则用该粒子的估测函数值作为该粒子的历史最好位置;如果否,则保...
【专利技术属性】
技术研发人员:罗扬,陈岚,张贺,曹鹤,
申请(专利权)人:中国科学院微电子研究所,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。