基于灾变遗传算法的二叉判定图最小化算法.pdfVIP

ComputerEngineeringandApplications计算机工程与应用 2015，51 3 55 基于灾变遗传算法的二叉判定图最小化算法 王镇道 ，陈 义 W ANG Zhendao，CHEN Yi 湖南大学 物理与微电子科学学院，长沙 410082 SchoolofPhysicsandM icroelectronicsSciences，HunanUniversity，Changsha410082，China WANG Zhendao，CHEN Yi．BinaryDecisionDiagram variableorderingbasedoncatastrophegeneticalgorithm． ComputerEngineeringandApplications，2015，51 3 ：55—60． Abstract：TheBinaryDecisionDiagramsiswidelyusedinformalverification，butaproblem aboutthegreatnodesize， whileusingthecorrelationalgorithm ，isunsolved．Itpresentsanew catastrophegeneticalgorithm forminimizingtheBinary DecisionDiagrams，inspiredbythebasicgeneticalgorithm．Itcanincreasethediversityofindividualswithoutexpanding thepopulation size，whichcan improvethelocalconvergence．Theexperimentalevaluationusessomebenchmarksand provesbetterresultsthanthebasicgeneticalgorithm onglobaloptimizationandthisalgorithm reducesthenodesizeaddition- allyby25％ mostly．Moreover，thealgorithm hasgoodextensibility．Itiseasytocombinewithotherimprovementstrategies together,toimprovetheglobaladvantage，becausetheevolutionarystrategydoesnotaffecttheoccurrenceofcatastrophe． Keywords：BinaryDecisionDiagram BDD ；geneticalgorithm；catastrophe；minimization；variableordering 摘 要：二叉判定图广泛应用于形式验证，但相关算法存在节点规模过大的问题。提 出了一种基于灾变遗传算法的 二叉判定图最小化算法，它能在不扩大种群规模的情况下增加个体多样性，改善遗传算法局部收敛的问题 。试验结 果表明该算法的全局特性显著优于传统遗传算法，能够进一步减小节点规模，改善程度最高可达25％。而且，由于 使用何种进化策略并不影响灾变的发生，因此，算法可扩展性好 ，极易与其他改进策略结合起来，在原有特性的基础 上引入全局优势，以进一步减小节点规模 。 关键词：二叉判定图；遗传算法；灾变；最小化；变量排序 文献标志码：A 中图分类号：TP11 doi：10．3778／j．issn．1002．8331．1402—0377 1 引言 完全 问题 ]。 二叉判定图 Binary DecisionDiagram，BDD 是 近年来 ，研究人员提出了精确变量排序 、启发式变 描述布尔函数或组合逻辑电路的一种数据结构 ，广泛应 量排序等BDD变量排序方法。依据启发式策略的不 用于形式验证领域 ，包括组合逻辑 电路 、时序逻辑 电路 同，又可以分为静态变量排序法和动态变量排序法。精 以及等价性检验 、模型检验等 ，许多用于电路设计的CAD 确变量排序法出现较早 ，具有严谨的完备性 ，算法时间 系统都使用BDD作为底层数据结构。 复杂度 0 3”n· ，是优化算法的研究基础 。静态变量排 不过 ，BDD节点规模严重依赖于变量顺序 ，在最坏 序法是在构建BDD之前 ，依据启发式策略确定初始顺 的情况下会使BDD节点规模呈指数增长。在实际应用 序。不过，算法策略严重依赖于给定函数，实用性较差。 中，能否使用BDD求解技术 ，很大程度上取决于使用 目前主要研究方向是动态变量排序法。它是通过调整 BDD表示问