基于视觉强化学习的数字芯片全局布局方法

在数字芯片后端设计中,全局布局需要同时兼顾线长与合法化,是一个组合优化问题。传统的退火算法或者遗传算法耗时且容易陷入局部最优,目前强化学习的解决方案也很少利用布局的整体视觉信息。为此,提出一种融合视觉信息的强化学习方法实现端到端的全局布局。在全局布局中,将电路网表信息映射为多个图像级特征,采用卷积神经网络(convolutional neural network,CNN)和图卷积网络(graph convolutional network,GCN)将图像特征和网表信息相融合,设计了一整套策略网络和价值网络,实现对全局布局的全面分析和优化。在ISPD2005基准电路上进行实验,结果证明设计的网络收敛速度加快7倍左右,布局线长减少10%~32%,重叠率为0%,可为数字芯片全局布局任务提供高效合理的方案。

最优跟踪特殊参考输出的自适应极点配置算法

本文针对确定性系统给出了一种自适应极点配置算法,并证明了算法的全局稳定性和对一类特殊参考输出的最优跟踪性。

电力系统PMU优化配置方法综述

同步相量测量单元(PMU)以全球定位系统(GPS)提供的精确时间为基准,可对电力系统进行实时数据采集,实现各个节点的同步测量。由于经济和技术等方面的原因,每个节点都配置PMU还不能成为现实。介绍了PMU的结构及应用现状,分别从系统可观测性、状态估计、系统同调性和潮流方程直接可解的角度综述了PMU的优化配置方法,并对四种优化配置方法的优缺点进行了总结,从实用的角度对比和分析了四种方法的优劣。

一种鲁棒模型参考自适应控制

针对一类参数未知、具有常值扰动和未建模误差的线性离散系统，此文给出了一种模型参考间接自适应控制算法．该方法在未知系统高频增益符号时，可保证系统的非奇异性．同时，对于上述干扰具有鲁棒性．文中提出的自适应控制器可使闭环系统全局渐近稳定。

具有在线选择加权项的隐式自校正控制器

本文将自校正控制器和零极点配置策略结合起来提出了具有在线选择加权项的两种自校正控制器。采用隐式方式来实现加权项的选择和自校正控制器。本文还证明了这两种控制器具有整体稳定性和收敛性,并给出了仿真实例。

全局收敛的多变量自适应极点配置算法

本文对多变量系统得到间接自适应极点配置算法,把文献[2]的思想推广到多变量情形证明了该算法的全局收敛性。它适用于非最小相位系统和开环不稳定系统,需要的先验知识仅为能控性指数的上确界和能观性指数。

用非常快速模拟重复退火算法实现的模拟电路模块布局(英文)

提出了基于非常快速模拟重复退火算法实现模拟电路模块布局的方法,该算法指数倍地快于传统的Cauchy 或 Bolzmann退火算法.其中使用一个滑行函数将绝对布局问题转化为相对布局问题,这样极大地减少了算法的搜索空间,而不会降低搜索成功率.价值函数根据模拟集成电路固有的特点设计而成,模拟电路设计者可根据电路的具体要求选择合适的网络长度估算器.使用最小steiner树方法的全局布线器与布局器同时工作,减轻了后续细节布线环节的工作量,并保证最后布局结果的可用性.最后,给出了使用该布局方法实现运算放大器的版图事例.

隐式多变量广义自校正控制器

本文提出了具有在线选择加权阵的两种多变量自校正控制器。加权阵的在线选择和自校正控制算法都采用隐式方案来实现。本文还证明了该自校正控制器具有全局收敛性。

考虑观测冗余度最大的0-1线性规划电力系统PMU最优配置

提出一种0-1线性规划PMU优化配置模型。该模型通过求解单目标规划问题实现了PMU设备数量和系统观测冗余度2个目标同时达到最优,简化了计算过程,保证了解的全局最优性。该模型的严谨性得到了严格的数学证明。对118节点、300节点等IEEE标准系统的仿真验证了该模型的有效性。文中PMU优化结果与其它文献结果的对比体现了该模型的优越性。最后将该算法应用于三华电网系统,证明了该模型的实用性。

广义自校正前馈控制算法

本文基于带积分因子的ＣＡＲＩＭＡ模型，将自校正控制策略与极点配置策略有机结合起来，提出了能够在线选择加权项的广义自校正前馈控制算法．该算法由于引入了积分作用能够消除跟踪误差，具有较强的鲁棒性．在非最小相位系统给出了算法的全局收敛性证明．

一类鲁棒自适应极点配置算法

对有界干扰的多变量系统得到间接的自适应控制算法．在没有利用持续激励的条件下，用估计参数的修正策略证明了该算法具有全局收敛性．由于辨识算法引入死区函数从而使算法具有鲁棒性．该算法可用于非最小相位系统和开环不稳定系统．

广义自校正控制器及其在飞行高度控制中的应用

本文将广义最小方差控制与极点配置控制结合起来提出了具有加权项在线选择的广义自校正控制器.该控制器采用最小二乘辨识算法来辨识控制器参数,采用显式方式来实现.本控制器可以保证自适应控制系统的整体稳定性.本文还进行了广义自校正控制器应用于飞行高度控制中的仿真研究.研究结果表明,采用本控制器完全可以适应当飞行条件变化时被控对象参数的变化,从而获得令人满意的控制效果.

全局收敛的鲁棒极点配置自校正控制算法

提出了一种可消除确定性扰动影响的鲁棒极点配置自适应控制器的设计方法。这种方法可以直接获得控制器参数,无需求解Diophantine方程,也不需要辨识多余的辅助参数和进行参数分离,而且根据内模原理可以消除未知确定性扰动的影响,实现对参考输入的稳态无误差跟踪。给出了所提算法的全局收敛性证明,并通过仿真实验验证了算法的有效性。

超大规模集成电路布局的优化模型与算法

布局确定集成电路单元在芯片中的具体位置,在单元互不重叠的基础上优化一些性能指标。该问题是NP困难的组合优化问题,是超大规模集成电路物理设计的核心问题之一,对集成电路的性能指标,如线网可布通性、时延、功耗、电路可靠性等有重大影响。在现代的集成电路设计中,布局问题通常包含数百万个集成电路单元,以及大小相异的异质性模块,和各种复杂的布局约束。目前的超大规模集成电路布局算法通常分解为总体布局、布局合法化和详细布局三个步骤。根据近年来集成电路布局算法的研究进展,综述并分析集成电路的总体布局、布局合法化和详细布局的相关优化模型和算法,并展望进一步的研究方向。

多变量鲁棒自适应极点配置算法

在系统具有一般不确定结构的情况下，提出了一种多变量自适应极点配置算法，解决了多变量自适应极点配置算法的奇异性问题，证明了它的全局收敛性和稳定性．该算法构造了一个估计参数的修正策略，保证估计模型的一致能控性，并且得到能控度的一个下界．所需要的先验知识仅为系统的能观性指数和能控性指数的上界以及干扰上界．

一种带有界噪声的鲁棒非奇异自适应控制

针对具有未知噪声上界的确定性连续时间系统，给出了一种鲁棒非奇异自适应极点配置控制算法．解决了受扰非最小相位系统在自适应控制过程中可能出现的奇异性问题，弱化了控制器对未知受控系统的先验信息需求，给出了ＢＩＢＯ全局渐近稳定性证明．

基于释放和重构的科学工作流数据布局策略

科学工作流是典型的大数据应用,每个任务涉及的数据体量大,分布式环境下移动的网络代价高,良好的数据布局策略对于降低跨数据中心的传输代价、提高科学工作流运行效率至关重要.随着大数据时代来临,科学工作流计算任务涉及到的数据集和数据存储节点增多,使得求解数据布局最优方案变得更加困难.使用传统数据布局策略往往只能得到局部最优方案.为此,提出一种基于释放和重构的数据布局策略,使得在超大规模的解空间中尽快找到更加接近全局最优的数据布局方案.策略首先基于前期研究成果产生初始解,然后通过解的局部释放和重构,对解空间的不同邻域进行搜索,不断提高解的质量.通过实验验证并与传统方法比较,结果显示该数据布局方案数据传输代价更小,性能更好.

一类分阶段传播的广义SIS传染病模型的全局分析与控制

通过构造Liapunov函数,应用微分方程定性理论,得到一类分阶段传播的广义SIS传染病模型的全局稳定性的充分条件.对系统的不稳定情况,通过线性化和极点配置,得到了使系统在无病平衡点处稳定的控制率.最后用数值模拟验证了结论的合理性.

一种新的极点配置鲁棒自适应控制

一种新的极点配置鲁棒自适应控制张天平，冯纯伯（东南大学自动化研究所，南京２１００１８）自Ｒｏｈｒｓ等人［１］提出：如果系统存在未建模动态，那么在理想条件下给出的自适应算法会产生不稳现象以来，自适应控制系统的鲁棒性一直是控制理论研究的中心课题之一．文献...

对模拟退火算法解不均匀性的改善(英文)

模拟退火算法（SA）是一种对复杂的组合问题很有效的最优化算法，例如LSI设计中的布局设计．但模拟退火算法需要很长的执行时间，所以许多的研究者都在研究更快的模拟退火技术．在观察到模拟退火算法得到的结果可能会产生不均匀性，并且在几个简单集成模块布局问题的实验中发现这种不均匀性超过了30％，由此提出了一个改善SA算法结果的方法，称之为TOSA算法．通过对标准布局问题的实验，证明了SA算法结果的不均匀性和TOSA算法的有效性．在应用TOSA算法对8个全局标准布局问题IBM01-IBM02和IBM07-IBM12进行的布局实验中，相较于原始的模拟退火算法，在解的质量上获得了平均40%～7％的改善．