[发明专利]一种FPRM逻辑电路面积优化方法

说明书

本发明提供的一种FPRM逻辑电路面积优化方法，利用二进制萤火虫算法来优化FPRM逻辑电路的面积，增强了逃脱局部最优的能力，提高了收敛速度和面积优化的效率，改善了面积优化的效果。包括以下步骤：1读取Boolean逻辑电路；2对种群大小、最大迭代次数、光强吸收系数和个体间最大吸引力进行初始化；3随机生成初始种群，其中FPRM逻辑电路极性的二进制表示形式被编码为二进制萤火虫个体的位置；4基于FPRM逻辑电路面积目标函数计算萤火虫的亮度；5对于种群中任意两个萤火虫个体，若萤火虫i的亮度小于萤火虫j的亮度，则执行位置更新操作，否则执行精英保留策略；6若当前迭代次数小于最大迭代次数，则执行步骤5，否则输出最优个体的面积。

技术领域

本发明涉及FPRM(Fixed Polarity Reed-Muller)逻辑电路面积优化领域，特别是一种FPRM逻辑电路面积优化方法。

背景技术

任意逻辑函数都有Boolean逻辑和Reed-Muller逻辑两种逻辑实现形式，研究表明，与传统Boolean逻辑实现的电路相比，用RM逻辑实现的电路(例如算术电路、奇偶校验电路以及通信电路等)在面积、功耗、速度以及可测试性等方面具有更大优势。RM逻辑电路是一种基于XOR/AND运算或者XNOR/OR运算的数字逻辑电路。固定极性RM(Fixed-PolarityReed-Muller，FPRM)展开式是RM逻辑展开式中最为常见的一种展开式。对于FPRM而言，一个n变量的逻辑函数有2ⁿ个不同的极性，对应着2ⁿ个不同的函数表达式，而不同的函数表达式又对应着不同的面积，从而影响电路的性能。随着集成电路技术的发展和电路规模的不断增大，集成电路优化设计已从早期的单目标电路性能优化转变为多目标电路性能综合优化。并且，面积已经成为阻碍大规模以及超大规模集成电路发展的重要因素之一。

现有FPRM逻辑电路面积优化方法多基于穷举算法、遗传算法和粒子群算法等智能优化算法，基于穷举算法的面积优化方法虽然可以通过获得最优极性从而得到最优面积，但是只是适用于小规模电路，对于中大规模电路则需要付出很大的时间代价；基于遗传算法的面积优化方法虽然具有鲁棒性高、扩展性好等特点，但是种群多样性不高，收敛速度慢并且易陷入局部最优；基于粒子群算法面积优化方法虽然可以对较大规模FPRM逻辑电路进行面积优化，但是基本粒子群算法易陷入局部最优，使得算法过早收敛，对极性的搜索精度不高，进而导致面积优化的效果不好。

由于受穷举算法、遗传算法和粒子群算法等算法自身缺陷的影响，使得基于穷举算法、遗传算法和粒子群算法的FPRM逻辑电路面积优化方法存在种群多样性差、搜索精度不高、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、有效优化最优面积的需要。因此，对于FPRM逻辑电路面积优化领域来说，研究一种能快速收敛至全局最优解的面积优化方法已迫在眉睫。

萤火虫算法是一种新兴的智能优化技术，已成为群智能优化算法的一个重要分支。它利用个体位置单位维度的随机变化产生新位置，进而扩大面积优化空间，从而找到最优解。与穷举算法、遗传算法以及粒子群算法相比，萤火虫算法作为一种新兴的智能优化算法，具有计算效率高、需要设置的参数少、操作简单、易于实现等优点。然而，传统萤火虫算法主要用于求解连续变量的全局优化问题，无法求解像FPRM逻辑电路面积优化这样的离散二进制编码组合优化问题。

发明内容

为解决上述问题，本发明提供了一种FPRM逻辑电路面积优化方法。本方法利用二进制萤火虫算法来优化固定极性Reed-Muller逻辑电路的面积，提高了面积优化的效率、改善了面积优化的效果。

具体来说，本发明提供了一种FPRM逻辑电路面积优化方法，该方法具体步骤包括：

步骤1，读取Boolean逻辑电路；

步骤2，对种群大小、最大迭代次数、光强吸收系数和个体间最大吸引力进行初始化；

步骤3，随机生成初始种群，其中FPRM逻辑电路极性的二进制表示形式被编码为二进制萤火虫个体的位置；