基于云模型的智能驾驶车辆变粒度测评研究

如何通过直观、简单和有效的测评方法,建立一个定性与定量的不确定性测评转换模型,实现智能驾驶车辆的测评研究,已成为智能驾驶车辆研究领域急需面对和解决的一个基本问题,也是一个难题.为了解决这个问题,本文提出一种基于云模型与变粒度的测评方法.首先,提出一套4S变粒度测评体系与三级智商变粒度测评体系;其次,通过云模型将智能驾驶车辆的定性测评转化为直观、形象的定量测评,利用云模型的期望、熵与超熵对智能驾驶车辆进行定量评价,从而建立一个由定性到定量的测评转换模型.为解释这个模型的实施,2013年未来挑战赛的实例被采用.实验的分析表明,在具有定性与定量的测评中,利用云模型的期望、熵与超熵作为定性评价的定量评价的依据,并且,基于云模型与变粒度的智能驾驶车辆的测评能够有效地解决多目标粒度的测评与描述性的定性评价的定量评价,从而解决了一类智能驾驶车辆的测评研究问题.     

应用模拟退火算法建立共面波导结构的等效电路

对中心导带和地渐变的共面波导结构提出了一种简单通用的方法,建立了其等效电路,通过模拟退火算法优化提取了电路参数.将这种方法应用于分析两种周期性共面波导结构,比较了由等效电路模型与实验得出的散射参数,得到了很好的一致性.     

不确定信息下的评估指标权重配置方法

为了解决在数据不确定条件下极大熵权重配置模型找寻最优权重的问题,引入云模型将具有随机性和模糊性的数据转换为定性的数字特征。以此为基础在逼近理想解排序方法架构下定义了正负理想解,基于改进的欧氏距离设计了正负向距离,提出了多评估对象相对能力量化模型,并在极大熵准则下构建了新的权重配置模型,使得评估对象相对能力大小排序的专家知识得到充分运用。通过分析采用了模拟退火算法实现最优指标权重的搜寻,解决了原先算法模型不能应用于非凸优化情形的问题,进而给出科学合理的权重配置方案。仿真实例表明,在多次迭代后找寻到最优权重熵为1.377 7,满足要求,证明了所提算法的有效性。     

用模拟退火算法实现集成电路热布局优化

介绍了一种综合考虑集成电路电学性能指标以及热效应影响的布局优化方法.在保证传统设计目标(如芯片面积、连线长度、延迟等)不被恶化的基础上,通过降低或消除芯片上的热点来优化集成电路芯片的温度分布情况,进而优化整个电路性能.并将改进的模拟退火算法应用于集成电路的热布局优化,模拟结果表明该方法与传统布局方法相比在保持了较好的延迟与连线长度等设计目标的同时,很好地改善了芯片表面的热分配情况.     

光散射模型参量反演中的遗传模拟退火算法

为了研究遗传模拟退火算法在光散射模型参量反演中的迭代搜索性能问题,分别采用遗传模拟退火算法和单一遗传算法迭代搜索了几种介质的双向反射分布函数模型的相关参量.将两种算法的反演结果与在特定激光波长下的双向反射分布函数实验数据进行了对比,通过理论分析和实验验证,取得了两种算法所得到的拟合值,两种拟合值都与实验数据吻合得较好;同时比较了遗传模拟退火算法和单一遗传算法在迭代次数、计算时间和均方误差等之间的差异.结果表明,两种算法在不同介质表面双向反射分布函数模型参量反演时都可以得到满意的结果,且前者优化效果更优.这一结果对研究不同算法的迭代搜索性能是有帮助的.     

用模拟退火算法实现集成电路热布局优化

介绍了一种综合考虑集成电路电学性能指标以及热效应影响的布局优化方法 .在保证传统设计目标 (如芯片面积、连线长度、延迟等 )不被恶化的基础上 ,通过降低或消除芯片上的热点来优化集成电路芯片的温度分布情况 ,进而优化整个电路性能 .并将改进的模拟退火算法应用于集成电路的热布局优化 ,模拟结果表明该方法与传统布局方法相比在保持了较好的延迟与连线长度等设计目标的同时 ,很好地改善了芯片表面的热分配情况     

基于快速模拟退火算法的可切割布图规划方法

为了提高基于经典模拟退火算法的可切割布图规划方法的效率和效果,提出了一种动态改变温度下降比例来实现快速模拟退火算法的可切割布图规划方法,并将提出的方法应用于MCNC基准电路进行测试.实验结果表明该算法可以提高搜索优化解的效率和效果.     

SAGA在软件测试数据自动生成中的应用

总结了测试数据自动生成的通用模型,把模拟退火遗传算法(SAGA)引入模型中作为核心搜索方法,避免了单一遗传算法易陷入局部最优的问题。在算法中,通过实施模拟退火筛选、改进加速适应度函数和控制温度迭代方式达到了模拟退火算法(SA)与遗传算法(GA)的有机融合,并优化了SA的邻域构造方式,加入了遗传算法的最优保留策略,使得算法在收敛效率等方面更加有效。试验证明,该方法是有效的测试数据自动生成方法。     

基于划分的力矢量布局算法

提出了一个全新的基于划分的力矢量布局算法.针对大规模集成电路的布局问题,采用基于并行结群技术的递归划分方法进行分解解决,并结合改进的力矢量算法对划分所得的子电路进行迭代布局优化.通过对MCNC标准单元测试电路的实验,与FengShui布局工具相比,该布局算法在花费稍长一点的时间内获得了平均减少12%布局总线长度的良好效果.     

一种针对QCA电路自动布局布线的混合策略研究

量子元胞自动机（Quantum Cellular Automata,QCA）电路的自动布局布线是在相关约束条件下自动放置电路单元、自动形成连线，实现门级或元胞级电路的设计过程，是QCA电路设计大型化、复杂化和系统化的必要工具.布局布线算法设计过程中最大的难题是如何解决“时钟同步”，随着二维时钟方案提出，该问题的解决方案变得更加策略化，但仍存在诸多缺陷，如成功率低，布局面积较大等.本文将二维时钟方案的布局布线问题抽象成组合优化模型，提出了一种基于遗传算法GA(Genetic Algorithm)和改进A*算法的混合策略.两种算法相互配合搭建可能的电路布局，并通过精心设计的适应度函数，搜索满足时钟同步的个体，最终实现从硬件电路到二维时钟方案上的门级布局.实验结果表明，本算法在目前被广泛应用的二维时钟方案USE(Universal,Scalable and Efficient)上的布局成功率接近100%.相较当前世界上最先进的两个QCA布局布线工具fiction和Ropper，本算法可适用电路规模更大（逻辑门数量大于10），在成功率和生成布局面积上都有大幅度的优化.