VLSI布局布线中的模拟退火算法

本文针对VLSI宏单元阵列布局的特点讨论了一般模拟退火算法.在开发专用芯片仿真系统中提出的布局布线程序里,使用了低温段模拟退火和高温段启发式算法相结合的改进的SA算法,可以提高布线质量     

机器鼠走迷宫的优化路径算法及实践

提出了对树型迷宫的优化路径算法,用坐标法解决了“死胡同”的处理和最短路径的判断与选择问题,用PIC16F877单片机完成电路的设计与制作。     

多目标优化的进化优化算法

进化优化算法具有全局优化能力,可以一次性求解多个非劣解。近年来,此类方法已经成为求解多目标优化问题一个重要的研究方向。本文分析了进化优化算法的关键步骤,介绍了几种代表性的多目标进化优化算法,并指出了值得进一步研究的相关问题。     

知识驱动的高维多目标优化算法研究

针对传统的非支配排序在处理高维多目标优化问题过程中,因非支配解数量的指数增长而导致算法没有足够的选择压力的情况,提出了一种知识驱动的高维多目标算法(KD-NSGA-Ⅲ),以提升算法的收敛速度.该算法采用Pareto支配关系来衡量种群的优劣,通过知识引导筛选优势种群,结合参考点选择机制增强种群的多样性和广泛性,同时采用模拟二进制交叉策略和改进的自适应变异策略增强算法的搜索能力.通过对标准测试函数的实验,结果表明:相较于一些经典的多目标优化算法,KD-NSGA-Ⅲ在高维多目标优化问题方面性能改善效果优异,尤其在收敛速度上有显著的提升.     

实用的应用图论算法的单元及通道布线

如何高效节省的进行电路板及芯片的布线,对于提高设计速度减少工作强度具有十分重要的意义。本文给出了一种实用的应用图论算法的单元及通道布线的算法,并采用一种绕线方法成功解决了两层通道布线问题。     

一种自动目标识别算法参数的优化方法

提出了一种基于试验设计方法学的响应曲面模型方法，用于建立算法的性能模型．将一种小群体自组织的遗传算法用于算法参数的优化．遗传算法的改进，使得结构更加合理简单，收敛速度明显加快．实验结果表明，所提出的方法能够随着场景条件的变化较好地调整算法参数，从而有效地提高了算法性能．     

多目标粒子群优化算法研究

在过去的十多年,粒子群算法对多目标优化问题的应用研究取得了较大的进展．本文首先描述多目标粒子群优化算法（MOPSO）的基本流程,然后从算法设计与应用等方面回顾MOPSO的研究进展,最后对该算法未来的研究进行了分析和展望.     

一种以改变目标为策略的改进型三层通道布线算法

本文提出了一种改进型的三层通道布线算法——以改变目标为策略的三层通道布线算法.根据不同的布线问题,分别采用不同的布线方法,即首先从分析布线问题的最大垂直限制链长和最大通道密度出发,当以完成布线所需的通道数为最小作为目标时,采用HVH的三层通道布线算法;当以缩短最大垂直限制链长为目标时,采用HVH_m的布线算法.因此,它综合了曲干布线和直干布线两方面的优点,即不仅充分利用了通道区的空间,而且又一定程度地限制了导通孔数的增加.本算法已用FORTRAN语言编程实现,对引文中已发表的若干布线实例,都获得了较满意的结果.     

集成电路设计中布线问题的模拟退火算法

模拟退火算法是解决组合优化问题－特别是NP完全问题的最有效的算法之一，它通过独特的在一定的概率下接受恶化解的机制，使算法跳离了局部最优的“陷阱”，利用模拟退火能够实现集成电路布线的优化。     

分层多目标优化的区间算法

文章根据分层多目标优化的基本原理,结合区间分析的方法,提出了求解约束分层多目标规划问题的区间算法,克服了传统算法中存在的评价函数选取难和有效解可选性差的缺点,证明了算法的收敛性,给出了数值算例。     

蚁群算法求解迷宫最优路径

提出了基于蚁群算法求解迷宫最优路径的算法。设定两组蚂蚁分别分布在迷宫中距离入口、出口路径长度为尼的前沿位置,根据移动规则,相向爬行。迷宫中各位置记忆蚂蚁信息素量和至迷宫入口、出口的路径长度。蚂蚁爬行至一新位置后,根据当前位置的信息而修改周边位置至入口或出口的路径长度,从而形成一条宽度为3的路径信息带。蚁群在迷宫中爬行使得迷宫中记忆了大量的路径信息,从而容易实现两段路径的拼接,提高了蚂蚁寻找到达目的地最优路径的效率。不同规模迷宫的试验结果显示,该算法是一种求解迷宫最优路径问题的有效解法。     

基于量子遗传算法的多约束QoS路由算法

提出了一种基于量子遗传算法解决多约束QoS路由问题的算法，详细讨论了该算法用于解决包含带宽、延时、包丢失率和最小花费等约束条件在内的多约束QoS路由问题，给出了算法实现的方法和具体流程．实验结果表明，与其他2种算法相比，该算法不但能满足QoS约束要求，同时可以均衡链路负载，很好地优化网络资源．     

一种基于量子遗传算法的多播路由算法

提出了一种基于量子遗传算法QGA（quantum genetic algorithm）解决多播QoS（quality of service）路由问题的算法．介绍了量子遗传算法的基本原理，给出了算法实现的方法和具体流程，并进行了量子遗传算法在多播路由选择优化方面的仿真实验，证明了量子遗传算法优于常规遗传算法．     

改进的WMN的QoS组播路由算法

无线Mesh网络（WMN）是一种新型的网络结构,服务质量（QoS）是影响其网络指标的关键因素,因此对WMN的QoS组播路由算法研究成为了一个新的研究方向．采用粒子群优化（PSO）算法应用到WMN的QoS组播路由,存在易早熟的问题,因而采用DE-PSO算法是差分进化（DE）算法与PSO算法一起进行WMN的组播路径寻优．仿真结果表明,DE-PSO算法相比PSO算法,具有收敛速度快、多样性的特点,而且发现DE-PSO算法提高了算法全局搜索能力,更符合无线通信实际的要求．     

基于遗传算法的Qos的路由算法

目的 为得到求解Qos路由的高效算法。方法利用遗传算法，提出了求解Qos路由的新算法。结果通过三阶段给出了基于遗传算法的Qos的路由算法，分析了该算法的时间复杂度，且通过数值模拟，验证了算法的有效性。结论算法原理简单，鲁棒性强，符合Qos路由的不确定性等特点。     

一种求解最短路径路由的遗传优化算法

将可变长度染色体——路由串和它的基因——节点应用于编码问题，交叉操作，在交叉点进行部分染色体（路由串）交换，变异操作，以维持种群的多样性。使用该算法进行简单操作，可以维护好所有不可行的染色体；交叉操作和变异操作相结合，能保证最优解的搜索能力和解的全局收敛性。实验结果证明，该算法收敛快，可靠性高。     

基于Agent的组播路由算法

现有的路由算法基本上都是利用静态信息 ,这样计算出来的组播树不能反映实际情况 ,具有很大的局限性 .针对此问题 ,本文提出利用Agent技术预先收集、更新网络链路状态信息 ,以便尽可能地反映实际情况 .仿真试验表明效果较好 ,具有较好的实用性     

基于迷宫算法思想的梯形图向AOV图的转换

PLC梯形图语言向AOV图的转换过程中,各顶点的直接前驱元件和直接后继元件的确定最为关键也最为复杂。利用迷宫算法思想来实现AOV图顶点的直接前驱和直接后继顶点扫描。首先从AOV图顶点集合中选出一个元件,并判断顶点的类型,然后利用迷宫算法思想对各种类型顶点进行相应的扫描处理。实例表明,此策略能快速准确地实现梯形图向AOV图的转换;算法直观易懂,实用性及通用性良好。     

Fault-tolerant routing algorithm for network-on-chip based on dynamic XY routing

In order to ensure the reliability of network-on-chip (NoC) under faulty circumstance, a dynamic fault tolerant routing algorithm is proposed. This algorithm can implement detour routing when there are both static and dynamic permanent faults in the network. That means the packet is able to move around the faults to the destination with a non-minimum path. In addition, the multi-level congestion control mechanism gives the algorithm the ability to distribute the load over the whole network and to avoid hotspots around the faults. Simulation results demonstrate the advantage of the proposed routing algorithm in terms of average packet latency and packet loss rate compared with negative-first routing algorithm and DyAD routing algorithm in the presence of permanent faults. For the proposed algorithm, it can get much less average packet latency and lead to less than 20% packet loss rate. Biography: LI Xiaohui (1982–), male, Ph.D. candidate, research direction: SoC design Methodology, NoC design.     

基于蚂蚁算法的通信网络QoS路由方法

对于提供基于QoS服务的通信网络来说，QoS路由是其中一个很关键的因素。本文介绍的基于蚂蚁算法QoS路由就是一个很好的解决方法。此前的一些算法只考虑了时延这一影响，本文的方法则考虑了服务质量的其它一些参数，比如有保证的带宽和最大的延迟等，从而提供更好的服务质量。