[发明专利]一种FPRM逻辑电路极性搜索方法

说明书

本发明提供的一种FPRM逻辑电路极性搜索方法，利用改进的二进制人工鱼群算法来搜索FPRM逻辑电路的最佳极性，增强了逃脱局部最优和避免早熟的能力，提高了收敛速度和极性搜索的效率。包括以下步骤：1读取Boolean逻辑电路；2输入进化参数；3随机生成初始种群，其中，FPRM逻辑电路的极性被编码为二进制人工鱼；4、5、6分别执行改进的二进制觅食、追尾、聚群操作，分别获得人工鱼AF_P、AF_F、AF_S所对应的FPRM表达式；7计算对应的适应度值；8比较对应的适应度值，保留适应度值大的人工鱼；9当代种群中每个人工鱼的适应度值与精英鱼的适应度值进行比较，更新精英鱼的位置；10若精英鱼的位置连续5次未发生改变，则输出精英鱼；否则顺序执行步骤4至步骤9。

技术领域

本发明涉及Reed-Muller(RM)逻辑电路极性搜索领域，尤其涉及一种固定极性RM(FPRM)逻辑电路极性搜索方法。

背景技术

数字逻辑电路既可以采用基于“与/或/非”运算的传统布尔逻辑实现，也可以采用基于“与/异或”运算的Reed-Muller(RM)逻辑来实现。基于“与/异或”运算的RM逻辑是区别于布尔逻辑的另一种电路表达方式。研究表明，与传统的布尔逻辑电路相比，利用RM逻辑实现部分电路(如运算电路、奇偶校验电路等功能电路)具有更紧凑的结构和更好的可测性。固定极性Reed-Muller(FPRM)逻辑是RM逻辑中常见的一种规范表达形式。在FPRM逻辑电路中n变量的逻辑函数具有个固定极性，与之对应着不同的展开式。因此极性决定着函数繁简程度，进而影响电路面积、功耗等方面的性能。对于大规模RM电路，其极性空间随着电路输入数呈指数型增长，穷尽搜索法往往在有限的时间内无法得到优化结果。因此，在有限的时间内，从巨大的极性优化空间中搜索出对应某一电路性能最优的最佳极性，在FPRM逻辑电路优化中具有重要的实际意义以及研究价值。

遗传算法是一种通过模拟自然进化过程搜索最优解的搜索算法，由于其具有结构简单、容易实现、鲁棒性强等特点，该算法在FPRM逻辑电路极性搜索领域得到了广泛应用。但是，遗传算法存在以下缺陷：

(1)遗传算法中三个算子的实现需要许多参数,如交叉率和变异率,并且这些参数的选择严重影响解的质量。

(2)遗传算法通过进化寻找最优解,但在本质上是一种随机搜索优化算法，对空间的搜索能力是有限的,尤其在优化的后期阶段,搜索效率低,容易陷入局部最优。

(3)遗传算法对初始种群有很强的依赖性,初始种群的优劣直接影响结果的收敛性和解的质量。

由于遗传算法自身的缺陷，使基于遗传算法的FPRM逻辑电路极性搜索方法存在种群多样性差、收敛速度慢、易陷入局部最优等问题，难以满足中大规模FPRM逻辑电路快速、有效搜索最佳极性的需要。因此，对于FPRM逻辑电路极性搜索领域来说，研究一种能快速收敛至全局最优解的极性搜索方法非常必要。

人工鱼群算法是一种全新的群智能优化算法，算法设计了人工鱼模型，通过鱼群中每条人工鱼的觅食、聚群、追尾等行为，达到全局寻优的目的；该算法具有通用性强，易于实现，对寻优函数并没有特殊要求，自身具有全局寻优能力；对初值和算法参数的要求不高，可采用串行或并行方法实现，具有并行执行能力等优点。但是人工鱼群算法主要是是解决连续型问题的，无法直接求解离散二进制编码组合优化问题。

发明内容

本发明提供了一种FPRM逻辑电路极性搜索方法。本方法利用改进的二进制人工鱼群算法来搜索FPRM逻辑电路的最佳极性，增强了逃脱局部最优和避免早熟的能力，提高了收敛速度和极性搜索的效率。

具体来说，本发明提供了一种FPRM逻辑电路极性搜索方法，该方法包括：

步骤1，读取Boolean逻辑电路；

步骤2，输入进化参数；

步骤3，随机生成初始种群，其中，FPRM逻辑电路的极性被编码为二进制人工鱼；