突破对称性：使用多级多智能体强化学习进行模拟电路的非常规布局

本研究针对传统模拟电路组件对称布局方法在应对布局依赖效应（LDEs）时的不足，提出了一种基于目标驱动的多级多智能体Q学习框架，以探索模拟布局的非常规设计空间。这一新方法在变异性能上优于现有的布局技术，并且首次将多智能体强化学习应用于模拟布局自动化。