基于整体退火遗传算法的低功耗极性转换

针对n变量逻辑函数在不同极性下所对应REED-MULLER(RM)电路功耗和面积不问的特点,对信号几率传递算法、多输入XOR/AND(异或/与)门的低功耗分解算法和多成份极性转换算法进行了深入研究,成功地将整体退火遗传算法(whole annealing genetic algorithm,WAGA)应用于RM电路最佳极件的搜索.通过对8个MCNC Benchmark测试表明,算法搜索到的最佳极性,其所对应RM电路的SYNOPSYS综合结果,与极性0时相比,功耗、面积和最大延时的平均节省分别达到了77.2%,62.4%和9.2%.     

基于遗传算法的DFRM极性转换

n变量的逻辑函数具有2n个固定极性,而每个极性对应不同的DFRM(Dual Forms of Reed-Muller)逻辑展开式,因此极性直接影响着DFRM电路的面积和功耗.通过对DFRM逻辑展开式和极性转换算法的研究,本文成功地将遗传算法应用于DFRM逻辑电路最佳极性的搜索.对10个较大规模的MCNC Benchmark电路测试表明,所提算法搜索到的最佳极性相对应的DFRM电路,与极性0时的DFRM电路相比,面积和功耗的平均节省分别达到了75.0%和65.2%.     

基于XNOR/OR逻辑的低功耗最佳极性搜索

 本文通过对XNOR/OR逻辑表达式、信号概率传递算法和极性转换算法的研究,提出了一种基于XNOR/OR逻辑的低功耗最佳极性搜索算法.由于算法所用的成本函数包含功耗和面积两方面因素,因此能实现功耗和面积的同时优化.通过对10个MCNC Benchmark电路的测试表明,算法对最佳极性的搜索相当有效:与极性0时的XNOR/OR电路相比,算法搜索到的最佳极性所对应的电路,功耗和面积平均节省分别达到68.4％和34.2％.     

基于PSGA算法的ISFPRM电路面积与功耗优化

包含r个无关项的ISFPRM(Incompletely Specified Fixed Polarity Reed-Muller)电路有2^r种不同的无关项取舍,其对应的FPRM(Fixed Polarity Reed-Muller)电路结构、面积与功耗不尽相同.因此本文提出一种基于PSGA(Genetic Algorithm Based on Predatory Search Strategy)算法的ISFPRM电路面积与功耗优化算法:首先,通过对ISFPRM展开式以及快速列表技术的透析,归纳出不同无关项取舍的ISFPRM展开式极性转换方法,得到对应的FPRM展开式;然后,估算FPRM电路的面积与功耗;最后,利用PSGA算法搜索最佳无关项取舍.实验表明,该算法与不考虑无关项的极性优化结果相比,面积与功耗均有显著节省.     

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。     

AND/XOR电路低功耗映射及其在最佳混合极性搜索中的应用

本文提出一种工艺无关的AND/XOR电路低功耗映射算法。该算法通过优化电路节点开关活动性实现静态MPRM电路平均功耗最小化,根据给定工艺库中的逻辑门估算MPRM电路的功耗和面积。在此基础上,结合极性转换算法获得任意极性的MPRM电路,利用遍历搜索法快速找到最佳混合极性。通过对18个MCNC和ISCAS基准电路测试表明：与FPRM电路和AND/OR电路功耗优化方案相比,混合极性搜索方案获得的AND/XOR电路功耗平均节省分别可达44.22%和60.09%,面积平均节省分别可达14.13%和32.72%。     

基于PSO算法的FPRM电路延时和面积优化

RM(Reed-Muller)电路的极性决定其延时和面积,通过对粒子群优化(Particle Swarm Optimization,PSO)算法和FPRM表达式的研究,提出较大规模FPRM电路延时和面积优化算法.首先根据FPRM表达式特点,建立延时和面积估计模型;然后结合PSO算法和极性转换算法,对FPRM电路进行最佳延时和面积极性搜索;最后对PLA格式MCNC Benchmark电路进行测试,结果表明:与穷尽算法相比,PSO算法效率更高;与基于遗传算法的FPRM电路优化结果相比,延时平均节省6.6%,面积平均减少11.1%.     

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.     

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。     

基于多策略离散粒子群算法的MPRM电路延时与面积优化

针对大规模混合极性Reed-Muller(Mixed Polarity Reed-Muller,MPRM)逻辑电路的延时与面积优化,提出一种基于多策略离散粒子群优化(Multi-Strategy Discrete Particle Swarm Optimization,MSDPSO)的极性搜索方法.在MSDPSO算法中,对粒子进行团队划分,每个团队既执行不同策略,又相互联系,并行完成探索与开发的双重任务.同时在进化过程中采用高斯调整来激活寻优能力较差的粒子.结合MSDPSO算法和列表极性转换技术,对大规模MPRM电路进行延时与面积极性搜索.最后对PLA格式的MCNC Benchmark电路进行算法性能测试,结果验证了MSDPSO算法的有效性.与离散粒子群优化(Discrete Particle Swarm Optimization,DPSO)算法的优化结果相比较,MSDPSO算法获取的电路延时平均缩短8.43%,面积平均节省38.36%.     

PMGA and its application in area and power optimization for ternary FPRM circuit

Based on the research of population migration algorithms (PMAs), a population migration genetic algorithm (PMGA) is proposed, combining a PMA with a genetic algorithm. A scheme of area and power optimization for a ternary FPRM circuit is proposed by using the PMGA. Firstly, according to the ternary FPRM logic function expression, area and power estimation models are established. Secondly, the PMGA is used to search for the best area and power polarity. Finally, 10 MCNC Benchmark circuits are used to verify the effectiveness of the proposed method. The results show that the ternary FPRM circuits optimized by the PMGA saved 13.33% area and 20.00% power on average than the corresponding FPRM circuits optimized by a whole annealing genetic algorithm.     

Low power mapping for AND/XOR circuits and its application in searching the best mixed-polarity

A low power mapping algorithm for technology independent AND/XOR circuits is proposed.In this algorithm,the average power of the static mixed-polarity Reed-Muller(MPRM) circuits is minimized by generating a two-input gates circuit to optimize the switching active of nodes,and the power and area of MPRM circuits are estimated by using gates from a given library.On the basis of obtaining an optimal power MPRM circuit,the best mixed-polarity is found by combining an exhaustive searching method with polarity conversion algorithms. Our experiments over 18 benchmark circuits show that compared to the power optimization for fixed-polarity Reed-Muller circuits and AND/OR circuits,power saving is up to 44.22%) and 60.09%,and area saving is up to 14.13%and 32.72%,respectively.     

FPRM逻辑电路最佳极性的启发式搜索

本文将启发式思想引入中规模及以上规模逻辑电路的极性优化过程,提出最少操作遍历方法用于求解当前待评估极性集合的最佳遍历顺序,以达到加快电路极性优化速度的目的.将该方法融入遗传算法中,以电路面积最小化为目标,对12个MCNC Benchmark电路进行测试.结果表明,对变量数目多、结构复杂的电路,该方法的最佳极性搜索效率尤为明显.     

基于三值多样性粒子群算法的MPRM电路综合优化

通过对离散三值粒子群算法的研究,提出一种三值多样性粒子群算法以求解MPRM（Mixed-Polarity Reed-Muller,MPRM）电路综合优化问题.首先根据混合极性XNOR/OR展开式的特点和几率换算法则,推导出三值粒子群算法的运动方程,在此基础上,采用广泛学习策略和三值变异操作进行算法改进;然后建立三值多样性粒子群算法的粒子与MPRM电路极性的参数映射关系,结合估计模型和XNOR/OR电路混合极性转换方法,将所提算法应用于MPRM电路的最佳功耗和面积极性搜索;最后对10个PLA格式MCNC Benchmark电路进行测试.结果表明：与已发表的方法相比,该文的优化算法表现出了总体显著性的性能优势.     

基于混合离散粒子群算法的MPRM电路延时和面积综合优化

Polarity optimization for mixed polarity Reed-Muller(MPRM) circuits is a combinatorial issue.Based on the study on discrete particle swarm optimization(DPSO) and mixed polarity,the corresponding relation between particle and mixed polarity is established,and the delay-area trade-off of large-scale MPRM circuits is proposed. Firstly,mutation operation and elitist strategy in genetic algorithm are incorporated into DPSO to further develop a hybrid DPSO(HDPSO).Then the best polarity for delay and area trade-off is searched for large-scale MPRM circuits by combining the HDPSO and a delay estimation model.Finally,the proposed algorithm is testified by MCNC Benchmarks.Experimental results show that HDPSO achieves a better convergence than DPSO in terms of search capability for large-scale MPRM circuits.