基于IWBA算法的三值FPRM电路综合优化

通过对杂草蝙蝠算法(Invasive Weed Bat Algorithm,IWBA)和三值FPRM(FixedPolarity Reed-Muller)电路函数表达式的研究,提出了一种三值FPRM电路延时和面积优化算法。算法首先建立延时估计模型,评估当前极性电路的适应度函数值;然后利用三值极性转换算法,将二值基准测试电路转换为三值FPRM电路;最后利用IWBA算法进行三值FPRM电路延时和面积最佳极性搜索。实验对10个基准电路进行测试,结果表明:相比于蝙蝠算法(Bat Algorithm,BA),延时平均降低14.3%,面积平均节省66.0%。     

基于遗传算法的三值FPRM电路面积优化

三值逻辑函数在不同极性下的固定极性RM (reed-muller)电路实现形式所对应的电路面积不尽相同,通过对多值列表技术的研究,提出一种三值不同逻辑的极性转换算法.首先根据三值FPRM(fixed-polarity reed-muller)固定极性展开式的特点,建立三值FPRM电路面积估计模型;然后由多值列表技术推导出三值格代数积之和展开式到RM逻辑展开式极性转换算法.在此基础上,结合遗传算法,进行三值FPRM面积最佳极性搜索.通过对8个MCNC基准电路测试表明,所提算法搜索到的最佳极性三值FPRM电路,与0极性时相比,面积平均节省达到47.4％.     

基于改进烟花算法的MPRM逻辑电路面积优化

针对现有混合极性(MPRM)逻辑电路面积优化效果较差的问题,提出一种基于改进烟花算法的MPRM逻辑电路面积优化方法 .充分利用烟花算法的爆发性、多样性和分布并行性等优点,通过对高斯变异进行改进,增强了烟花算法搜索MPRM逻辑电路最佳面积极性的性能.基于北卡罗来纳微电子中心基准测试电路的实验结果表明,与基于遗传算法的MPRM逻辑电路面积优化方法相比,平均电路面积减少了44.46%;与基于离散粒子群算法的MPRM逻辑电路面积优化方法相比,平均电路面积减少了34.66%.     

一种新的全局优化搜索算法——人口迁移算法(I)

对函数全局优化和人口迁移的比较研究表明，两者存在相似之处。文中通过模拟人口迁移机制建立了一种新的全局优化搜索算法－人口迁移算法（PMA）。它模拟了人口随经济重心而转移、随人口压力增加而扩散物机制，前者促使算法选择较好的区域搜索，后者可在一定程度上避免陷入局部最优点。数值实验表明了PMA的全局优化能力。     

一种基于Powell法的人口迁移混合算法

为避免人口迁移算法存在收敛速度慢,易陷入局部最优等缺陷,文章提出了一种基于Powell法的人口迁移混合算法.利用Powell法强大的局部优化能力提高算法的优化精度,增强算法的稳定性.实验结果表明,改进后的算法全局搜索能力更强,求解精度更高,性能更稳定.     

闪存控制器中BCH解码器的VLSI设计

为满足闪存控制器中BCH解码器对速度和面积的要求,设计了一种高速小面积BCH(8528,8192,24)解码器,其关键方程电路采用简化的RiBM算法,利用二进制BCH码的特性简化关键方程电路结构和迭代轮数.使用关键方程电路的可折叠特性和逻辑资源复用,对解码器架构进行了面积优化,结果显示:与传统iBM算法相比,电路的关键路径延时减小了约50%,与RiBM算法相比,关键方程迭代轮数减少了1/2,电路资源减少了约1/3;该系统架构能够在保证吞吐率的前提下减小约70%电路面积.     

基于KFDD与进化算法的可逆电路优化算法

为降低由Kronecker功能决策图(Kronecker functional decision diagram,KFDD)综合所得可逆电路的成本,提出一种基于进化算法的可逆电路优化算法.该算法基于遗传算法模型进行设计,分别采用离散值和整型值编码KFDD输入变量的分解类型和顺序,使用所设计的遗传算子,将量子成本作为主要目标、量子位数作为次要目标进行可逆电路的优化.为解决过早收敛问题,该算法在搜索过程的前期阶段利用多个子群搜索解空间中的不同区域,在搜索过程的后期阶段将多个子群合并为整体种群,利用整体种群进行集中搜索.使用基准函数对算法进行验证的结果表明,所提出算法具有较强的全局寻优能力,有较好的结果稳定性,能够降低可逆电路的量子成本.     

一种新的全局优化搜索算法--人口迁移算法(Ⅱ)

用概率论分析了新提出的求解函数全局优化问题的人口迁移算法的收敛性及动态特性。分析结果表明人口迁移算法依概率收敛到全局最优解。以找到问题全局最优解的概率为准则，给出了该算法工作在最坏情形时按迭代次数衡量的收敛速度估计，进而给出了该算法按给定概率收敛时的计算时间复杂性估计，即函数计算次数估计。     

基于改进的GP实现组合逻辑电路的设计研究

由于遗传程序设计是一种随机性很强的全局搜索优化算法,是否能够收敛到全局最优解与初始群体的质量、参数选取、遗传操作及适应值的测试方式等有很大关系。因此,有必要对遗传程序设计进行改进,从而提高其收敛性能。本文主要介绍了遗传程序设计的改进策略以及基于改进的GP实现组合电路的进化设计思想,并且进行了算法性能的改进实验,得到了令人满意的结果。     

基于 SADPSO 的 MPRM 最小化算法

针对混合极性Reed-Muller(mixed-polarity Reed-Muller,MPRM)逻辑最小化问题,提出一种基于SADPSO (hybrid simulated annealing and discrete particle swarm optimization)的智能算法.该算法将模拟退火(simulated anhealing,SA)与离散粒子群优化(discrete particle swarm optimization,DPSO)相结合,对DPSO所得到的最佳解应用SA,帮助算法跳出局部极小.使用所提出算法和已有智能MPRM最小化算法分别对23个MCNC基准电路进行逻辑最小化,并对算法结果质量进行定量评价.结果表明,与已有智能MPRM最小化算法相比,所提出算法具有更好的全局收敛能力,能够提高算法结果质量.