基于改进等分节点法的启发式布局算法

针对集成电路标准单元模式的布局问题，提出了一个全新的基于改进等分节点法的启发式标准单元布局算法(TETP)，该算法在优化布局过程中采用改进的等分节点法寻找单元目标位置，同时结合局部寻优的启发式算法，对MCNC(Microelectronics Centre of North-Carolina)标准单元测试电路进行实验。结果表明，与布局工具Timber Wolf7．0和FengShui相比，电路布局的总线长度分别平均减少了16％和17％。     

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.     

基于深度学习的FPGA快速布局算法

本文提出一种新型的基于深度学习的FPGA快速布局算法,将FPGA布局转化为动态的进行逻辑单元块的选择和逻辑单元块位置确定的过程,从而实现电路网表在FPGA上的逐步布局.其中每一个逻辑单元块的位置确定由训练好的深度学习网络预测实现,所有逻辑单元块位置确定之后采用基于交换的快速详细布局算法进行优化.实验中使用MCNC基准电路进行测试,将测试结果与VPR中基于模拟退火的布局算法进行对比,结果表明:在关键路径延时平均9.8%布线后的损失代价下,整个布局过程的运行速度平均提升了24.54倍,其中处理十万量级大规模电路实现64.9倍的速度提升.     

一个有效的时延约束最小代价多播路由算法

基于时延约束多播路由问题考虑链路代价,提出一种新的时延约束最小代价路径(DCM-CA)算法,作为搜寻节点间最短路径的算法;在此基础上又改进了基于代价-时延比率(CDR)函数的有效中心节点选择算法;基于CBT树,应用上述2种算法提出一种基于中心选择的时延约束最小代价多播路由(CS-DCMCMR)算法,该算法在搜寻路径和中心节点选择的问题上同时考虑路径的时延和代价。仿真证明CS-DCMCMR算法的时间复杂度为O(mlogn),与CSDVC算法和CCLDA算法相比,该算法在没有增加复杂度和满足时延及时延抖动约束的条件下,较大程度地减小了最终多播树的总代价。     

静态路由体系结构下的多目标优化研究进展

在实时网络中,路由算法的目标在于找到一条从各自的源到目的节点的符合要求的路径,而路由发现中的路径选择属于典型的最短路径优化问题。优化的目标是一些参数,诸如时延、带宽、代价、跳数等其他与被选路径上链路的某些参数数值之和的度量标准。针对静态路由在因特网上的局域网中大量的被应用的事实,本文给出基于静态路由算法的多目标优化进展,其对于比较和设计及改进静态路由优化算法具有一定的参考价值。     

逻辑综合中关键门的寻找

关键路径一直是电路性能优化的核心问题之一，门的尺寸调整和插入缓冲器是时间优化的重要方法。实际上，电路拓扑图中最长的路径不一定就是关键路径，只有在一定输入下能敏化的最长路径才是关键路径，因此，仅仅按拓扑信息优化最长的路径不一定能真正提高电路的性能，此外，仅仅利用D－算法判断路长敏化有不足之处，本文利用电路拓扑找出超出时间限制的路径，然后利用改进的FAN算法－T－FAN算法，提取关键门－即和电路整体延时有关系的门，为优化指出具体、准确的目标，实验表明，改进的算法在保证优化效果的前提下，能平均减少30％－40％优化对象。     

一种有效的性能驱动布图算法

提出了一种有效的性能驱动布局和布线算法。算法自始至终考虑互连线延时对芯片时间性能的影响，以优化芯片时间性能为主要布图目标，并兼顾布线均匀和连线总长最短。算法利用选定的单元、互连线延时计算模型以及关键路径识别算法对整个芯片进行动态的延时分析，并由此得出线网（亦称互连线）权重信息以指导迭代改善布局和布线，达到优化芯片时间性能的目的。运行实例表明本算法是正确、有效的。     

基于遗传算法的路由选择问题的研究

针对多目标优化问题,应用免疫遗传算法的基本思想,提出了一种求解满足带宽-时延约束多组播路径问题的两层遗传算法。在算法中设计了一种基于节点连接路径的具有树状结构的染色体表示方法及可以实现树状染色体交叉和变异的算子。数值实验结果表明,文中提出的算法可以有效找到多组播路由问题的优化解。     

基于鱼骨型仓库的拣选路径问题优化

为提高鱼骨型仓库布局下的订单拣选效率,基于拣货路径距离计算模型和以最小化拣货路径总距离为优化目标的拣选路径优化模型,提出一种混沌模拟退火粒子群优化算法,引入混沌理论使粒子更高效地遍历搜寻空间,同时结合了模拟退火算法的概率突跳特点使算法在迭代后期仍具有较好的全局寻优能力.最后,通过实例仿真验证了该算法在解决鱼骨型仓库布局拣选路径优化问题上的有效性,并通过与其他算法比较,证明了该算法的先进性,为鱼骨型仓库布局下拣选路径规划问题提供了新的解决思路.     

目标驱动的迷宫布线算法及优化

在传统迷宫算法的基础上,结合电路布线的特点,提出了目标驱动的迷宫布线算法及优化的方法．该方法有效地减少了计算和回溯次数,在提高布线速度和缩短布线路径上均有良好的效果．     

基于混合粒子群算法的农情监测无人机路径规划

用无人机对果树病虫害进行巡航拍摄是有较大潜力的农情监测方法,本文以飞行时间最短为目标,建立了农情监测无人机路径规划的数学模型.结合遗传算法、模拟退火算法的思想,在粒子群算法中引入交叉、变异、替换操作,提出了一种混合粒子群算法来求解无人机路径规划的数学模型.实验表明,无人机路径规划数学模型可以被混合粒子群算法有效求解,且...     

单机排序元胞传输模型在终端区排序中的应用

为缓解终端区航班延误问题,将终端区进场航空器排序过程分为航路飞行排序阶段和汇聚排序阶段,从而降低问题复杂度,结合单机排序算法与元胞传输理论,利用标准雷达引导航线,并结合实际管制经验,建立以系统运行时间最短为目标函数的元胞传输模型;根据航空器对链一体化原则,将等待着陆的航空器分组,并赋予相应的权值,针对航空器对链影响因子的不同进行排序,并结合实例计算得到系统总运行时间,起点处等待时间,最终着陆顺序等。结果分析表明,该优化模型能够反映终端区进场航班的动态特性,给出合理的航空器进场顺序,为终端区进场航班提供路径参考,满足实际的运行需求。     

基于态势感知的滑行路径优化算法

为提高繁忙机场场面运行效率,以优化航空器滑行路径、减少航空器滑行延误时间为目标,通过分析滑行道的运行态势,构建了机场滑行路径优化模型,并提出基于态势感知的滑行路径优化模型求解算法.算例结果表明:基于态势感知的滑行路径优化算法与传统的先到先服务优化算法相比,航空器在整个滑行过程中的总运行时间下降了 5％.可见基于态势感知...     

基于遗传-蚁群优化算法的QoS组播路由算法设计

为了提高网络路由性能,提出并设计了一种基于遗传-蚁群优化算法的QoS组播路由算法。首先,设计了自适应变频采集策略用于采集网络与节点信息,以此获得网络和节点的状态,为后续路由优化提供数据支持;其次,计算路径代价,将路径代价最小作为优化目标,建立QoS组播路由优化模型,并设置相关约束条件;最后,结合遗传算法和蚁群算法提出一种遗传-蚁群优化算法求解上述模型,输出最优路径,完成路由优化。实验结果表明,所提算法可有效降低路径长度与路径代价,提高搜索效率与路由请求成功率,优化后的路由时延抖动较小。     

基于多目标优化的虚拟机部署策略

为解决虚拟机部署过程中对虚拟机性能、资源利用率、负载均衡值等多个目标的优化问题,提出一种基于强化学习的改进部署算法.首先,用多个目标组成的多维奖励代替原来的单一奖励;然后将资源状态、优化目标及目标占比输入所提的预测器中来预测每个部署方案对应的多维奖励值,并通过反馈结果调节不同优化目标的占比以达到动态多目标优化的目的;最后,为了减少部署时间,用改进的均值聚类算法对服务器资源进行聚类加快部署.通过CloudsimPy平台对算法进行验证,结果表明本文算法可以在相同资源下完成更多的虚拟机请求且具有较高的部署成功率和较低的时延消耗.     

面向绿色再制造系统的AGV路径规划研究

为了解决绿色再制造系统中的自动导引运输车(AGV)路径规划问题的问题,提出一种粒子群遗传融合的AGV全局路径优化的自适应算法.该方法集成了遗传算法(GA)和粒子群算法(PSO)二者的优点,为了改善传统PSO-GA融合算法迭代前期寻优速度慢的问题,引入了自适应惯性权重;为了提高算法进入迭代后期的收敛精度,提出了一种双重交叉变异策略,使得改进的PSO-GA融合算法比传统的PSO-GA融合算法搜索能力更强,进化速度更快,收敛精度更高.为了验证改进后算法的优越性,采用栅格法模拟自动导引运输车运行环境并通过MATLAB对标准粒子群、遗传、传统的PSO-GA融合、改进PSO-GA融合四种算法解决路径优化问题进行试验对比,结果证明了改进后的PSO-GA算法的可行性和有效性.