基于云量子进化算法的NoC资源内核测试优化研究

针对片上网络中资源内核数量不断增多,提出了一种基于云量子进化算法优化选取测试端口对资源内核进行并行测试的方法,以降低资源内核测试时间.首先用云模型对量子进化算法进行改进;然后在片上网络测试功耗限制下确定测试端口对数,利用云量子进化算法优化选取最优端口位置,实现对资源内核的并行测试;此方法可以有效地减少测试时间,且网络规模越大效果越好;同时,与量子进化算法相比,云量子进化算法有更好的稳定性.

基于云模型量子进化算法的薄膜微观结构表征

掠入射X射线反射(GIXR)是光学薄膜表征的优选方法,但它需要建立相应的物理模型并采用一定的算法进行拟合求解。针对目前普遍使用的进化算法存在着种群规模大、收敛速度慢和拟合精度差的问题,本文将云模型与量子进化算法相结合,提出了一种基于云模型量子进化算法(CQEA)的薄膜微观结构表征方法,并将该算法应用于Si单层膜和周期极紫外Mo/Si多层膜的表征之中,并将其拟合结果与基于进化算法的拟合结果进行对比。分析表明,CQEA具有种群规模小、收敛速度快和拟合精度高的优势,同时给出的薄膜结构参数值精度更高。相关研究工作体现了CQEA应用于薄膜微观结构表征中的可行性与优越性,为基于GIXR的薄膜微观结构表征提供一种更优选的拟合求解方法。