GA-DTPSO算法及其在混合极性XNOR/OR电路面积优化中应用

针对n变量Reed-Muller(RM)逻辑函数具有3n个混合极性,对应着3n个繁简不同展开式的问题,提出一种遗传算法——离散三值粒子群优化(GA-DTPSO)算法对电路面积进行优化.首先根据RM电路的XNOR/OR实现形式,建立混合极性XNOR/OR电路面积优化的数学模型和改进混合极性XNOR/OR电路极性转换方法;然后在遗传算法中引入粒子群算法的搜索机制,结合混合极性的特点提出GA-DTPSO算法;最后利用GA-DTPSO算法进行混合极性XNOR/OR电路面积最佳极性搜索,得到面积最优的XNOR/OR电路.通过对14个MCNC和ISCAS基准电路进行测试的结果表明,该算法能有效地提高混合极性XNOR/OR电路面积优化效果.

基于DTPSO算法的混合极性XNOR/OR电路功耗优化

通过对混合极性XNOR/OR展开式和CMOS电路动态功耗模型的研究,提出一种适合中大规模混合极性XNOR/OR电路的功耗优化算法。首先根据电路的静态逻辑实现形式,建立混合极性XNOR/OR电路功耗估计模型;然后改进快速列表技术以实现XNOR/OR电路的混合极性转换;再结合离散二值粒子群算法和机率转换法则,将离散三值粒子群优化(Discrete Ternary Particle Swarm Optimization,DTPSO)算法应用于混合极性XNOR/OR电路的最佳极性搜索,实现电路低功耗优化;最后对14个PLA格式MCNC Benchmark电路进行测试,结果表明:与已有的方法相比,该优化算法搜索到的混合极性XNOR/OR电路最佳极性,其对应的电路功耗平均节省53.98%,搜索速度得到明显提高。

基于对偶逻辑的混合极性RM电路极性转换和优化方法

针对混合极性RM(Reed-Muller)电路逻辑综合中的极性转换和极性优化问题,提出了基于对偶逻辑的极性转换和极性优化方法.从理论上证明了所提出方法的正确性,并用实验验证了其有效性和可行性.所提出方法有助于将较成熟的MPRM(Mixed-Polarity RM)极性转换和极性优化方法应用于MPDRM(Mixed-Polarity Dual form of RM).对15个基于XOR的MCNC电路进行逻辑综合然后映射到FPGA(Field Programmable Gate Array)的实验结果表明,从平均结果来看,与逻辑综合工具Espresso以及ABC的结果相比,混合极性RM电路能够获得面积和延时的优势,并且MPDRM电路极性优化结果能够得到最为优化的FPGA实现.

基于新型极性转换技术的XNOR/OR电路面积优化

极性转换是Reed-Muller(RM)逻辑电路优化的基本环节,该操作的具体数量随电路规模增长而增加,其速度直接影响整体优化算法的效率。针对RM电路的XNOR/OR实现形式,推导电路面积优化的数学模型;结合当前极性转换算法的优势,提出一种新型极性转换技术;根据新型极性转换的特点,构建适用于较大规模XNOR/OR电路的面积优化算法。实验结果表明,与已有极性转换方法相比,所提新型极性转换技术能明显改善XNOR/OR电路面积优化的效率。

固定极性XNOR/OR电路多目标优化研究

针对于固定极性XNOR/OR电路中多目标优化的问题,本文提出一种基于离散多目标粒子群优化(Discrete Multi-Objective Particle Swarm Optimization, DMOPSO)算法的求解方法。首先根据固定极性XNOR/OR电路的表达式特点,建立面积和功耗模型,构建了多目标决策函数,然后结合极性转换算法和DMOPSO算法,对电路进行最优极性搜索,来获取电路面积和功耗的Pareto最优解集,最后对PLA格式MCNC Benchmark电路进行测试DPSO算法进行实验对比,结果验证了算法的有效性。

基于字级表示的多输出MPRM电路极性转换算法

针对多输出MPRM(Mixed-Polarity Reed-Muller)电路的极性转换问题,提出了使用系数矩阵在字级表示多输出布尔函数及其MPRM,并给出了一种极性转换算法。实验结果表明,与位级表示相比,所提出的基于字级表示的极性转换算法可显著缩短多输出MPRM电路的极性转换时间。

基于M-AFSA的MPRM逻辑电路面积优化

现有基于传统智能优化算法的MPRM电路面积优化算法存在效果差的问题。由于MPRM电路面积优化属于组合优化问题,先提出一种多策略协同进化人工鱼群算法(MAFSA),该算法引入基于反向学习的种群初始化策略,以提高种群多样性及初始种群解的质量;引入觅食与追尾交互性策略,以加强人工鱼个体之间的信息交流、提高所提算法的收敛速度;引入自适应扰动策略,以增加人工鱼个体位置变异的随机性、避免所提算法陷入局部最优。此外,提出一种MPRM逻辑电路面积优化方法,利用所提算法来搜索电路面积最小的最佳极性。基于北卡罗莱纳州微电子中心(MCNC)Benchmark电路的实验结果表明:与遗传算法相比,所提算法优化电路平均面积百分比最高为57.24%,平均为39.57%;与人工鱼群算法相比,所提算法优化电路平均面积百分比最高为33.53%,平均为14.54%;与改进的人工鱼群算法相比,所提算法优化电路平均面积百分比最高为30.25%,平均为13.86%。