自从IC诞生以来，IC芯片的发展基本上遵循了摩尔定律，目前已经突破100nm大关，相应的系统规模的扩大，使得IC物理设计中的很多困难日益NP问题日益棘手。此外IC本身的物理设计能力一直落后同时代的制造工艺能力，于是就造成了下面的这种局面：现有EDA工具难以应付复杂度呈指数增长的诸多VLSI物理设计难题，也缺乏对深亚微米工艺下一系列新问题（如：功率危机、复杂度危机和互连线危机）的考虑。另一方面，在计算智能领域，各种优化技术的蓬勃发展，为解决非NP和NP复杂度的问题提供了方法和启示。本文正是在这样的背景下，基于四川省科技厅基金项目，研究计算智能方法在深亚微米工艺下性能驱动VLSI生产工序中关键环节——物理设计中的应用。在目前IC的工艺条件下，很多VLSI的物理设计中的布线问题（无论是非NP问题、NP完全问题和NP困难问题），由于问题规模的急剧增大，都迫切需要更有效的优化方法来解决。本文我们首先就物理设计中BBL模式下典型的两端绕障碍布线问题，提出了解决不同条件下实际问题的两种模型，即非均匀网格和无网格的两种模型，使问题的复杂度大大下降。然后，介绍了一种兼具生物仿生特性的蚁群和遗传算法特点的进化蚁群算法，并对该算法模仿蚁群的协同学习机制，以及遗传算法的优秀群体中的个体之间信息交换的策略进行了阐述，接着探讨了该算法在总体布线和斯坦纳树问题中的应用。接下来把该算法用于解决两端绕障碍的布局布线问题，同时给出了实验仿真以及在此基础上分析的结果。最后还探讨了两端绕障碍布线问题的模型在多端线网布线问题、总体布线问题以及最小费用问题中应用的可行性问题。