基于进化算法的硬件演化基础研究

发布时间：2020-10-11 23:14

　　 硬件演化技术是把进化算法与可重构硬件相结合,研制能像现实生物生命一样,根据环境变化而动态调整自身结构的硬件电路。电路的演化设计、容错和自修复系统是演化硬件研究的两个重要领域。演化硬件的实现可大大提高电子系统的可靠性及可用性,对需要在特殊工作环境中长期工作的电路设备具有重大意义。 本文系统介绍了硬件演化技术的基本原理和实现方法。首先,对演化硬件的概念、应用领域、研究现状以及发展趋势进行了较全面的介绍;其次,对可用于进行硬件演化的可编程逻辑器件进行了阐述,重点讨论和分析了演化硬件的理论基础——进化算法,对其基本原理与实现过程进行了深入的研究;然后,分析了硬件演化的基本实现原理,并通过实例对硬件演化的实现技术进行了研究,同时对容错与自适应硬件系统进行了初步探索;接着,基于遗传程序设计进行了数字逻辑电路的演化实验,设计结果表明其不依赖先验知识,满足电路功能要求,用硬件演化的思想进行电路的演化设计是可行的。论文最后对课题研究进行了总结,并给出了开展后续研究的建议。
【学位单位】：南京理工大学
【学位级别】：硕士
【学位年份】：2008
【中图分类】：TP18;TP303
【部分图文】：

图2.7FPGA内部结构示意图(感谢xilinx公司提供的资料)2.7即可以看出，FPGA通常是由布线资源围绕的可编程逻辑单元(或宏)构成阵列，又由可编程1/0单元(IOB)围绕阵列构成整个芯片，排成单元由布线通道中的可编程内连线连接起来实现一定的逻辑功能。一能包含静态存储单元(BLOCKRAM)，它们允许内连的模式在器件被制加载和修改。A的设计在器件的选择和内连上为用户提供了更大的自由度，可以达到比高的集成度、更复杂的布线结构和逻辑实现。一般PLD与FPGA之间的一般PLD通过修改具有固定内连电路的逻辑功能来编程的，而FPGA是根或多根内连线的布线来编程的。FPGA比一般PLD更适合于实现多级;但在具体用法上，两者多数情况下是相似的。于硬件演化的芯片选择

l)单点交叉单点交叉(One一 pointcrossover)又称为简单交叉，它是指在个体编码串中只随机设置一个交叉点，然后在该点相互交换两个配对个体的部分染色体。如图3.3所示。父申l后代串1单点交叉父串2后代串2图3.3单点交叉算子示意图单点交叉的重要特点是:若邻接基因座之间的关系能提供较好的个体性状和较高的个体适应度的话，则这种单点交叉操作破坏这种个体性状和降低个体适应度的可能性最小。但是在群体规模较小时，其搜索能力受到一定的影响。32

2)双点交叉和多点交叉双点交叉(Two一 poiniCrossover)是指在个体编码串中随机设置了二个交叉，然后再进行部分基因交换。如图3.4所示。父甲l后代甲1两点交叉父串2后代串2图3.4两点交叉算子示意图将双点交叉和单点交叉的概念加以推广，可得到多点交叉(Multi一 pointCrossover)的概念。即多点交叉是指在个体编码串中随机设置了多个交叉点，然后进行基因交换。多点交叉又称广义交叉，其操作过程与单点交叉和双点交叉相类似。需要说明的是，一般不常使用多点交叉算子，因为它有可能破坏一些好的模式。事实上，随着交叉点数的增多，个体的结构被破坏的可能性也逐渐增大，这样就很难有效地保存较好的模式，从而影响遗传算法的性能。3)均匀交叉均匀交叉 (UniformCrossover)是指两个配对个体的每一个基因座上的基因都以相同的交叉概率进行交换，从而形成两个新的个体。例如:父串:l:110010111000父串:2:101011101011模板 :001101011100后代串:l:111011101000后代串:2:100010111011均匀性交叉在交换位时并不考虑其所在位置
【相似文献】

相关期刊论文 前10条

1 宫新保,朱杰;基于进化算法的RBF网络在多用户检测中的应用[J];电子测量与仪器学报;2003年01期

2 杜琼;周一届;;新的进化算法——文化算法[J];计算机科学;2005年09期

3 蓝艇;刘士荣;顾幸生;;基于进化算法的多目标优化方法[J];控制与决策;2006年06期

4 侯中喜;陈小庆;郭良民;;基于排挤机制改进的多目标进化算法[J];国防科技大学学报;2006年04期

5 武妍;包建军;;一种新的求解TSP的混合量子进化算法[J];计算机应用;2006年10期

6 刘淳安;王宇平;;约束多目标优化问题的进化算法及其收敛性[J];系统工程与电子技术;2007年02期

7 覃朝勇;郑建国;;用于高维函数优化的多智能体量子进化算法[J];自然科学进展;2008年02期

8 黄俊;刘宴兵;;求解QoS路由优化的一种新进化算法[J];重庆邮电大学学报(自然科学版);2008年04期

9 韩丽霞;王宇平;;双目标进化算法求解图着色问题[J];系统工程与电子技术;2008年10期

10 王巍;赵文红;王宇平;;一种有效的解无约束全局优化的进化算法[J];控制理论与应用;2010年05期

相关博士学位论文 前10条

1 许伟;基于进化算法的复杂化工过程智能建模方法及其应用[D];华东理工大学;2011年

2 贾东立;改进的差分进化算法及其在通信信号处理中的应用研究[D];上海大学;2011年

3 张鹏翔;多目标进化算法及其在电力系统中的应用研究[D];华中科技大学;2004年

4 王瑜;基于多方法融合的进化算法研究[D];中国科学技术大学;2011年

5 李映;混合智能计算方法及其应用[D];西安电子科技大学;2002年

6 崔承刚;基于启发式知识进化算法的复杂约束优化问题求解[D];浙江大学;2010年

7 陆婷;进化回归神经网络的研究及应用[D];华南理工大学;2003年

8 王允良;飞行器总体参数优化的进化算法及其应用研究[D];西北工业大学;2006年

9 童梅;智能控制在电力系统谐波抑制中的应用[D];浙江大学;2002年

10 刘海林;单目标、多目标最优化进化算法[D];华南理工大学;2002年

相关硕士学位论文 前10条

1 谢俊凰;进化算法研究平台的设计与开发—数据处理[D];太原科技大学;2011年

2 刘彤;解多目标优化问题的进化算法[D];西安电子科技大学;2010年

3 邹丽珊;共同进化算法及其应用研究[D];湘潭大学;2002年

4 刘楠楠;基于进化算法的多目标优化算法及应用研究[D];南京航空航天大学;2010年

5 杨淑媛;量子进化算法的研究及其应用[D];西安电子科技大学;2003年

6 刘淳安;无偏好多目标优化进化算法及其应用[D];西安电子科技大学;2005年

7 杜金玲;基于水平集进化的全局优化进化算法研究[D];西安电子科技大学;2004年

8 冀德刚;物流运输中车辆路径优化算法研究[D];河北大学;2011年

9 周丽娟;进化算法及其在全局优化和VRP中的应用[D];西安电子科技大学;2007年

10 梁峰;基于BPSO和变邻域差分进化算法的配电网重构[D];东北电力大学;2011年

本文编号：2837262