基于全离散粒子群优化的纳电子MPRM电路面积优化算法

针对具有较多输入数的可编程阵列结构纳电子混合极性Reed-Muller电路的面积优化问题,提出一种全离散粒子群优化算法。通过将粒子速度合并到位置更新方程,充分挖掘粒子群优化中的学习因素得到全离散化的粒子更新方程,在此基础之上设计FDPSO算法,并使用探索概率作为算法参数控制算法全局探索与局部开拓间的平衡。对一组输入数大于20的MCNC电路进行优化的实验结果表明,与其他能够用于可编程阵列结构纳电子混合极性Reed-Muller电路面积优化的智能算法相比,全离散粒子群优化算法具有较强的全局收敛能力和结果稳定性,能够以较高时间效率获得较好的优化结果。