云EDA彈性調(diào)度算法：分布式仿真任務(wù)的分片與負(fù)載均衡技術(shù)

隨著芯片設(shè)計規(guī)模突破百億晶體管，傳統(tǒng)單機(jī)EDA工具面臨計算資源瓶頸與仿真效率低下的問題。本文提出一種基于云原生架構(gòu)的EDA彈性調(diào)度算法，通過動態(tài)任務(wù)分片與負(fù)載均衡技術(shù)，在AWS云平臺上實現(xiàn)分布式仿真加速。實驗表明，該算法可使大規(guī)模電路仿真時間縮短68%，資源利用率提升至92%，并降低35%的云計算成本。通過結(jié)合Kubernetes容器編排與強(qiáng)化學(xué)習(xí)調(diào)度策略，本文為超大規(guī)模集成電路（VLSI）設(shè)計提供了可擴(kuò)展的云端仿真解決方案。