基于遗传算法的组合逻辑电路设计的FPGA实现

基于遗传算法的组合逻辑电路的自动设计,依据给出的真值表,利用遗传算法自动生成符合要求的组合逻辑电路。由于遗传算法本身固有的并行性,采用软件实现的方法在速度上往往受到本质是串行计算的计算机制约,因此采用硬件化设计具有重要的意义。为了证明基于FPGA的遗传算法的高效性,设计了遗传算法的各个模块,实现了基于FPGA的遗传算法。     

量子遗传算法在多输出Reed-Muller逻辑电路最佳极性搜索中的应用

量子遗传算法是一种融合量子计算和遗传算法优点的智能算法,常用于求解组合优化问题.本文给出多输出RM(Reed Muller)逻辑电路最佳极性搜索方案,将量子遗传算法应用到多输出固定极性RM电路逻辑优化中.针对量子遗传算法易陷入局部极值的缺陷,结合群体灾变思想,提出一种基于量子遗传算法的多输出RM逻辑电路最佳极性搜索算法.最后对多个大规模PLA格式基准电路测试表明：该算法与基于遗传算法的最佳极性搜索相比,在优化能力、寻优性能和收敛速度等方面都有不同程度的提高.     

手把手教你学CPLD／FPGA设计（十一）上

组合逻辑电路的设计实验 数字逻辑电路系统按功能的不同,可以分为组合逻辑电路和时序逻辑电路两大类。组合逻辑电路在任意时刻产生的输出只取决于该时刻的输入,而与电路过去的输入无关。常见的组合逻辑电路有数据选择器、编码器、译码器、加法器等。     

三进制编码实现硬件演化方法研究

针对硬件演化在演化算法中采用定长染色体编码结构位串,其编码过长会造成演化速度慢、成本高等缺点,提出基于三进制编码实现演化算法的方法.利用 Matlab 矩阵运算的优势,采用遗传算法实现演化算法,找到最优电路编码矩阵,得到了最佳电路函数表达式.实例反映了三进制编码比定长染色体编码规模小,遗传算法中采用多点定向变异具有收敛速度快等优点,证明了三进制编码演化算法的有效性.     

用Verilog HDL进行FPGA设计的原则与方法

Verilog HDL是目前较流行的一种硬件描述语言,在FPGA设计中有着广泛的应用.本文首先介绍了Verilog HDL语言的特点以及用其进行FPGA硬件开发的原则,然后在熟悉FPGA的硬件结构原理的基础上,遵循FPGA设计流程,以分频器和状态机为例,分别讨论了组合逻辑电路和时序逻辑电路各自的特点及其设计输入方法;最后结合FPGA的硬件特点,分析了将用Verilog HDL语言设计的电路的进行综合与设计优化并最终实现为硬件电路的方法.     

量子概率编码遗传算法及其应用

该文提出了一种基于染色体量子概率编码的遗传算法--QCGA。与传统遗传算法不同,在QCGA中, 单个个体不再表示某一个确定解,而是解的取值概率分布,覆盖整个解空间;各个个体独立并行演化,个体间通过一个新的交叉算子实现演化信息的交换,同时设计了一个新的变异算子以增强算法的局部寻优能力。为了充分考察该算法的有效性和先进性,将其应用于典型函数优化、0-1背包问题和时间序列中频繁结构模式搜索等问题的求解。实验结果表明,与现有同类算法相比,该算法在具有很高搜索效率的同时,仍能维持很高的种群多样性, 因而适用于复杂优化问题的求解。     

可逆逻辑门进化设计方法的CUDA实现

可逆逻辑门优化程度将直接影响可逆逻辑电路的整体优化,目前已有的优化方法难以实现全局最优。文中基于NCV门库,对遗传算法编码方案和适应度进行了改进,并将进化设计方法改造为CUDA架构下的并行算法应用到可逆逻辑门的优化。其不仅发挥了电路进化设计的全局优化能力,且在不增加硬件规模的前提下,明显提高了电路的搜索速度。     

一种基于FPGA的自适应遗传算法

采用了一种适合硬件实现的自适应遗传算法,利用种群的最大适应度fmax﹑最小适应度fmin和适应度平均值fave这3个变量来自适应地控制整个种群的交叉概率pc 和变异概率pm 。选用了适合硬件实现的选择﹑交叉﹑变异算子,并将它们设计成流水线结构, 同时,将选择算子与适应度计算并行化,大大提高了算法的运行效率。整个设计采用了XILINX公司的XC2V1000型号的FPGA芯片。算法利用VHDL语言来描述。实现后的测试表明,这种自适应遗传算法明显改善了算法的搜索性能和全局收敛性,同时利用硬件实现有效减少了运行时间,使其在一些实时性要求较高的场合得到应用成为可能。     

基于Memetic算法的电路演化设计研究

 针对传统演化算法在设计数字逻辑电路时存在的演化速度缓慢和容易陷入局部最优解等问题,设计了一种Cartesian进化编程编码的电路演化Memetic算法,采用遗传算法作为全局搜索方法,并设计了适合电路演化的基本门种类局部搜索策略.通过一位全加器电路证明所提出的Memetic硬件演化算法的搜索能力,实验证明所提出的算法能够有效地完成进化任务,具有较强的全局快速和局部搜索能力.     

基于强化学习和分块并行的演化硬件方法

演化硬件（EvolvableHardware,EHW）是可编程逻辑器件和进化算法的结合,可根据不同演化目标自主动态调整自身电路结构.在演化硬件方法中,由于其自演化特性和上层遗传算法为参数敏感型,面对不同演化对象自适应性较差.同时遗传算法有早熟缺陷,在大型演化目标后期经常无法演化到目标真值表,成功率较低.本文在传统演化硬...