基于免疫原理的逻辑电路设计算法

硬件进化是基于进化计算和可重构硬件的新兴研究领域。逻辑电路的进化设计是硬件进化的主要研究方向之一。文章将生物免疫系统的进化非选择机制引入到逻辑电路设计中,提出了相应的逻辑电路设计算法,并给出了该文算法和进化算法的对比实验结果,结果表明该文算法更加有效。     

逻辑电路的进化设计与在线评估

简要介绍电路进化设计的基本原理，提出并讨论基于最小项表达式的染体编码方案和以RAM查找表为核心的函数级FPGA原型，以及相应的内部进货实现方法，理论分析和进化实验结果表明，文另的编码方案与FPGA结构相结合可显示地减少运算量；基于相应的实验平台进行适应度在线评估，可显著提高进化速度、规模和成功率。     

基于免疫原理的进化算法

基于人类免疫系统的机理提出一种进化算法．简述了算法的基本原理与特点，定义了克隆、超变异、选择和记忆4种基本操作算子，给出了算法的主要步骤，并证明了算法能够以概率1收敛到全局最优点．用不同的测试函数进行仿真实验，结果表明该算法是有效的，能以较快的速度完成给定范围的搜索和优化任务．     

基于多种群的自适应免疫进化计算

将免疫思想同思维进化计算相结合，提出一种新的基于多种群的自适应免疫进化算法（IABM），算法定义了选择、记忆、克隆、超变异、抑制5种基本算子．试验结果表明该算法具有高效的收敛速度，并能收敛到全局最优点．与多种群遗传算法和思维进化计算相比，IABM收敛速度更快，收敛率更高．     

基于多目标自适应遗传算法的逻辑电路门级进化方法

提出一种改进的遗传算法,通过网表级编码、多目标评估和遗传参数自适应等措施,可依据多个设计目标,以较少的运算量自动生成和优化逻辑电路．在数字乘法器、偶校验器等进化设计实验中,通过比手工设计和同类方法更优的新奇设计结果展示了该方法的有效性和先进性．     

基于修复技术的组合电路进化设计算法研究

提出基于修复技术的组合逻辑电路快速进化设计算法。该算法利用候选电路在进化的初始阶段适应度增加很快的现象,先进化出一个功能大致正确的电路;然后转入修复过程并对不正确的输出进行修正,最终设计出功能正确的电路。为了能对进化出的有错误的电路进行修复,专门设计出简单而规整的修复电路的构造方法。附加的修复电路与进化生成的对大部分输入都能输出正确结果的电路结合在一起,形成最终的功能完全正确的电路。该方法极大地减少进化所需的时间。     

基于混沌免疫进化算法的聚类算法分析

结合免疫进化算法和混沌优化算法各自在数据空间搜索的优势,本文提出了一种新的基于混沌免疫进化算法的模糊c_均值聚类算法.该算法实现了从全局到局部的两层领域搜索机制,且仿真结果表明,该算法有效地避免了通常聚类方法易出现的早熟现象,同时也具有较快的收敛速度和较高的准确度.     

TSP问题的自适应进化算法

提出了一种 TSP问题的进化计算方法。此方法结合边自适应和边重组的进化过程处理方法 ,在本质上符合 TSP问题的求解的需要。本文给出了边适应性函数的数学模型 ,并且构造了一种易于实现的路径重组算法。对于 TSP问题的求解是一种新的见解     

自适应协同进化多目标进化算法

为了提高协同进化多目标进化算法的全局收敛性,提出了一种调用协同进化算子的自适应方法。其基本思想是：根据目标函数的变化率自动调用协同进化算子;当种群进化正常时,调用合作算子和吞并算子;当种群进化接近停滞时,调用分裂算子。通过数值实验用量化指标研究了新算法的收敛性和分布性,结果表明,与常规协同进化多目标进化算法相比,新算法不仅具有良好的分布性,而且全局收敛性有了明显的提高。     

基于DE的浮点数编码自适应进化算法研究

DE自问世以来,一直是进化计算研究的热点.DE有着良好的搜索特性、较强的鲁棒性和较高的微调能力.而浮点数编码在提高算法性能和运算质量,将进化算法应用于工程优化领域中有着其它编码所不能比拟的优势.本文将DE与浮点数编码的进化计算相结合,提出了基于DE的浮点数编码自适应进化算法.经过分析和实验,验证了本算法在搜索性能上是可靠的,方法是可行的,在工程优化中具有较强的实用性.     

基于博弈遗传算法的组合电路进化设计

为了有效提高组合逻辑电路进化设计的速度和效率,提出了一种基于博弈遗传算法的电路进化设计算法。将组合电路中的每个输出端作为博弈者,组成每个输出端的逻辑门之间的连接和组态作为策略,将电路优化问题转化为博弈优化决策问题,策略的选择通过遗传算法实现,从而建立了组合电路优化设计的博弈模型。最后通过仿真实验验证该算法的有效性。     

基于混沌理论的免疫量子进化算法

提出了基于混沌理论的免疫量子进化算法,该算法应用混沌理论并依据小生境机制将初始个体划分为实数编码染色体的子群,各子群应用免疫特性的局域搜索能力找出优化解。混沌优化搜索机制能有效避免早熟收敛。为解决2进制算法所不能避免的精度与效率的冲突,采用10进制编码染色体。算法综合了量子计算的天然并行性、免疫算法的充分自适应性和混沌系统的遍历性,它比传统的进化算法具有更好的种群多样性,更快的收敛速度,更有效的全局和局域寻优能力。仿真实验也表明了该算法的优越性。     

基于免疫进化的并联机器人的位姿估计

提出了一种基于免疫进化算法的并联机器人位姿估计算法。建立了视觉检测坐标系和位姿参数估计模型;借鉴生物免疫系统中克隆变异和免疫记忆机理,通过免疫进化获得位姿参数的可行解。实验表明,相较于传统迭代算法,基于免疫进化算法的位姿检测算法收敛快,精确度高,对噪声不敏感,具有较好的鲁棒性。     

自适应邻域的多目标网格任务调度算法研究

针对网格计算中的多目标网格任务调度问题,提出了一种基于自适应邻域的多目标网格任务调度算法。该算法通过求解多个网格任务调度目标函数的非劣解集,采用自适应邻域的方法来保持网格任务调度多目标解集的分布性,尝试解决网格任务调度中多目标协同优化问题。实验结果证明,该算法能够有效地平衡时间维度和费用维度目标,提高了资源的利用率和任务的执行效率,与Min-min和Max-min算法相比具有较好的性能。     

Multi-objective evolutionary design and knowledge discovery of logic circuits based on an adaptive genetic algorithm

Evolutionary design of circuits (EDC), an important branch of evolvable hardware which emphasizes circuit design, is a promising way to realize automated design of electronic circuits. In order to improve evolutionary design of logic circuits in efficiency, scalability and capability of optimization, a genetic algorithm based novel approach was developed. It employs a gate-level encoding scheme that allows flexible changes of functions and interconnections of logic cells comprised, and it adopts a multi-objective evaluation mechanism of fitness with weight-vector adaptation and circuit simulation. Besides, it features an adaptation strategy that enables crossover probability and mutation probability to vary with individuals' diversity and genetic-search process. It was validated by the experiments on arithmetic circuits especially digital multipliers, from which a few functionally correct circuits with novel structures, less gate count and higher operating speed were obtained. Some of the evolved circuits are the most efficient or largest ones (in terms of gate count or problem scale) as far as we know. Moreover, some novel and general principles have been discerned from the EDC results, which are easy to verify but difficult to dig out by human experts with existing knowledge. These results argue that the approach is promising and worthy of further research.     

一种基于演化算法的BP改进算法

本文在对BP神经网络算法分析的基础上,提出一种基于演化算法的BP改进算法(EBP)。该算法将演化算法运用到BP算法学习率的求解中,从而达到学习率的自适应、自组织的目的。实验结果表明,使用EBP算法进行求解函数逼近、优化和建模等BP神经网络应用问题,都要比传统的BP算法具有更好的精确度和收敛速度,并且能够克服传统BP算法易陷入局部最优解、学习过程出现震荡等缺点。     

基于ε-支配的自适应多目标进化算法

提出一种新的基于ε-支配关系的自适应多目标进化算法(AEMOEA)。在每次的进化中保留端点,并从端点集中选取一个作为父本,参加进化,弥补了ε-MOEA算法中端点易被丢掉的缺陷;在进化过程中根据存档动态地调整ε的取值,使解的分布更加均匀;当存档中个体过多时,运用ε-支配关系进行剪切,使其个体数处在合理水平。通过5个常用双目标测试函数的计算,验证了该算法在求解质量上优于ε-MOEA、NAGA-II以及SPEA-2等主流多目标算法。     

基于疫苗接种的免疫算法

用一种基于疫苗接种的免疫算法对货担郎问题求解,该算法在保留了基本遗传算法随机全局搜索能力的基础上,引进了生物免疫系统的免疫应答、接种疫苗、免疫选择等机制,对算法的收敛方向加以控制,从而促进算法的快速求解.实验结果证明,基于疫苗接种的免疫算法能效改善遗传算法的不成熟收敛等缺陷,提高了全局搜索效率,在货担郎问题求解中取得满意结果.     

异步时序逻辑电路的分析与设计

异步时序逻辑电路状态的改变必须考虑外部输入信号以及对应存储器的时钟端或控制端有无信号作用,这是分析与设计的一个难点。针对这一难点进行了详细的讨论,通过系统框图给出了分析和设计的一般步骤;总结了分析和设计中对一般问题的解决方法以及应该注意的问题。通过举例验证了该方法的正确性、通用性和快速性。     

基于免疫自适应遗传算法的机器人栅格地图融合

融合各机器人独自创建的环境地图,实现信息共享,是提高分布式多移动机器人系统环境探索效率的关键.研究了在没有公共参考坐标系及机器人相对位置信息未知情况下的栅格地图融合问题,提出了一种基十免疫自适应遗传算法的栅格地图融合方法,该算法把反映两个栅格地图重叠区域相异程度的优化函数作为抗原,每个可能的平移、旋转平面转换对应一个抗体.仿真结果表明了该算法可以较快的收敛速度和较强的全局搜索能力,搜索到两个栅格地图的最佳重叠区域,实现地图融合.