1.一种集成电路设计数据的优化方法，其特征在于，所述集成电路设计数据的优化方法包括：
S1：获取所述集成电路的设计数据，通过所述设计数据获取设计参数，其中，所述设计参数包括全局设计参数及局部设计参数；
S2：通过所述设计数据获取性能指标，并通过神经网络模型描述所述设计参数与所述性能指标的映射关系；
S3：根据所述性能指标得到所述设计数据的优化准则；
S4：根据所述映射关系获取所述优化准则所需的基本数据；
S5：根据所述基本数据并利用多层次种群优化算法迭代优化集成电路设计数据；
所述设计参数与性能指标映射关系的神经网络模型的表达式如下：
P＝g[W2·g(W1·U+b1)+b2]其中，g(·)表示神经网络模型的激活函数，e‑x表示以自然常数e为底的指数函数，P和U分别表示集成电路性能指标和设计参数，W1和b1分别表示神经网络模型中输入层到隐含层的权值矩阵和偏置项，W2和b2表示神经网络模型中隐含层到输出层的权值矩阵和偏置项；
所述步骤S3中：
所述优化准则J的表达式为：
J＝α(G1‑Gdes)2+β(GBW‑GBWdes)2+γ(V‑Vdes)2G1、GBW和V分别表示增益、增益带宽积和输出共模；Gdes、GBWdes和Vdes分别表示期望的增益、增益带宽积和输出共模；α、β和γ分别表示增益、增益带宽积和输出共模的优化权值系数；
所述步骤S5包括以下分步骤：
S501：进入全局优化，初始化所述设计参数，得到全局设计参数的初始化结果；
S502：根据所述全局设计参数的初始化结果，得到第一全局设计参数和第一局部设计参数，固定所述第一局部设计参数，优化所述第一全局设计参数，直到得到第一全局最优设计参数；
S503：进入局部优化，初始化所述第一局部设计参数，得到第二全局设计参数和第二局部设计参数，固定所述第二全局设计参数，优化所述第二局部设计参数，直到得到第二局部最优设计参数；
S504：调整所述局部优化过程中的权值，返回步骤S403，重复优化所述局部设计参数，直到获取到最优的局部设计参数；
S505：根据所述最优的局部设计参数，调整所述全局优化过程中的权值，重复步骤S502‑S504，直到获取最优的全局设计参数。

2.根据权利要求1所述的集成电路设计数据的优化方法，其特征在于，所述步骤S1中：
所述设计数据包括多个集成电路设计案例数据，所述集成电路设计案例数据包括所述设计参数。

3.根据权利要求1所述的集成电路设计数据的优化方法，其特征在于，所述步骤S2中：
所述全局设计参数为输入电流，所述局部设计参数包括NMOS输入晶体管尺寸、PMOS负载尺寸和尾电流源尺寸。

4.根据权利要求1所述的集成电路设计数据的优化方法，其特征在于，所述步骤S2中：
所述设计数据包括多个集成电路设计案例数据，所述集成电路设计案例数据包括所述性能指标。

5.根据权利要求1或4所述的集成电路设计数据的优化方法，其特征在于，所述步骤S2中，所述性能指标包括增益、增益带宽积和输出共模。

6.根据权利要求1所述的集成电路设计数据的优化方法，其特征在于，根据所述全局设计参数的初始化结果和所述局部设计参数的初始化结果得到的所述第一局部设计参数、所述第二局部设计参数、所述第一全局设计参数和所述第二全局设计参数均包括速度参数和位置参数，根据所述速度参数和所述位置参数生成粒子，所述粒子的位置代表搜索的最优解，所述粒子的速度V更新公式为：
Vi,n+1＝wVi,n+c1r1(Pi,n‑Xi,n)+c2r2(G‑Xi,n)所述粒子的位置X更新公式为：
Xi,n+1＝Xi,n+Vi,n+1式中，w是惯性权值；Pi,n是第i个粒子的最优位置；G是整个种群的最优位置；c1和c2为常数；r1和r2是[0,1]中的随机数；Vi,n表示第n代种群的第i个粒子的速度；Xi,n表示第n代种群的第i个粒子的位置。

7.根据权利要求1所述的集成电路设计数据的优化方法，其特征在于，所述局部优化过程中的权值和所述全局优化过程中的权值均包括：
利用权值线性递减策略对所述权值进行更新，所述权值更新公式为：
式中，wmax和wmin代表惯性权值的最大和最小值；Nmax是最大迭代次数，i代表当前的迭代数，w是惯性权值。