积项集合的补集算法

在逻辑综合的领域内,经常使用求给定积项集合补集的过程。本文提出一个单边逻辑函数积项集合的求补算法,求补操作是通过选取函数矩阵的列覆盖进行的。与传统求补算法相比,该算法大大节省了计算机时间和内存空间。     

积项集合的补集算法

在逻辑综合的领域内，经常使用求给定积项集合补集的过程。本文提出一个单边逻辑函数积项集合的求补算法，求补操作是通过选取函数矩阵的列覆盖进行的。与传统求补算法相比，该算法大大节省了计算机时间和内存空间。     

大变量逻辑函数求补的递归实现

逻辑函数求补是大变量逻辑优化的算法基础.采用二叉树结构,用C语言实现了大变量逻辑函数求补递归算法.详述了求补二叉树的结构和形成过程,以及在求补二叉树上补集的收集方法.     

大变量逻辑函数求补的递归实现

逻辑函数数求补是大变量逻辑优化的算法基础，采用二叉树结构，用C语言实现了大变量逻辑函数求补递归算法。详述了求补二叉树的结构和形成过程，以及在求补二叉树上补集的收集方法。     

对逻辑函数3种求补算法的分析

对逻辑函数求补中几种不同的求补算法进行了系统的描述和分析研究,使其在逻辑综合领域能发挥更好的作用,这些算法均在项目课题中完成了实现。求补算法的优劣将直接影响逻辑综合优化的效率和时空复杂度,对逻辑函数求补算法进行深入的研究将具有重要的现实意义。     

重叠积项的分离算法

本文提出了一个分离重叠积项的算法。该算法在逻辑测试，函数最小化等逻辑综合的领域有重要作用。     

超大变量多值单边逻辑函数优化算法的研究

单边多值逻辑函数是逻辑函数的一种特例,对于超大变量的逻辑函数优化,存储开销对输入变量呈2幂次方增长.针对多输入多输出单边逻辑函数的特性,通过引入特征矩阵和状态矢量的描述,求解多输出单边逻辑函数补集,以积项扩展为基础,完成多输出单边逻辑函数无冗余覆盖.通过编程实现了多输入多输出单边函数逻辑优化的算法,对影响单边函数逻辑优化效率的因素进行了分析,软件系统在奔腾1.8GHz,512MB RAM的计算机上通过了正确性验证与测试,测试结果表明性能良好,有效降低了系统的存储空间和时间开销.在相同输出变量数、积项数和无关项因子的情况下,随输入变量数的增长,优化效率随之下降;在相同输入变量数、输出变量数和积项数的情况下,随无关项因子值的增长,优化效率随之下降;在相同输入变量数、输出变量数、和无关项因子的情况下,随积项数的增长优化效率随之提高.     

大变量多输出逻辑函数实质项识别算法

在对Espresso算法进行分析改进的基础上，提出了一种基于全域识别的多输入多输出逻辑函数实质本源项、完全冗余项和相对冗余项生成算法，该算法通过对基于积项表示的多输入多输出逻辑函数的余因子计算来进行全域判断，根据全域判断结果来识别实质本源项、完全冗余项和相对冗余项，从而构成实质本源项集合、完全冗余项集合和相对冗余项集合。对基于二级SOP型的多输入多输出逻辑函数设计了多输入多输出逻辑函数优化识别软件系统，允许的最大输入变量数为128、最大输出变量数为256、最大输入输出变量总和为300、最大输入积项数为20 000。软件系统在Pentium 1.8GHz、512MB内存的计算机上通过了Benchmark例题的测试。     

大变量多输出逻辑函数实质项识别算法

在对Espresso算法进行分析改进的基础上,提出了一种基于全域识别的多输入多输出逻辑函数实质本源项、完全冗余项和相对冗余项生成算法,该算法通过对基于积项表示的多输入多输出逻辑函数的余因子计算来进行全域判断,根据全域判断结果来识别实质本源项、完全冗余项和相对冗余项,从而构成实质本源项集合、完全冗余项集合和相对冗余项集合.对基于二级SOP型的多输入多输出逻辑函数设计了多输入多输出逻辑函数优化识别软件系统,允许的最大输入变量数为128、最大输出变量数为256、最大输入输出变量总和为300、最大输入积项数为20 000.软件系统在Pentium 1.8GHz、512MB内存的计算机上通过了Benchmark例题的测试.     

多输出逻辑函数最小化的一个算法

本文描述一个多输出逻辑函数的最小化算法。函数解中积项总数的多少被看作是衡量算法优劣的最重要指标。因此，我们努力使解中的积项被尽可能多的组成函数共享。本文求本源蕴涵项的方法与［１］是相似的。因此，本文也可看成是［１］向多输出函数的延伸。     

逻辑函数绝对最小覆盖的改进算法

逻辑函数的绝对最小化算法存在的主要问题是运行时间过长和需要的存储空间过大。本文提出了一个从给定本源蕴涵项集合中抽出一个绝对最小覆盖的算法，而时间、空间的需求被大缩小了。     

支持大规模变量集的最小覆盖迭代搜索算法

两级逻辑综合中的多输出逻辑电路最小覆盖的求解是一个NP难解问题,在输出变量集合和质蕴含项集合规模较大的情况下,会出现空间需求过大、处理时间太长等问题,影响多输出最小覆盖求解的可行性．在精选法的基础上,提出一种多输出最小覆盖迭代求解算法．将一次性求解最小覆盖的模式转换为多次迭代逼近最优解的过程,使得在有限的时间和空间范围内获得尽可能优化的最小覆盖结果．同时,对影响算法复杂度的单输出到多输出函数的阵列合并、极值的选择这2个主要环节进行了改进,大幅度降低了多输出最小覆盖求解算法的时间和空间复杂度．     

单边多输出逻辑函数补集软件的设计与实现

根据单边逻辑函数的特性,介绍了一种多输入多输出单边逻辑函数补集方法,该方法采用二进制特征矩阵B(F)和状态矢量R(F)来描述原函数,进行最小列覆盖的选择形成多输出补集函数的控制矩阵,由控制矩阵与补集函数的状态矢量形成单边单输出补集合逻辑函数,通过多输出逻辑函数分解与合并最终产生多输出单边逻辑函数的补集。我们设计的多输入多输出单边逻辑函数补集算法软件,在P-1．8GHz、512MBRAM的计算机上完成测试和运行,并通过测试检验程序,保证输出结果在逻辑上与输入条件求补等价。     

一种优化逻辑函数的程序设计与实现

论文提出了EDA中易于计算机实现的逻辑函数优化方法,即在优化过程中引入删劣运算,用锐积运算求质蕴涵项,用选择提炼极值法求最小覆盖,并对循环函数进行处理的优化方法。设计了相应的组合逻辑电路逻辑综合优化程序,大量的测试证明了该方法的正确性和易于计算机实现的有效性。     

多输入多输出单边逻辑函数补集算法的研究

介绍一种多输入多输出单边逻辑函数补集算法,该算法通过对多输入多输出逻辑函数的分离,形成多输入单输出的分支逻辑函数,对多输入单输出分支逻辑函数求出其特征矩阵和状态矢量,根据特征矩阵的特性进行最小列覆盖的选取形成多输入单输出分支逻辑函数补集覆盖的特征矩阵、状态矢量和补集矩阵,最后对多输入单输出分支逻辑函数的补集矩阵进行合并形成多输入多输出逻辑函数的补集,通过测试结果表明性能良好.     

Binary trees as a computational framework

We present a new set of algorithms for performing arithmetic computations on the set of natural numbers, represented as ordered rooted binary trees. We show formally that these algorithms are correct and discuss their time and space complexity in comparison to traditional arithmetic operations on bitstrings.Our binary tree algorithms follow the structure of a simple type language, similar to that of Gödel's System T.Generic implementations using Haskell's type class mechanism are shared between instances shown to be isomorphic to the set of natural numbers. This representation independence is illustrated by instantiating our computational framework to the language of balanced parenthesis languages.The self-contained source code of the paper is available at http://logic.cse.unt.edu/tarau/research/2012/jtypes.hs.     

逻辑函数的双逻辑综合与优化

针对传统布尔逻辑在电路面积优化中存在的不足,提出了一种用传统布尔逻辑和Reed-Muller(RM)逻辑相结合的双逻辑优化算法.通过将原逻辑函数的乘积项转化为不相交乘积项,并利用不相交乘积项的位操作,将逻辑函数的覆盖分成2个部分,使之分别适合布尔逻辑综合和RM逻辑综合;同时提出了适合双逻辑函数的逻辑功能验证方法.双逻辑优化算法用C语言编程实现并用MCNC标准电路进行测试.实验结果表明,与单一的布尔逻辑综合结果相比,在绝大多数情况下文中算法可使电路面积获得进一步优化.     

Feature Generation Using General Constructor Functions

Most classification algorithms receive as input a set of attributes of the classified objects. In many cases, however, the supplied set of attributes is not sufficient for creating an accurate, succinct and comprehensible representation of the target concept. To overcome this problem, researchers have proposed algorithms for automatic construction of features. The majority of these algorithms use a limited predefined set of operators for building new features. In this paper we propose a generalized and flexible framework that is capable of generating features from any given set of constructor functions. These can be domain-independent functions such as arithmetic and logic operators, or domain-dependent operators that rely on partial knowledge on the part of the user. The paper describes an algorithm which receives as input a set of classified objects, a set of attributes, and a specification for a set of constructor functions that contains their domains, ranges and properties. The algorithm produces as output a set of generated features that can be used by standard concept learners to create improved classifiers. The algorithm maintains a set of its best generated features and improves this set iteratively. During each iteration, the algorithm performs a beam search over its defined feature space and constructs new features by applying constructor functions to the members of its current feature set. The search is guided by general heuristic measures that are not confined to a specific feature representation. The algorithm was applied to a variety of classification problems and was able to generate features that were strongly related to the underlying target concepts. These features also significantly improved the accuracy achieved by standard concept learners, for a variety of classification problems.     

The design and implementation of dynamic hashing for sets and tables in icon

Two key features in the Icon programming language are tables and sets. An Icon program may use one large set or table, or thousands of small ones. To improve space and time performance for these diverse uses, their hashed data structures were reimplemented to dynamically resize during execution, reducing the minimum space requirement and achieving constant-time access to any element for virtually any size set or table. The implementation is adapted from Per-Åke Larson's dynamic hashing technique by using well-known base-2 arithmetic techniques to decrease the space required for small tables without degrading the performance of large tables. Also presented are techniques to prevent dynamic hashing from interfering with other Icon language features. Performance measurements are included to support the results.