基于全离散粒子群优化纳电子MPRM电路面积优化算法.docVIP

基于全离散粒子群优化纳电子MPRM电路面积优化算法 　　摘 要： 针对具有较多输入数的可编程阵列结构纳电子混合极性Reed?Muller电路的面积优化问题，提出一种全离散粒子群优化算法。通过将粒子速度合并到位置更新方程，充分挖掘粒子群优化中的学习因素得到全离散化的粒子更新方程，在此基础之上设计FDPSO算法，并使用探索概率作为算法参数控制算法全局探索与局部开拓间的平衡。对一组输入数大于20的MCNC电路进行优化的实验结果表明，与其他能够用于可编程阵列结构纳电子混合极性Reed?Muller电路面积优化的智能算法相比，全离散粒子群优化算法具有较强的全局收敛能力和结果稳定性，能够以较高时间效率获得较好的优化结果。 　　关键词： 纳电子； MPRM电路； 面积优化； 粒子群优化； 更新方程； 算法参数 　　中图分类号： TN431.2?34； TP391.72 文献标识码： A 文章编号： 1004?373X（2018）04?0078?05 　　Abstract： In allusion to the area optimization problem of programmable array?structured nanoelectronic mixed?polarity Reed?Muller （MPRM） circuit with many input numbers， a fully discretized particle swarm optimization （FDPSO） algorithm is proposed. The learning factors in particle swarm optimization are fully mined by integrating particle velocity into the location update equation to obtain the fully discretized particle update equation. On this basis， FDPSO algorithm is designed and the exploration probability is used as the algorithm parameter to control the balance between global exploration and local exploitation of the algorithm. The optimization experiment for microelectronics center of North Carolina （MCNC） circuit whose input numbers are larger than 20 was carried out. The results show that， in comparison with other intelligent algorithms that can be applied to area optimization of programmable array?structured nanoelectronic MPRM circuit， FDPSO algorithm has stronger global convergence capability and result stability， and can achieve better optimization results with higher time efficiency. 　　Keywords： nanoelectronic； MPRM circuit； area optimization； particle swarm optimization； update equation； algorithm parameter 　　0 引 言 　　混合极性Reed?Muller（Mixed?Polarity RM，MPRM）逻辑是乘积项的异或和表示[1]，因其逻辑表示的紧凑性及其电路实现的良好可测试性[2]，在算术电路、通信电路以及校验电路中得到了广泛应用[1]。这些电路是计算机和通信系统中的关键电路，紧凑的逻辑表示有助于降低电路的面积和功耗，良好的可测试有助于提高系统的可靠性。 　　当器件尺寸进入纳米规模，基于纳电子器件的可编程阵列结构被认为是一种很有前景的纳电子电路结构[3]，这种电路结构也非常宜于用来映射MPRM逻辑从而构建纳电子MPRM电路。纳电子MPRM电路面积优化问题属于组合优化问题[4]，因其存在指数级的解空间，为在较为合理的时间内得到较好的优化