遗传算法在电路优化中的应用.pdfVIP

遗传算法在电路优化中的应用‘ 曹J5口 谢澜涛马晓红戴居丰 (天津火学电子信息工程学院1 摘要；电路优化是电路CAD的一含重要环节。本文将遗传算法应川丁电路优化， 提出了指数函数表达编码法，成功地解决了屯路优化变越编码等闷题，利用C语言编 写了应_【}i程序，优化实例证明了该方法的有效性。 尊 关键词： 电路优化遗传算法 鼻 Abstract：Circuitisan inelectroniccircuitCADThis optimizationimportantstep paper circuit the of appliesGA(GeneticAlgorithms)to ofthe optimization，solvingproblemcoding electronic by theinterested inallindex—functionform．A componentspresenting components ismadeout，andthe showthatthe methodis program examples optimizationbotheffective ande衔cient． Keyword：circuitoptimizationgeneticalgorithms 一、引言 电路CAD包括CAA*II优化两个部分。常蛸的电路优化方法有梯度法帮l单纯形法等，它 们的特点是i薹行速度比较怏，但一股只适削予某些电路类型，缺乏通用性。为了克服传 统方法的缺宣，近年来人们提出了不依赖具体问题的直接搜索法，遗传算法是其中颇活 跃的一员。它是模拟生命进化机制发展起来的～种搜索利优化方法，在优化领域获得了 很大的成功。本文对这～新兴算法在电路优化中的应用进行了探索。编写了相应的优 化程序，利甩Pspice作为CAA的工具，成功地实现了电路优化。从原理上讲，只要合理 的给出目标函数表达式，就可以对任何拓扑形式的电路进行有效的优化。 二、遗传算法简介 遗传剪洼(Ge．netic AIgorithm)是建立在自然选择和群体遗传学机理基础上的．具有 广泛适心性的搜索方法。它应用交配和适者生存原理获得问题的解。与传统的搜索方法 相比，GA具有以‘F特点： (1)GA处理问题变量的编码，而不是变量本身。 (2)GA锼索～群可能解，而不是一个可能解。 (3)GA使“j…个适应性函数， 而不是偏导数或其它信息。 (4)GA使』=}j概率陛准则指导搜索，而不是确定性准!j!|j。 GA中，群体的人小保持常量，其初始群体随机产生。每一可能解的遗传术语称为 染色体。染色体是问题参数的编码，问题中的每一个参越郡可编码成一迸制字符串，而 每一染色体i|丁石成子字符串的级联形式。事实上，GA搜索一群可能解，意味着同时能 够检1≈多维参数搜索空间的许多区域。止因为如此，人们称其为隐式并行。 新群体是通过老群体染色体应用“遗传算子”形成的。这些遗传算子(如复制、交义和 变异)分别模拟自然选择和自然遗传过程中发生的繁殖交配和(基因)突变现象。 ‘天津市自然科学基金资助项目 j、选择(复制)：常_【_；{的选择技术是比例选择。染色体个体是概率性地从老群体中选择的： 其操作是随机的。它根据染色体的适应度值人小米分配繁殖机会。 适应度相对 低的个体则产生的后代数目少．甚至放性能更好的后』戈个体替代。 ii、交配(交义)