基于量子粒子群算法的SOC测试调度优化研究

在基于IP核复用技术的SOC(system-on-chip,SOC)芯片中,测试资源的稀缺性限制了IP核并行测试的能力,导致了SOC测试耗时过长的局面.同时SOC测试时必须满足一定的功耗约束,否则会造成测试芯片的损坏.针对SOC测试时间与测试功耗协同优化这一难题,本文采用群智能优化算法-量子粒子群(quantum-behaved particle swarm optimization,QPSO)算法来实现这一目标.结合QPSO算法和测试调度问题,设计算法的适应度计算法则并建立测试时间与测试功耗的协同优化数学模型.通过实验确定算法中参数的最佳取值.最后利用算法搜索最优解确定IP核在TAM (test access mechanism)上的分配,实现SOC功耗与时间的协同优化.经过国际标准SOC电路验证表明在解决功耗约束下的SOC测试调度优化问题上量子粒子群算法与已有算法相比,不仅能够更好的达到缩短SOC测试时间的目的,而且算法收敛速度快,需要调整的参数少,实现简单.     

一种成本约束条件下的工作流资源数量优化方法

研究了成本约束条件下协调工作流活动对资源数量的使用,以减少整个工作流系统执行时间.该问题可归纳为多选择背包问题,并设计了资源数量优化算法来满足成本约束,算法的目标是在该约束下最小化工作流系统关键路径的执行时间.最后通过实例测试了算法的有效性和正确性.     

基于遗传算法的SOC测试功耗与时间协同优化

提出了一种基于遗传算法的SOC功耗与时间协同优化方案.解决了SOC测试中最大瞬时功耗与最小测试时间的矛盾.建立相应的目标函数、约束函数及评估函数,在瞬时功耗不超过规定值的前提下,寻求最短测试时间.方案获得良好的优化效果,实现了SOC测试的可靠与经济.     

基于粒子群算法的多约束3D NoC协同测试规划

为了提高三维片上网络(3D NoC)资源内核的测试效率,对多约束下的3D NoC进行测试规划。在硅通孔(TSV)数量、功耗以及带宽约束下,分别将TSV位置、IP核测试数据分配作为两个寻优变量,利用离散粒子群算法协同进化,以减少测试时间并提高TSV利用率。在算法中引入全局次优极值对粒子进行指导,提高全局搜索能力;并通过自适应参数调整策略增加种群多样性,从而改善粒子搜索的停滞现象。以国际标准测试集ITC'02中的电路作为仿真对象,仿真结果表明,算法能够有效地完成在多约束下对TSV位置的寻优并合理分配通信资源,缩短了测试时间,提高了TSV利用率。     

带分复用的三维片上网络测试规划研究

三维片上网络(3D No C)中IP核的测试问题日趋突出,测试规划是提高测试效率的有效方法。基于重用No C作为测试存取机制的并行测试方法,针对IP核测试数据传输带宽与TAM带宽不匹配的问题,提出带分复用方法,对有限带宽的TAM进行动态细分,将多核的测试数据共享同一物理TAM实施并行传输,并结合3D No C结构设计二维编码,建立带宽分配和测试顺序模型,采用多种群遗传模拟退火算法,在总功耗、层功耗双重约束下对IP核的带宽分配和测试顺序进行双重优化,提高并行测试效率以获得最短测试时间。算法中针对测试顺序优化设计移位互换杂交策略,并运用精英配对方法加快种群寻优速度,设计求精操作进一步优化测试时间,通过比较、淘汰、替换机制加强种群间交流,增加种群多样性,避免算法陷入局部最优。以ITC'02标准电路作为测试对象,实验结果表明,该方法通过提高带宽利用率,提升了并行测试效率,降低了资源占用,有效地缩短了测试时间。     

基于DNA-GA算法的SOC测试结构优化

在SOC测试中，如何对Wrapper和TAM进行组合优化是减少系统芯片（SOC）的测试时间的重点。本文运用BFD（BestFitDecrea-sing）算法来优化Wrapper。并重点论述了基于DNA计算和遗传算法的DNA-GA算法在在SOC测试结构优化中的应用。DNA—GA算法采用DNA双螺旋结构和碱基互补配对原则进行编码．并引入基因级的遗传操作来得到问题的解。针对国际标准系统芯片（SOC）验证表明．与其他算法相比。该算法能够较好地减少SOC的测试时间。     

一种可修复备件的优化配置模型及算法

在同样的备件保障率要求约束下,如果备件可修复,备件的储备量就可以进一步减少,备件尤其是昂贵备件的购置费用就可以大幅度降低.同时,采用科学的优化配置算法,通过对备件进行合理的优化配置过程,也可以减少备件费用.由此对传统保障率及费用约束下的备件优化配置模型进行了改进,加入了修复率参数,建立了可修复备件在保障率及费用约束下的优化配置模型,给出了该模型的优化配置算法及其证明,最后结合实例进行了应用.     

基于滑动窗口的低能耗高可靠调度算法

针对开放式数控系统的高功耗和可靠性差的问题,通过优化空闲时间分配策略,实现在保证开放式数控系统可靠性前提下最小化系统能耗。提出基于滑动窗口的低能耗调度算法(LPRSW),以在保证系统可靠性的前提下降低系统功耗,同时根据任务出错场景的不同,将算法分为LPRSW-H算法和LPRSW-A算法,前者以最高速度恢复出错任务,后者采用动态电压调节后的速度恢复出错任务。在此基础上,提出一种基于滑动窗口的低能耗与可靠性协同优化调度算法,该算法对任务容错采用共享全局空闲时间代替预先给每任务都分配一个备份任务的方法,获得更多空闲时间用于降低系统功耗,同时空闲时间—能耗因子用于将空闲时间更合理地分配给后续任务,实现可靠性和低能耗之间协同优化。通过实验对比,COSALPRSW算法平均比LPRSW-A和LPRSW-H算法节约0～31.62%和0～44.4%的能耗,验证了所提方法的有效性。     

动态带分复用的三维片上网络协同优化研究

采用动态带分复用进行三维片上网络测试规划和调度协同优化研究,在测试中,给IP核动态分配带宽固定的TAM,同一时刻可使多个核的测试数据共享同一物理TAM并行传输,解决IP核测试数据传输带宽与TAM带宽不匹配的问题,实现IP核并行测试的最大化。对带宽分配的结果设计多种群云进化算法进行TAM内调度,实施精英种群间交叉变异提高多样性,协同开展测试规划和调度优化以获得最短调度时间。以ITC’02基准电路作为实验对象实施仿真验证,实验结果表明,在满足功耗、带宽约束的条件下,动态带分复用的测试策略通过提高带宽利用率,有效地减小了测试时间,提高了测试效率。     

时间约束云工作流调度的粒子群搜索方法

为了快速找到较优的调度方案,针对时间约束工作流调度问题,即能在满足用户的截止时间约束的条件下最小化调度费用,提出基于粒子群算法的最优调度方案搜索方法。利用关键路径进行粒子初始化和搜索阶段的筛选处理,不但能够显著提高搜索结果的精度,而且减少了搜索的计算时间。将改进算法和传统粒子群优化算法进行了实验评估对比,实验数据证明,使用该方法使粒子搜索的时间少于传统粒子群算法,并且结果也优于传统方法。     

一种面向成本优化的生产计划调度算法

建立了一种车间层的生产计划的成本优化模型,该模型是一个在时间约束、可重复使用和不可重复使用资源约束下的多模式项目调度问题;给出了解的定义,设计了一种时间可行的成本优化调度算法,通过改进成本优化调度算法达到时间一成本双优的目的;给出了模拟试验结果。     

供应链物流配送路径优化节约算法改进研究

针对供应链物流配送中的有时间窗约束集送货一体化路径优化问题研究了基于C-W节约算法的改进算法。提出了以集货量和送货量共同作为客户点归并的判断条件,把时间窗约束转化为里程,用里程数来控制客户点的归并、插入和时间窗约束的计算,实现了多个目标(里程、集送货一体、载重、时间窗)的路径优化;算法在实现中对合并点归并位置进行了深入研究,根据归并点的特点和约束条件的不同,进行了分别处理,获得了较好的优化结果。该改进的节约算法有效的减少里程数、用车量,节约了费用、降低了成本。     

基于B样条和多目标遗传算法的三次元送料机械手轨迹规划

对三次元送料机械手在满足作业要求下进一步提高效率进行了研究,提出了以执行时间最优为目标的轨迹规划和优化。采用多亲遗传算法与B样条曲线相结合的方式进行轨迹规划和优化,建立了机械手单次作业运行轨迹的时间最短优化模型,并以关节点速度、关节加速度、关节冲击作为优化约束。选取11个关键点对其进一步仿真和实验,其仿真结果表明,该优化方法在满足作业要求的前提下能够提高工作效率。在实验台上对算法进行测试,其实验结果与仿真结果较为一致。该算法对三次元送料机械手的轨迹规划研究具有一定的意义。     

敏捷制造下合作伙伴选择的有效算法

为实现虚拟企业实践中有效的合作伙伴选择，根据制造成本和产品上市时间这两个重要因素建立了问题优化模型。基于此模型，给出了一个两阶段求解算法。该算法首先通过一个多项式的精确算法求得最早完成时间的解，保证了解的可行性。然后以最早完成时间作为可行初始解，利用一个启发式算法对解进行改进。该算法最终使得在完成时间的约束下制造成本最小。最后给出了一个应用案例说明了该算法的有效性。     

面向边缘侧卸载优化的工作流动态关键路径调度算法

移动边缘计算有助于减少工作流调动中用户终端的能耗和计算负担,但不合理的任务卸载会导致设备产生大量时间和能源的消耗。针对该问题,提出一种面向边缘侧卸载优化的工作流动态关键路径调度的两阶段算法,包括边缘侧卸载优化算法和基于本地计算量的动态关键路径调度算法。制定了边缘侧卸载优化的策略,该策略通过隐性马尔科夫预测得到可卸载eNB集并结合速度与偏移量预测筛选最优可调度eNB,以确保卸载成功率;同时在调度过程中通过动态更新关键路径,避免了关键路径变化对调度结果的影响。通过仿真实验证明了所提算法的有效性。相比传统优化算法,该算法能优化移动边缘环境下工作流12%的完工时间,并减少6%的能耗。     

基于微粒群的约束优化

针对微粒群算法在处理约束优化问题时,难以兼顾约束与优化之间关系的问题,提出了一种泛学习微粒群算法(ULPSO),通过引入微粒不可行历史最优,使得微粒的学习更具多样性和有效性,增强了算法的搜索智能.通过对常用的13个基准函敷的测试对比分析,表明该算法求解约束优化问题的计算具有快速性、稳定性和有效性.     

基于改进蚁群算法的焊接接头优化分析

为合理规划装备制造过程中常用的T形管环状接头焊接路径,提出了一种基于有限元Simufact.Welding和Matlab模拟平台,引入约束因子和改进信息素的更新规则,对传统蚁群算法进行改进,以提高蚁群算法信息素的更新效率,并增强该算法在连续空间路径的搜索能力。该方法建立了T形管环状接头的焊接仿真,并对其相应的焊接路径分别进行分析,结果表明:相较于传统的蚁群算法,基于改进型蚁群算法所得的焊接路径不仅节约了时间资源,而且减少了焊丝耗材的浪费。同参数、同条件下,焊接的工作效率同比提高7.79%,三维焊接路径移动距离同比减少6.31%,且提高了2.92%的可靠性。因此,该方法对优化T形管环状接头的焊接路径有效且可行。     

基于装夹选择的缸体零件柔性机加工生产线平衡优化

针对缸体零件柔性机加工生产线工艺规划中的装夹选择和线平衡问题,提出一种基于不同装夹约束的生产线平衡优化算法,在机床总数确定的情况下,选择规划的装夹进行组合,对不同装夹组合下不同构型的生产线进行优化分析。该算法以加工元描述每个加工操作的属性,并在工艺约束的基础上引入不同装夹组合下的装夹约束和工位时间约束。综合考虑加工中心换刀、转位时间和不同构型下的工位数量,以节拍、工位数量和平衡率为目标建立优化模型。对基本蚁群算法进行改进,采用贪婪策略计算概率,利用精英保留,最终获得多个装夹组合方案下的生产线构型和最优解集。通过复杂实例验证了该方法的可行性和高效性。     

非平稳服务请求下的功耗管理

针对嵌入式系统的多任务环境,提出了混合模型功耗管理算法,用于对服从一般分布的系统进行建模。首先,介绍了现有的动态功耗管理策略算法,阐述了算法需要改进的原因。然后,使用重标极差法(Rescaled Range Analysis,R/S)对非平稳服务请求下的时间序列进行长距离相关性分析;根据不同的分析结果选择相应的最大概率策略,即基于电池剩余电量的超时策略、模糊非标准PID策略和半Markov随机策略。最后,给出了策略参数的确定方法并通过实验的方法对本文提出的策略进行分析。实验结果表明,本文策略弥补了常规动态电源管理策略的不足,具有更广泛的适应性;在性能损失10%的条件下,系统平均功耗减少了37%,命中率大于60%,更稳定、有效地降低了功耗,有利于在嵌入式系统中应用。     

考虑外包形式受限的约束理论产品组合优化研究

首先,建立了外包形式受限的约束理论产品组合优化的数学模型,并给出了与外包形式不受限等模型之间的转化条件,为优化算法的构建莫定了基础.其次,应用免疫算法和约束理论,构建了智能搜索算法,通过相应变通处理可将该算法拓展到任何加工形式受限问题的求解中.通过对单/多瓶颈算例的仿真,智能搜索算法在合理时间内得到大、小规模产品组合决策的优化解,尤其是得到同一最优目标值下不同的优化方案,为企业进行实际决策提供了更多的选择.最后,将本算法与多种算法进行了比较,证明了本算法的有效性和实用性.