层次化方法在当前VLSI布图中被广泛采用,以应对集成电路规模的不断扩大。随着超大规模集成电路工艺的不断发展,热问题在集成电路设计中中凸显出来。本文对大规模集成电路物理设计中的布图/布局算法进行了研究,包括模拟退火算法,聚类,划分等算法,并研究了高斯—塞德尔迭代算法用于快速求解热模型。采用不同的功率密度的聚类方法和一种高效的层次化迭代热模型来进行布图优化。它能有效的减少热点,同时优化芯片面积和互连线长等。增量式的高斯—塞德尔热模型可以高效估计芯片热效应。用GSRC T2测试集进行了实验,结果表明本文提出的功率密度聚类方法,对热进行了很好的控制,使芯片上热点的最大温度下降。另外实验结果同时显示贪婪平衡聚类在效果和稳定性方面优于其它两种策略。增量式热模型的迭代次数逼近逆矩阵计算热模型方法的1/5。本文的研究贡献包括如下:·采用功率密度的聚类来保证热模型的全局最优,修正热模型以避免聚类模块间的热点以适应层次化的热模型。·高斯—塞德尔迭代松弛迭代方法被引入到层次化的热模型中,可调控的求解精度,是一种有效的减少迭代次数,加速收敛速度算法。特别是高斯—塞德尔迭代适合增量式的温度更新,本文的方法接近是逆矩阵求解法迭代次数的1/5。通过功率密度的聚类和层次化热模型,模块最高温度得到了下降,逼近所有模块的平均温度。增量式的热模型是一种有效方法,高斯—塞德尔迭代次数逼近逆矩阵求解迭代次数的1/5。将来的工作是如何加速热模型求解速度,将层次化的热模型应用到最小割的划分布图/布局中去。