基于贪心算法的宏模块布局分析

为芯片上每个模块选择一个好的布图方案,采用合理的布图算法尤为重要.在NP完全理论的基础上,从问题的可计算性与复杂性出发,提出贪心算法的实现原理与实现过程.结合4个有代表性的实例,对该算法进行了实验测试与分析.计算结果对宏模块布局问题具有参考价值.     

基于函数分解的可伸缩宏进化算法

基于函数可分解性提出可伸缩的宏进化算法.宏进化算法以子函数的独立进化为竞争式进化内环,而以子函数间的协调进化为合作式进化外环,算法采用多父本杂交算子.从数学上初步分析了该算法收敛性与函数分解粒度数之间的指数级关系,指出宏进化算法的效率高于传统进化算法.数值仿真与理论分析结果一致,表明宏进化算法的效率主要由函数的分解粒度决定,是一种可伸缩的进化算法,具有实际工程应用价值.     

基于FPGA的宏电路模块生成器

在简要介绍现代IC设计自动化方法的基础上,提出一个小型的适用于FPGA设计的辅助工具——自动宏生成器 该工具能够根据用户的需要快速生成一系列特定于某—FPGA结构的宏,而这些宏能够直接被用作为大型数字电路中的一部分,从而简化设计的难度并提高设计的速度、本文还将论及面向对象技术在EDA(Electronic Design Automation)工具开发中的应用.     

基于函数分解的可伸缩宏进算法

基于函数可分解性提出可伸缩的宏进化算法，宏进化算法以子函数的独立进化为竞争式进化内环，而以子函数间的协调进化为合作式进化外环，算法采用多父本杂交算子，从数学上初步分析了该算法收敛性与函数分解粒度数之间的指数级关系，指出宏观进化算法的效率高于传统进化算法，数值仿真与理论分析结果一致，表明宏进化算法的效率主要由函数的分解粒度决定，是一种可伸缩的进化算法，具有实际工程应用价值。     

关于宏代换函数的分析

举例说明宏代换函数的格式要求及其功能,对宏代换函数在各种应用情况下所出现的结果加以详细的阐述     

一种基于综合目标函数的神经网络学习算法

为提高多层前向神经网络的学习速度和算法的稳定性,提出一种基于综合目标函数的改进学习算法.该算法在误差平方和目标函数中引入一个辅助约束项构成综合目标函数,并利用综合目标函数训练网络的输出层权值,采用牛顿法推导出训练输出层权值的递推公式.辅助约束项隐含有对网络输出平滑性的约束,提高了学习算法的稳定性.利用该算法对不同非线性函数生成的样本数据的学习结果表明,新算法的收敛速度、精度均优于Karayiannis等人的二阶学习算法.     

双目标代价函数自适应均衡算法

为了实现有效的高速通信，色散信道必然引入符号间干扰。克服干扰的有效技术就是均衡。为此，提出了一个双目标代价函数，不同于以前的单目标代价函数。并给出了其实现算法和仿真结果，通过性能比较可以看出建议的准则和算法是有效的。     

一种基于并行模拟退火的FPGA布局算法

随着现场可编程门阵列FPGA容量的迅速增大,用户的设计编译时间也越来越长,其中以布局环节最为耗时.提出了一种基于并行模拟退火的FPGA布局算法DPSA,使用动态的交换次数更新策略.计算结果表明,在4核的实验条件下,DPSA算法比以VPR为代表的串行算法在布局速度上平均提高了2.9倍,布局质量提高了4％,并且加速性能随着CPU核心的增加具有良好的扩展性.另外,由于各线程间采用同步通信的方式,DPSA算法具有确定性的布局结果.     

针对目标的布局启发式算法

为解决二维矩形布局问题，在广泛研究各种启发式方法的基础上，提出了基于目标的启发式算法．该算法在布局开始时确定布局目标，布局过程中综合运用多种策略，让每个局部最优解达到布局目标值，得到稳定的、可靠的全局解；并且简要分析了矩形正交布局的空间分解方法，提出了群组的基本策略以及布局的定序规则和定位规则、实验结果表明，算法具有较强实用性，布局效率提高2％以上．     

双目标代价函数自适应均衡算法

为了实现有效的高速通信,色散信道必然引入符号间干扰,克服干扰的有效技术就是均衡。为此,提出了一 个双目标代价函数,不同于以前的单目标代价函数,并给出了其实现算法和仿真结果,通过性能比较可以看出建议 的准则和算法是有效的。     

基于精确目标罚参数的遗传算法

结合一种精确目标罚函数和遗传算法,提出新的算法;算法能将约束优化问题转化为无约束优化问题,同时具有遗传算法的全局搜索能力,避免陷入局部收敛;给出并讨论了精确罚定理,实验结果表明了算法的有效性.     

一种基于时延和功耗双重优化目标的布局算法

针对标准单元模式的超大规模集成电路布局问题,提出一种新的基于时延和功耗双重优化目标的布局算法.在以优化时延为目标函数的布局结果基础上,进一步降低芯片的功耗特性,并通过算法设计较好地解决了两者优化方向的一致性.通过标准单元测试电路的实验结果表明,该算法在时延及功耗优化方面综合性能良好.     

基于遗传算法的代理服务器位置优化研究

针对传统方法难以快速求得Web服务器代理部署问题的满意解,提出了一种基于遗传算法的求解策略.以图论为基础,构建了代理服务器位置优化模型,从Web服务器到客户构成一个树型结构.遗传算法采用二进制编码表示代理的位置,使用单亲交叉算子和单亲变异算子来提高算法的执行速度和进化效率.算法在时间复杂度方面优于传统方法.仿真结果表明,基于遗传算法的求解方案能快速地求出代理服务器位置优化问题的全局近似最优解,并满足实际Web应用的精度要求.     

基于FF现场总线的功能块组态

功能块是现场总线仪表的核心技术,FF现场总线最大特点就是应用功能块实现全分布式控制,通过功能块的组态实现各种控制策略。文中简介了组态及FF现场总线仪表功能块及其分类、构成和组态实例。目的是掌握好功能块的组态,从而使用好现场总线技术。     

基于遗传优化策略的传感器配置算法

传感器配置是传感器网络研究的核心问题之一.传感器网络配置可以有效布置传感器网络节点、合理覆盖感知数据区域、延长感知区域传感器网络的运行周期,既能够准确地采集感知区域的数据信息,又能够充分管理传感器网络资源.本文提出了在传感区域中一个有效的基于遗传算法策略的的传感器配置算法,算法目标在于优化传感器数量并且确定它们的位置以...     

基于免疫思想遗传算法在FPGA设计中的应用

用生命科学中的免疫思想，指导一种惩罚-修补法来解决遗传算法中的约束问题，并用于解决FPGA设计中的功能模块利用率问题。其仿真结果表明，对于这类约束问题的求解，该算法搜索在全局最优解的收敛速度和精度方面都是可行的、有效的。     

基于目标空间分区的稳态高维多目标进化算法

针对高维多目标优化中Pareto非劣候选解所占比例很大,常用的先考虑收敛性再考虑分布性的多目标进化算法面临选择压力衰减的问题,提出一种先考虑分布性再考虑收敛性的高维多目标进化算法——基于目标空间分区的稳态高维多目标进化算法(SS-OSP).该算法先采用目标空间分区策略将种群按照权重向量分为多个子空间,在每个子空间中按照分解方法中的聚合函数选择个体;然后,考虑到常规的PBI聚合函数的罚参数在进化过程中一直保持不变的情况,提出一种自适应PBI聚合函数;最后,仿真实验结果表明所提出的算法与其他三种算法相比,具有更好的收敛性和分布性.     

一种基于目标函数的局部离群点检测方法

针对传统的基于密度的局部离群点检测算法对原始数据集没有进行预处理导致该算法在面对未知数据集时检测效果不理想,又由于其需要计算每一个数据点的离群因子,在数据量过多时,计算量大大增加的问题,通过对局部离群点检测算法的分析,提出了一种基于目标函数的局部离群点检测方法FOLOF(FCM objective function-based LOF).首先,使用肘部法则确定数据集的最佳聚类个数;然后,通过FCM的目标函数对数据集进行剪枝,得到离群点候选集;最后,利用加权局部离群因子检测算法计算候选集中每个点的离群程度.利用该方法在人工数据集和UCI数据集上进行了相关实验,并与其他相关方法进行了对比,结果显示,该算法能够提高离群点检测精度,减少计算量,有效提高离群点检测性能.