有限状态机的VHDL语言描述

VHDL作为一种规范的硬件描述语言，被广泛应用于电路的设计中。本文简要介绍了用作控制的有限状态机，并给出了相应的VHDL程序。     

乐观电子合同签订协议的一种有限状态机模型

乐观电子合同签订协议是一类典型的安全协议，用于在两个或多个主体之间公平高效地实现电子合同签订。与其它类型的安全协议相比，乐观电子合同签订协议更为复杂，从而为其形式化分析带来了一定困难。模型检验是一类有效的形式化分析方法，应用模型检测方法分析安全协议时，前提和关键是对协议及其执行环境进行准确和全面的建模。     

乐观电子合同签订协议的一种有限状态机模型

乐观电子合同签订协议是一类典型的安全协议,用于在两个或多个主体之间公平高效地实现电子合同签订。与其它类型的安全协议相比,乐观电子合同签订协议更为复杂,从而为其形式化分析带来了一定困难。模型检验是一类有效的形式化分析方法,应用模型检测方法分析安全协议时,前提和关键是对协议及其执行环境进行准确和全面的建模。     

用于进化硬件的遗传算法的选择策略初探

对遗传操作的选择策略进行了理论和实验研究.以可编程树型结构函数为进化硬件的实验目标模型,对精英保留、锦标赛选择和赌轮选择策略进行了分析与实验,探讨可节省硬件资源消耗,且可加速搜索的适于硬件化的选择策略.     

有限状态机的建模与优化设计

通常的Verilog HDL编码风格生成的电路速度慢、面积大、毛刺干扰严重．基于此特点提出一种优秀、高效的verilog HDL描述方式来进行有限状态机设计，介绍了有限状态机的建模原则，并通过一个可综合的实例，验证了该方法设计的有限状态机在面积和功耗上的优势．     

基于多目标遗传算法的模拟电路进化设计方法

提出一种面向电路进化设计的多目标自适应遗传算法,利用均匀设计技术合成多个适应度函数以提高搜索方向的空间均匀性,利用基于元件标称值的网表形式高效编码方案来支持电路结构自动生成和提高设计结果的实用性,利用基于均匀设计的多个体交叉算子来提高交叉操作的效率和采样均匀性,利用跟随遗传进程并区别不同基因位的遗传概率调整策略来提高进化效率和全局收敛率．实验结果表明,该方法可用较小的运算量获得符合设计目标的多种设计结果．     

一种基于矩阵的有限状态机静态分析方法（英文）

在有限状态机研究领域,传统矩阵法首先构造状态转移矩阵,然后利用状态转移矩阵的幂来表示系统动态转移过程。这一过程是有限状态机系统分析的基石。本文提出一种基于矩阵的静态方法。该方法从拓扑结构的视角审视有限状态机,而非传统动态转移过程的视角,因此能够避免现有方法中存在的“维度爆炸”问题。基于这种静态方法,本文重新分析确定有限状态机的闭环检测与可控性问题。此外,我们提出可控等价型与最小可控等价型概念,并给出相关算法。     

基于VHDL的有限状态机设计

通过2种状态机的设计方法比较,说明使用VHDL语言设计出稳定、可靠的有限状态机的方法是有效的和实用的.由于两者对状态寄存器值的不同处理方法,使得状态机在采用不同编码方法时可靠性出现差异.针对此问题提出的状态机设计方法很好的解决了这个问题,保证采用常用编码方法进行状态机编码时,不管采用何种状态机的设计方法,状态机都会处于稳定、可靠状态.     

有限状态机的建模与优化设计

通常的Verilog HDL编码风格生成的电路速度慢、面积大、毛刺干扰严重.基于此特点提出一种优秀、高效的Verilog HDL描述方式来进行有限状态机设计,介绍了有限状态机的建模原则,并通过一个可综合的实例,验证了该方法设计的有限状态机在面积和功耗上的优势.     

基于有限状态机的帧同步系统设计

结合时分复用计算机数字通信系统中的帧同步技术,介绍了一种基于Mealy型有限状态机设计巴克码识别器的方法,在MAX＋PLUS10．0设计平台下给出了使用最广泛、性能良好的七位巴克码组识别器的设计,结合同步保护模块最大限度地减小假同步和漏同步概率,实现数字通信系统的帧同步。     

关于遗传算法硬件化过程中适应度函数的研究

本文作者在遗传算法硬件化模型具体实现过程中,对进化算法及其硬件化问题,特别是对适应度函数的选择原则和收敛影响因素等问题进行了理论和实验研究;探讨并提出了适于硬件化且可加速搜索的适应度函数评估方法,为研究中的可进化硬件(EHW)奠定了较好的研究基础。     

求解平衡运输问题的改进遗传算法

采用改进遗传算法求解平衡运输问题,针对平衡运输问题及其数学模型,应用改进的选择算子、交叉算子、变异算子和自适应交叉概率与变异概率等遗传算法机制,通过实例表明,该算法在求解平衡运输问题上的优越性.     

一种改进的遗传算法及其应用

遗传算法由于其隐合并行性和全局搜索特性,使其具有其他常规优化算法无法拥有的优点.然而,标准遗传算法存在着收敛速度慢、易"早熟"等缺陷.针对应用标准遗传算法时所存在的局限性,从适应值、交叉和变异算子以及控制参数的选取等多方面进行了遗传算法的改进设计.这种改进的遗传算法可进一步改善算法的搜索能力、搜索效率和收敛性能.最后以(N M)客错系统的优化模型作为优化目标,得到了费用模型的最优解.计算结果验证了算法的有效性和正确性.     

面向时滞测试生成的改进遗传算法

在提出的无冒险的时滞测试能量函数的基础上,对传统的遗传算法进行了改进,即在搜索中根据进化程度对群体尺寸进行调整来加速收敛,用于时滞测试生成。实验证明该方法是一种较有发展前途的算法。     

一种基于DNA计算的改进遗传算法

针对遗传算法求解复杂函数极值问题中出现的早期收敛和微调能力差的问题,提出了一个具有DNA编码特征的改进遗传算法,并引入了新的操作(算子).编制了一系列可在Matlab平台上实现的算法程序,并通过数值模拟验证了算法的有效性.     

一种改进的遗传算法

给出一种使适合度函数参数、交叉概率和突变概率随搜索精度自适应调整的遗传算法,并以直接从输入输出数据中提取模糊规则为例与常规遗传算法进行了仿真比较,该算法明显优于常规算法。     

求解JSP问题的改进遗传算法

作业车间调度是一类求解困难的组合优化问题，使用改进的遗传算法来求解。GA有新解产生盲目性的特点，以搜索效率为目标提出了一种改进的遗传算法，在解的搜索过程中，通过禁忌表操作来评价种群。改进的遗传算法在保持群体多样性的同时，加快了遗传算法的收敛速度，将该算法用于典型作业车间调度问题的测试，找到了已公布的最优解，对超大规模的问题还有待进一步研究。     

一种基于二进制编码的改进遗传算法

对几种改进的遗传算法进行了比较、分析、综合后,提出了一种基于二进制编码的改进遗传算法。该算法具有收敛速度快、迭代次数少且不易陷入不成熟收敛等优点。仿真结果证实了该算法的有效性。     

基于协同遗传算法的车间调度问题研究

遗传规划在实际问题中的应用是一个新的发展方向。文章根据车间调度问题的特点,对遗传规划算法进行了改进,借鉴了一种新编码策略将变长编码变成定长,减少了算法复杂度,提高了运算效率;同时设计了一种新的标记交叉算子,这种交叉算法可以有效地避免产生非法解。由于遗传规划问题的收敛性不高,文中将遗传规划和遗传算法有效地结合起来,提出一种协同遗传规划算法,实验表明,改进后的算法比传统算法能更有效地解决车间调度问题。     

一种遗传算法的神经网络模型

提出了应用神经网络实现遗传算法的模型,将普通遗传算法中交叉操作和突变操作的概念进行推广,并提出了全交叉和多点突变的概念以及实现这两种操作的人工神经元模型。通过一组著名的测试函数将该算法与典型遗传算法就求解优化问题的性能作了比较研究。此研究对用硬件执行遗传算法,显式地实现遗传算法的内在并行性,从而提高遗传算法的实时性,拓宽遗传算法的应用领域具有重要的意义。