基于GA-SA混合算法的VLSI门阵列布局设计

布局是VLSI布图设计中的关键环节,通常采用随机优化算法。该文采用遗传算法(GA)与模拟退火法(SA)相结合的搜索算法实现VLSI门阵列模式布局,利用遗传算法进行全局搜索,模拟退火法进行局部搜索。进化过程中采用精英保留策略,并对进化结果进行有选择的模拟退火操作,这样既加强了局部搜索能力又防止陷入局部最优。在复合布局目标函数中引入对最长线网的惩罚,其收敛速度比以总线长度为单一目标函数的要快。在交叉操作中,对交叉位置的选择采用了一种新的策略,增加了交叉的有效性。实验表明,此算法与简单遗传算法相比,有效地提高了全局搜索能力。

VLSI布局算法研究

文章分类讨论了现有的VLS I布局算法,主要包括对交换法、划分类算法、模拟类算法和数学规划类算法;重点分析了遗传算法在VLS I改善布局中的运用,包括染色体的编码,适应度函数的选择,选择、交叉、变异3种算子的具体选用等。

一种量子神经计算网络模型

量子计算以其独特的计算性能引起广泛瞩目,人们越来越多地探讨它与传统计算模式的结合.研究以通用量子逻辑门组(即相移门和受控非门)作为计算基函数,构造新的量子神经计算网络模型.仿真结果显示,就算例而言,该量子神经计算网络的性能优于传统的神经网络.

基于量子门组单元的神经网络及其应用

以通用量子门组(即相移门和受控非门)作为基本的计算单元,构造出全新的量子神经元模型,并由此组成前馈型结构网络.仿真结果表明,就文中算例而言,该量子神经网络的计算性能优于传统的神经网络.