[发明专利]一种基于帕雷托支配的MPRM电路多目标优化方法

说明书

本发明公开了一种基于帕雷托支配的MPRM电路多目标优化方法，将MPRM电路面积和功耗优化问题转换为粒子群寻优问题，通过多目标三值多样性粒子群算法对MPRM电路面积与功耗进行最佳极性搜索，建立基于MOTDPSO算法的粒子与MPRM电路极性之间的参数映射关系，再将MPRM电路面积优化的各参数与的各参数进行关联，构建面积和功耗优化函数，在多目标三值多样性粒子群算法求解MPRM电路面积和功耗综合优化问题的基础上，对超出定义的速度边界范围和位置边界范围的粒子，执行边界约束处理，并结合支配概念来优化；优点是搜索效率高，且寻优能力强，优化效果好。

技术领域

本发明涉及一种MPRM电路多目标优化方法，尤其是涉及一种基于帕雷托支配的MPRM电路多目标优化方法。

背景技术

随着集成电路(IC)技术的发展，集成电路的集成度正在迅速提高。功耗和面积已经成为IC设计中不容忽视的问题，在集成电路设计流程的各个阶段都需要考虑电路面积和功耗。

任何逻辑电路都可以采用基于AND/OR/NOT形式的布尔逻辑来表示，也可以采用基于AND/XOR或OR/XNOR形式的Reed-Muller(RM)逻辑来表示。随着集成电路优化设计的发展，以Reed-Muller(RM)逻辑表示的逻辑电路在功耗、面积、速度和可测试性方面比传统布尔逻辑的形式更具优势。RM逻辑主要分为固定极性RM(fixed-polarity Reed-Muller，FPRM)和混合极性RM(mixed-polarity Reed-Muller，MPRM)。MPRM与FPRM相对比，MPRM不但具有更为简单的表示，且MPRM展开式的极性搜索空间庞大，包含了FPRM展开式的所有极性。因此，MPRM具有比FPRM更大的优化空间和更好的优化效果。

极性直接决定MPRM电路的表达式形式，进而影响MPRM电路的面积和功耗。MPRM电路的优化是在特定空间中搜索一个或多个极性，使其目标函数获得最优值。但是，MPRM电路的极性搜索空间庞大，使其电路性能优化的时间和空间复杂度很高。目前，MPRM电路优化普遍使用的方法是枚举法和遗传算法。但是，大规模的MPRM电路优化使用枚举法需要耗费大量时间，搜索效率低，使用遗传算法求解又会有种群多样性保持机制差、收敛速度慢和局部寻优能力弱等缺点，以致最终优化效果较差。

发明内容

本发明所要解决的技术问题是提供一种搜索效率高，且寻优能力强，优化效果好的基于帕雷托支配的MPRM电路多目标优化方法。

本发明解决上述技术问题所采用的技术方案为：一种基于帕雷托支配的MPRM电路多目标优化方法，包括以下步骤：

(1)读取代表电路结构的函数表达式：

其中，n表示函数f(x_n-1,x_n-2,...,x_k,...,x₀)的输入变量数，(x_n-1,x_n-2,...,x_k,...,x₀)为函数f(x_n-1,x_n-2,...,x_k,...,x₀)的n个输入变量，x_k为函数f(x_n-1,x_n-2,...,x_k,...,x₀)的第k+1个输入变量，k＝0,1,2,...n-1，∏为与运算符号，a_i是第i个最大项系数，且a_i∈{0,1}，i为最大项序数，用二进制表示为i_n-1i_n-2…i_k…i₀，m_i表示第i个最大项，其符号表示形式为式中的出现形式和i_k相关，若i_k＝1，若i_k＝0，其中为x_k的反变量；