FPRM逻辑电路最佳极性的启发式搜索 Best polarity searching of FPRM circuits with heuristic technique.pdfVIP

第14卷第6期 电路与系统学报 V01．14No．6 2009年12月 JOURNALOFCIRCUITSANDSYSTEMS 文章编号：1007-0249(2009)06．0024．05 FPRM逻辑电路最佳极性的启发式搜索+ 张会红1，一， 汪鹏君2， 顾幸生1， 戴静2 (1．华东理工大学自动化研究所，上海200237；2．宁波大学电路与系统研究所，浙江宁波315211) 摘要-本文将启发式思想引入中规模及以上规模逻辑电路的极性优化过程，提出最少操作遍历方法用于求解当前 待评估极性集合的最佳遍历顺序，以达到加快电路极性优化速度的目的。将该方法融入遗传算法中，以电路面积最小 化为目标，对12个MCNC 性搜索效率尤为明显。 关键词。FPRM逻辑电路；极性优化：极性转换；启发式 中图分类号tTN41 文献标识码一A 1 引言 如算术电路、奇偶校验电路、通信电路等在功耗、面积和速度等方面表现出了巨大的优势[1】。目前， 逻辑函数最小化方面的特点也越来越清晰p~7J。 的XNOR／OR展开式，各极性的优劣可根据对应展开式下具体目标函数值的大小评定，其中目标函数 通常与电路功耗、面积、速度性能等相关。搜索电路的最佳极性，实现逻辑电路功耗、面积等的最优 化已成为集成电路设计领域的必然要求。基于列表技术的极性间转换算法表明15J：由某已知极性下的 数越少，则转换过程所需的操作越少，极性转换速度也越快。小规模电路可以采用穷尽搜索技术逐一 检验各个极性的优劣，极性按格雷码顺序搜索时转换速度显然是最快的；对于中等及以上规模电路， 由于极性数目与变量数目之间的指数关系，穷尽搜索方案将不再可行。研究者往往转而寻求有效的智 能算法搜索最佳极性或近最佳极性【6】。在遗传算法等具有并行计算特征的智能算法的进化过程中，每 一代个体集都由几十甚至上百个个体按随机的顺序组合而成，同时该集合内个体数目又远小于变量数 目行所对应完全集(2”)的大小，此时格雷码顺序已失去意义。直接按随机顺序评估这些极性会造成 计算时间上不必要的浪费。鉴于此，本文针对当前待评估极性集合提出最少操作极性遍历方法。在当 前的极性集评估之前，先根据“搜索过程操作最少”的原则求解待评估极性集的最佳遍历顺序；再依 此顺序进行极性转换和评估，可以有效地缩短电路最佳极性搜索时间。在RM电路极性搜索中，最少 操作极性搜索顺序具有与格雷码顺序相当的优势，即相同条件下按该顺序评估个体集所需时间最短。 事实上，对于完全集，最少操作搜索顺序就足一种格雷码顺序；同时，由于该方法相比于格雷码法降 低了对个体集的要求，即不再要求数据集的完整性，故其适用范围比后者大得多：既可用于小规模电 路的穷举法最佳极性搜索过程，也能融入并行类智能算法中，用于提高中等及以上规模电路极性优化 的计算效率。 +收稿日期，2009—04．30修订日期：2009—05-30 目(2008A610005，2009A610059)：宁波大学教授基金资助项目 万方数据 第6期 张会红等：FPRM逻辑电路最佳极性的启发式搜索 2 XNOR／OR逻辑及极性转换 任何逻辑函数都可以表示成如下XNOR／OR形式【5】= ，，LX 声 、J =o +S 俨 俨2 ‰ 4 、J mnM 其中，下标i的二进制形式可表示为o，0：…io；o兀表示同或操作；母是OR项，可表示为： = (2) Sj=(3}n-I孟n，…，‰)， ．0 ，●●●●，、●●【 仉0 ．0．乃卸旬 中只能以原型或补的形式出现：如极性P=(所一，阼：…‰)下A为ON相应的变量为原型，反之为其补。 往需要把两种多输入门分解成一系列相应的二输入门。因此，XNOR／OR电路的功耗可看作是由二输入 性能指标的估算也是如此。本文拟以电路面积最小化为优化目