專(zhuān)利名稱(chēng)：：一種固定極性里德穆勒電路延時(shí)和面積的優(yōu)化方法
技術(shù)領(lǐng)域：
：本發(fā)明涉及一種電路的優(yōu)化方法，尤其是涉及一種固定極性里德穆勒電路延時(shí)和面積的優(yōu)化方法。
背景技術(shù)：
：基于AND/X0R或0R/XN0R運(yùn)算的里德穆勒(Reed-Muller，RM)邏輯，是區(qū)別于布爾邏輯的另一種電路表達(dá)方式。研究表明，較之布爾邏輯，基于RM邏輯的部分電路(如算術(shù)電路、奇偶校驗(yàn)電路等功能電路)具有更緊湊的結(jié)構(gòu)[1]和更好的可測(cè)性fe]。RM電路延時(shí)和面積優(yōu)化是電路綜合和優(yōu)化技術(shù)的重要組成部分，受到了學(xué)術(shù)界的普遍重視[3_6]。η變量RM邏輯函數(shù)具有2η個(gè)固定極性，對(duì)應(yīng)2η個(gè)不同的固定極性里德穆勒(Fixed-PolarityReed-Muller,FPRM)表達(dá)式M。每個(gè)表達(dá)式繁簡(jiǎn)不一，其對(duì)應(yīng)電路的延時(shí)和面積也不盡相同。優(yōu)化中小規(guī)模電路時(shí)，可以利用窮盡算法遍歷和檢驗(yàn)每個(gè)極性，但對(duì)較大規(guī)模電路，由于其極性空間的急劇增加，窮盡搜索策略難于在有限的時(shí)間內(nèi)得到優(yōu)化結(jié)果。因此，需要尋找一種有效的智能算法來(lái)提高極性的搜索效率。粒子群優(yōu)化(ParticleSwarmOptimization，PS0)算法是一種新興的進(jìn)化計(jì)算技術(shù)，它源于對(duì)鳥(niǎo)群捕食行為的研究，是一種基于種群的智能方法[7]。較之其他智能算法，如遺傳算法(GeneticAlgorithm，GA)[5]、模擬退火算法[8]等，PSO算法具有原理簡(jiǎn)單、參數(shù)較少、收斂速度快等特點(diǎn)，并且易于實(shí)現(xiàn)，因此被廣泛應(yīng)用于連續(xù)非線性函數(shù)、神經(jīng)網(wǎng)絡(luò)、非線性約束優(yōu)化問(wèn)題等[7’9]。PSO算法從初始解出發(fā)，通過(guò)追隨當(dāng)前最優(yōu)值并經(jīng)逐代搜索來(lái)尋找全局最優(yōu)值，該全局最優(yōu)值與FPRM電路延時(shí)和面積最佳極性相對(duì)應(yīng)。[1]T.Hirayama,Y.Nishitani.ExactminimizationofAND-EXORexpressionsofpracticalbenchmarkfunctions[J].JournalofCircuits,SystemsandComputers.2009，18(3):465-486.[2]H.Rahaman,D.K.Das,B.B.Bhattacharya.TestabledesignofAND-EXORlogicnetworkswithuniversaltestsets[J]·ComputersandElectricalEngineering.2009,35(5):644-658.[3]M.Yang,L.Wang,J.R.Tong,etal.TechniquesfordualformsofReed-Mullerexpansionconversion[J].Integration,theVLSIJournal.2008,41(1)113-122.[4]汪鵬君，陸金剛.基于XN0R/0R邏輯的低功耗最佳極性搜索[J].電子學(xué)報(bào).2008，36(5):993-997.[5]李輝，汪鵬君.基于動(dòng)態(tài)邏輯的MPRM電路低功耗優(yōu)化技術(shù)[J].電路與系統(tǒng)學(xué)報(bào)·2010，15(5):99-105.[6]T.K.Shahana,R.K.James,K.P.Jacob,etal.Automatedsynthesisofdelay-reducedReed-mulleruniversallogicmodulenetworks[C]·in!Proceedingsof23rdNORCHIPConference.0ulu,2005,1-4.[7]F.Mauger,C.Chandre,T.Uzer.Simulatedannealingalgorithmforfindingperiodicorbitsofmulti-electronatomicsystems[J].CommunicationsinNonlinearScienceandNumericalSimulation.2011,16(7):2845-2852.[8]C.J.Liao,C.T.Tseng,P.Luarn.Adiscreteversionofparticleswarmoptimizationforflowshopschedulingproblems[J].ComputersandOperationsResearch.2007,34(10):3099-3111.[9]W.N.Chen,J.Zhang,H.S.H.Chung,etal.Anovelset-basedparticleswarmoptimizationmethodfordiscreteoptimizationproblems[J].IEEETransactionsonEvolutionaryComputation.2010,14(2):278-300.
發(fā)明內(nèi)容本發(fā)明所要解決的技術(shù)問(wèn)題是提供一種對(duì)較大規(guī)模的固定極性里德穆勒電路具有較高的極性搜索效率，并能夠在有限的時(shí)間內(nèi)得到優(yōu)化結(jié)果的固定極性里德穆勒電路延時(shí)和面積的優(yōu)化方法。本發(fā)明解決上述技術(shù)問(wèn)題所采用的技術(shù)方案為一種固定極性里德穆勒電路延時(shí)和面積的優(yōu)化方法，根據(jù)固定極性里德穆勒表達(dá)式特點(diǎn)，利用代數(shù)法對(duì)極性表達(dá)式進(jìn)行化簡(jiǎn)；再基于延時(shí)和面積模型，利用延時(shí)分解來(lái)計(jì)算固定極性里德穆勒電路的延時(shí)和面積，并綜合兩者得到極性適應(yīng)度函數(shù)；然后建立固定極性和粒子群個(gè)體對(duì)應(yīng)關(guān)系，結(jié)合列表技術(shù)，利用粒子群優(yōu)化算法對(duì)固定極性里德穆勒電路進(jìn)行最佳延時(shí)和面積極性搜索；具體步驟為1)選擇進(jìn)化代數(shù)大于100代，小于150代，讀入電路，表示為函數(shù)權(quán)利要求1.一種固定極性里德穆勒電路延時(shí)和面積的優(yōu)化方法，其特征在于根據(jù)固定極性里德穆勒表達(dá)式特點(diǎn)，利用代數(shù)法對(duì)極性表達(dá)式進(jìn)行化簡(jiǎn)；再基于延時(shí)和面積模型，利用延時(shí)分解來(lái)計(jì)算固定極性里德穆勒電路的延時(shí)和面積，并綜合兩者得到極性適應(yīng)度函數(shù)；然后建立固定極性和粒子群個(gè)體對(duì)應(yīng)關(guān)系，結(jié)合列表技木，利用粒子群優(yōu)化算法對(duì)固定極性里德穆勒電路進(jìn)行最佳延時(shí)和面積極性捜索；具體步驟為.1)選擇進(jìn)化代數(shù)大于100代，小于150代，讀入電路，表示為函數(shù)2.如權(quán)利要求1所述的ー種固定極性里德穆勒電路延時(shí)和面積的優(yōu)化方法，其特征在于利用列表技術(shù)獲得固定極性里德穆勒表達(dá)式中與項(xiàng)的具體步驟為1)-1將f(Xlri，xn_2，…，X(I)中的最小項(xiàng)以及所需轉(zhuǎn)換的極性表示成ニ進(jìn)制數(shù)形式；1)-2若極性第g位為0，則選擇第g位為0的最小項(xiàng)，產(chǎn)生該位為1的新項(xiàng)；若極性第g位為1，則選擇第g位為1的最小項(xiàng)，產(chǎn)生該位為0的新項(xiàng)；1)-3將新項(xiàng)與原來(lái)最小項(xiàng)進(jìn)行比較若有與新項(xiàng)相同的最小項(xiàng)，則刪除該最小項(xiàng)；否則將新項(xiàng)插入原來(lái)最小項(xiàng)中；1)-4重復(fù)步驟1)-2和1)_3，直至完成所有位的操作；1)-5將剩下所有最小項(xiàng)跟極性進(jìn)行位異或操作，得到的項(xiàng)即該極性的固定極性里德穆勒與項(xiàng)。3.如權(quán)利要求1所述的ー種固定極性里德穆勒電路延時(shí)和面積的優(yōu)化方法，其特征在于用代數(shù)法對(duì)固定極性里德穆勒表達(dá)式進(jìn)行化簡(jiǎn)的具體步驟為3)-1將與項(xiàng)表示成ニ進(jìn)制數(shù)形式，按1的大小對(duì)與項(xiàng)進(jìn)行分類(lèi)，0^1^n，方法為產(chǎn)生序號(hào)依次為0到η的集合，根據(jù)組合公式C!從小到大把對(duì)應(yīng)與項(xiàng)放入集合0到集合η中，對(duì)于だ=QTz的與項(xiàng)，將1和η-1中較小數(shù)對(duì)應(yīng)的與項(xiàng)存于小號(hào)集合中，較大數(shù)對(duì)應(yīng)與項(xiàng)放入大號(hào)集合中；3)-2將每個(gè)集合的與項(xiàng)從小到大排序，令r=n,s=η-1；3)-3若集合r和s都非空，將集合r和s的最小與項(xiàng)分別賦值給u和w；否則，跳到步驟3)-5；3)-4通過(guò)檢查與項(xiàng)u和w是否滿足Muw=uw若滿足，則在集合中刪除此兩與項(xiàng)，生成混合項(xiàng)，并將集合r和s中的下一與項(xiàng)分別賦值給u和w；否則將集合s中的下一與項(xiàng)賦值給w，而u不變；3)-5若集合r為空或已完成集合r中最后ー個(gè)與項(xiàng)的化簡(jiǎn)操作，則令r=，并對(duì)集合r進(jìn)行如下判斷①當(dāng)r>1且集合r非空，將集合r的最小與項(xiàng)賦值給u；②當(dāng)r=1，跳到步驟幻-9；③當(dāng)集合!·為空，重復(fù)當(dāng)前步驟；3)-6若集合s為空或已完成集合s中最后ー個(gè)與項(xiàng)的化簡(jiǎn)操作，則令s=s-1，并對(duì)集合s進(jìn)行如下判斷①當(dāng)s>0且集合s非空，將集合s的最小與項(xiàng)賦值給w；②當(dāng)s=0，跳到步驟；3)_9；③當(dāng)集合s為空，重復(fù)當(dāng)前步驟；3)-7若r=s，則s=s-1，并對(duì)集合s進(jìn)行如下判斷①當(dāng)s>0且集合s非空，則將集合s的最小與項(xiàng)賦值給w；②若集合s為空，重復(fù)步驟3)-6；3)-8若r=1或者s=0，進(jìn)入步驟3)-9，否則返回步驟3)-4；3)-9檢查集合0是否有與項(xiàng)如果有，與任一未化簡(jiǎn)與項(xiàng)進(jìn)行=Mレ操作；否則不變；3)-10算法結(jié)束，當(dāng)前項(xiàng)包括未化簡(jiǎn)與項(xiàng)以及混合項(xiàng)。4.如權(quán)利要求1所述的ー種固定極性里德穆勒電路延時(shí)和面積的優(yōu)化方法，其特征在于對(duì)于化簡(jiǎn)后的固定極性里德穆勒電路，獲得電路延時(shí)和電路面積的具體步驟如下4)-1對(duì)于混合項(xiàng)^/レ，利用類(lèi)Huffman算法對(duì)。部分的AND門(mén)進(jìn)行分解，將其輸出作為u部分的輸入；對(duì)u部分的AND門(mén)重復(fù)上述操作，并將與項(xiàng)的輸出作為XOR門(mén)的輸入；4)-2對(duì)于未化簡(jiǎn)與項(xiàng)，利用類(lèi)Huffman對(duì)AND門(mén)進(jìn)行分解，將輸出作為M)R門(mén)的輸入；4)-3利用類(lèi)Huffman算法完成對(duì)M)R門(mén)的分解，得到的最短的關(guān)鍵路徑節(jié)點(diǎn)數(shù)為電路延時(shí)，整個(gè)電路網(wǎng)絡(luò)的節(jié)點(diǎn)總數(shù)為電路面積。5.如權(quán)利要求1所述的一種固定極性里德穆勒電路延時(shí)和面積的優(yōu)化方法，其特征在于確定粒子的最新速度和最新位置的具體步驟為定義t為當(dāng)前進(jìn)化代數(shù)，h為空間維數(shù)，O^h^n-Ι,當(dāng)前進(jìn)化代第m個(gè)粒子第h維的最新速度為vmh(t)，用函數(shù)表示為vmh(t)=vmh(t-1)+cl*random1()*(Pbestmh-Xmh(t-1))+c2*random2()*(gbest^x^(t-1)),當(dāng)前進(jìn)化代第m個(gè)粒子第h維的最新位置為^(t)，用sigmoid函數(shù)表示為s(vfflh(t))=1/(l+eXp(-Vl4(t)))，其中，Vfflh(t-1)表示當(dāng)前進(jìn)化代第m個(gè)粒子進(jìn)化前第h維的當(dāng)前速度，XnJt-I)表示當(dāng)前進(jìn)化代第m個(gè)粒子進(jìn)化前第h維的當(dāng)前位置，cl和c2表示加速因子，cl,c2e[1，3]，Pbestmh表示當(dāng)前進(jìn)化代第m個(gè)粒子進(jìn)化前第h維的當(dāng)前最優(yōu)位置，gbesth表示當(dāng)前進(jìn)化代粒子群進(jìn)化前第h維的當(dāng)前最優(yōu)位置，randomlO和random〗()為(0，1)范圍內(nèi)的隨機(jī)數(shù)，V14(t)的具體確定準(zhǔn)則如下vmh(t)e[-Vmax，vmax]，Vmax設(shè)為4，當(dāng)vmh(t)^vfflax時(shí)，令Vmh(t)=Vmax'當(dāng)V1A(t)("Vmax時(shí)，令Vnfc(t)="Vmax,當(dāng)_Vmax<Vmh(t)<Vmax時(shí)，Vmh(t)為計(jì)算值；xmh(t)的具體確定準(zhǔn)則如下Xl4(t)的值為O或者1，設(shè)random3()為(0，1)范圍內(nèi)的隨機(jī)數(shù)，當(dāng)random3()<s(vmh(t))，令xmh(t)=1，否則令^^)=0。6.如權(quán)利要求1所述的一種固定極性里德穆勒電路延時(shí)和面積的優(yōu)化方法，其特征在于M為3050之間的正整數(shù)。全文摘要本發(fā)明公開(kāi)了一種固定極性里德穆勒電路延時(shí)和面積的優(yōu)化方法，特點(diǎn)是根據(jù)固定極性里德穆勒表達(dá)式特點(diǎn)，利用代數(shù)法對(duì)極性表達(dá)式進(jìn)行化簡(jiǎn)；再基于延時(shí)和面積模型，利用延時(shí)分解來(lái)計(jì)算固定極性里德穆勒電路的延時(shí)和面積，并綜合兩者得到極性適應(yīng)度函數(shù)；然后建立固定極性和粒子群個(gè)體對(duì)應(yīng)關(guān)系，結(jié)合列表技術(shù)，利用粒子群優(yōu)化算法對(duì)固定極性里德穆勒電路進(jìn)行最佳延時(shí)和面積極性搜索；通過(guò)對(duì)MCNCBenchmark電路測(cè)試表明，對(duì)較大規(guī)模固定極性里德穆勒電路具有較好的優(yōu)化效果。文檔編號(hào)G06F17/50GK102592013SQ20111045909公開(kāi)日2012年7月18日申請(qǐng)日期2011年12月31日優(yōu)先權(quán)日2011年12月31日發(fā)明者汪鵬君,王振海申請(qǐng)人:寧波大學(xué)