单输出组合网络的TLU FPGA的逻辑映射

基于真值表结构的ＦＰＧＡ，即ＴＬＵＦＰＧＡ是一种颇具代表性的ＦＰＧＡ结构。在本文中作者针对单输出组合网络，提出并实现了对面积和延迟进行折衷考虑的ＴＬＵＦＰＧＡ的逻辑映射算法，它综合了面积驱动的Ｃｈｏｒｒｌｅ－ｃｒｆ及延迟驱动的Ｃｈｏｒｔｌｅ－ｄ的的优点。     

ABC95阵列机的FPGA实现及其优化

ＡＢＣ９５阵列机是１６个节点组成的ＳＩＭＤ并行在用ＦＰＧＡ设计实现此机器时的主要问题是ＦＰＧＡ利用率太低。介绍几种优化手段,将ＡＬＵ、乘法器和译码器都用ＦＰＧＡ实现。这样减少了系统各模块之间的连线数,达到了提高ＦＰＧＡ利用率的目的。     

几个FPGA逻辑设计问题的浅析

ＦＰＧＡ技术在数字系统中得到越来越广泛的应用，考虑到ＦＰＧＡ的特点，基于ＦＰＧＡ技术的逻辑设计存在一些特殊性。本文以ＸＣ３０００系列ＦＰＧＡ芯片的为例，较详细地阐述了有洋ＦＰＧＡ逻辑设计的几个问题。     

《广东自动化与信息工程》2001年总目录

类 别作者 期数 页数自动化技术综述、论文多变量系统的一种ＨＭＲＡＣ方案…………………………………………………吴忠强蔡满军潘凤萍１(１)用遗传算法(ＧＡ)实现ＰＩＤ控制…………………………………………………………………康赐荣１(４)基于ＥＤＡ技术的ＣＰＬＤ/ＦＰＧＡ应用前景…………………………………………梁玉红黄晓林２(１)     

模糊寻优问题的模糊遗传算法FGA

针对模糊寻优问题，本文基于模糊集的质心概念来确定模糊集的大小，并进而提出了模糊遗传算法ＦＧＡ。算法ＦＧＡ与遗传算法ＧＡ有本制区别，能用效地找到了模糊寻优问题的近似解，本文对算法ＦＧＡ的有效性作了较深入的分析。     

FPGA中的微程序设计

基于查表的商用ＦＰＧＡ是当前进行快速系统原型设计最流行的ＡＳＩＣ手段，文中根据ＸＩＬＩＮＸ的ＦＰＧＡ产品具有片上ＲＯＭ的特性，提出了在其内部实现微程序控制和管理复杂逻辑电路的新思想，并且在实际应用中取得满意的效果。文中还详细描述了在ＦＰＧＡ内部编写微程序的方法和编址技巧，给出了用ＦＰＧＡ实现一个典型的微程序控制器的电路模板，并总结了其应用特点和局限性。     

ParaGA:一个并行遗传算法的C++类库

介绍了一基于ＰＶＭ并行环境的并行遗传算法的Ｃ＋＋类库ＰａｒａＧＡ的设计和实现,ＰａｒａＧＡ以使用方便和灵活为主要目标,提供了透明的并行机制,使不具有并行程序经验的用户可以方便地编写并行遗传算法的程序,高级用户也可通过类库提供的若干方法来获得的优化的可行性能,类库采用粗粒度模型,支持并行遗传算法的３种迁移模式及ＳＰＭＤ和Ｍａｓｔｅｒ／Ｓｌａｖｅ两种编程模式,ＰａｒａＧＡ也提供了实现负载平衡分与及利用     

一种基于FPGA技术的虚拟逻辑分析仪的研究与实现

逻辑分析仪的现状、发展趋势及研制虚拟逻辑分析仪的必要性,论述了基于 ＦＰＧＡ技术的虚拟逻辑分析仪的设计方案及具体实现方法,介绍了其中控制器的设计原理。将先进的ＦＰＧＡ技术引入硬制版的设计中,为研制ＰＣ虚拟仪器提出了一种新思路;充分利用硬件软化的思想,将仪器的诸多功能集成在软件中实现,利用面向对象、窗口等技术,实现了灵活、通用的虚拟仪器面板功能。     

一种基于免疫原理的遗传算法

本文提出了一种免疫遗传算法（Ｉｍｍｕｎｅ Ｇｅｎｅｔｉｃ Ａｌｇｏｒｉｔｈｍ,简称ＩＧＡ）。免疫遗传算法是根据生物的免疫原理提出的一种改进遗传算法法,该算法主要体现了生物免疫机制中的抗原识别、抗原记忆和抗体的抑制、促进,并结合货郎担（ＴＳＰ）优化问题介绍了具体实现方法,实验结果表明该免疫遗传算法有较好的性能。     

电脑文摘

９９０６８一种基于场编程门阵列的协处理系统用ＰＣＩ接口的设计与实现／／ＭｉｃｒｏｐｒｏｃｅｓｓｏｒｓａｎｄＭｉｃｒｏｓｙｓｔｅｍｓ．—１９９９,２２（７）．—３７３～３８８本文介绍了一种适用于通用并行神经计算机（其宿主机为个人计算机）的基于场编程门陈列（ＦＰＧＡ）的ＰＣＩ总线接口的设计方法和实现途径。给出了ＰＣＩ总线的发展背景,详细讨论了ＦＰＧＡ可行性设计方法。在采用ＦＰＧＡ的情况下,最重要的是状态机（ｓｔａｔｅｍａｃｈｉｎｅｓ）的运行速度必须足够快且资源分配必须有效和合理。鉴于此,文章特别强调…     

用并行遗传算法解决带约束并行多机调度问题

遗传算法是一种全局优化的数值计算方法,它存在自然并行性,本文提出了一种解带约束并行多机调度问题的主从式控制网络并行遗传算法,并在PVM环境下实现。计算结果表明,并行遗传算法是有效的,且能适用于大规模并行多机调度问题。     

用并行遗传算法解决带约束并行多机调度问题

遗传算法是一种全局优化的数值计算方法。它存在自然并行性。本文提出一种解带约束并行多机调度问题的主从式控制网络并行遗传算法,并在PVM环境下实现。计算结果表明,并行遗传算法是有效的,且能适用于大规模并行多机调度问题。     

用并行遗传算法解列车控制问题

遗传算法是一种全局优化的数值计算方法,它存在自然并行性。给出一种解列车控制问题的并行遗传算法,并讨论算法中一些技术问题。     

遗传算法的研究与应用

遗传算法(Genetic Algorithms,GA)是一种模拟自然选择和遗传机制的寻优程序,遗传算法本身固有的并行处理性和开放性,使得它在优化识别的效率非常之高,而且受到越来越广泛的研究。然而,遗传算法自身也有一些缺点。论文研究了遗传算法的起源,发展,原理及自身的缺点。以便对这种算法深入了解,灵活应用,以及做进一步的研究开发。     

一种主从式并行遗传算法设计

该文对串行遗传算法进行了并行设计,加入对当前通用消息传递接口MPI的支持,形成了一个主从式并行遗传算法。针对该算法用经典的测遗传算法效率的OliverTSP问题进行测试,得出并行遗传算法可以更好的提高遗传算法的收敛性。     

Genetic adaptive state estimation

A genetic algorithm (GA) uses the principles of evolution, natural selection, and genetics to offer a method for parallel search of complex spaces. This paper describes a GA that can perform on-line adaptive state estimation for linear and nonlinear systems. First, it shows how to construct a genetic adaptive state estimator where a GA evolves the model in a state estimator in real time so that the state estimation error is driven to zero. Next, several examples are used to illustrate the operation and performance of the genetic adaptive state estimator. Its performance is compared to that of the conventional adaptive Luenberger observer for two linear system examples. Next, a genetic adaptive state estimator is used to predict when surge and stall occur in a nonlinear jet engine. Our main conclusion is that the genetic adaptive state estimator has the potential to offer higher performance estimators for nonlinear systems over current methods.     

Parallel genetic simulated annealing: a massively parallel SIMDalgorithm

Many significant engineering and scientific problems involve optimization of some criteria over a combinatorial configuration space. The two methods most often used to solve these problems effectively-simulated annealing (SA) and genetic algorithms (GA)-do not easily lend themselves to massive parallel implementations. Simulated annealing is a naturally serial algorithm, while GA involves a selection process that requires global coordination. This paper introduces a new hybrid algorithm that inherits those aspects of GA that lend themselves to parallelization, and avoids serial bottle-necks of GA approaches by incorporating elements of SA to provide a completely parallel, easily scalable hybrid GA/SA method. This new method, called Genetic Simulated Annealing, does not require parallelization of any problem specific portions of a serial implementation-existing serial implementations can be incorporated as is. Results of a study on two difficult combinatorial optimization problems, a 100 city traveling salesperson problem and a 24 word, 12 bit error correcting code design problem, performed on a 16 K PE MasPar MP-1, indicate advantages over previous parallel GA and SA approaches. One of the key results is that the performance of the algorithm scales up linearly with the increase of processing elements, a feature not demonstrated by any previous parallel GA or SA approaches, which enables the new algorithm to utilize massive parallel architecture with maximum effectiveness. Additionally, the algorithm does not require careful choice of control parameters, a significant advantage over SA and GA     

一种主从式并行遗传算法设计

该文对串行遗传算法进行了并行设计,加入对当前通用消息传递接口MPI的支持,形成了一个主从式并行遗传算法。针对该算法用经典的测遗传算法效率的OliverTSP问题进行测试,得出并行遗传算法可以更好的提高遗传算法的收敛性。     

一种实现全父辈交叉遗传算法的神经计算模型

该文提出了一种实现二值编码全父辈交叉遗传算法的神经计算模型GAnn。GAnn将遗传算法的迭代循环结构通过一组由神经元模块所组成的反馈回路实现,并给出了实现二值编码全父辈交叉操作以及突变操作的人工神经元和神经网络拓扑结构。该文通过实验结果验证了GAnn的可行性。GAnn综合了硬件遗传算法和并行遗传算法的优点,这对于用硬件实现遗传算法,显式地实现遗传算法的内在并行性,提高遗传算法的实时性,拓宽遗传算法应用领域的研究具有积极的意义。     

基于遗传算法的模糊规则的生成

模糊控制是人工智能的一重要研究领域，已经在很多方面得到了应用。模糊规则是一个智能系统的核心部分，所以模糊规则自动生成的研究一直以来吸引了很多的学者。遗传算法(Genetic Algorithm，GA)是模拟达尔文的遗传选择和自然淘汰的生物进化进程的计算模型，它是一种高度并行的随机化搜索的自适应的组合优化算法。该文提出了一种利用遗传算法自动生成模糊规则的方法，因为遗传算法的全局优化能力，所以可以得到相对较为合适的模糊规则，通过仿真结果，也可以看出它确实是一种切实可行的方法。