基于演化硬件的多目标进化算法的研究

张晓芳; 李智; 牛军浩

Chinese

您当前的位置：

首页 >

文章列表页 >

基于演化硬件的多目标进化算法的研究

更新时间：2026-09-04

- 基于演化硬件的多目标进化算法的研究
- Research of Multi-objective Optimization Evolutionary Algorithm Based on Evolvable Hardware
- 微电子学与计算机 2016年33卷第9期页码：119-123
- 作者机构：
  
  1. 桂林电子科技大学机构电子工程与自动化学院,广西,桂林,541004
  2. 桂林航天工业学院机构,广西,桂林,541004
  3. 桂林电子科技大学广西自动检测技术与仪器重点实验室,广西,桂林,541004
- 作者简介：
- 基金信息：
  
  广西自动检测技术与仪器重点实验室主任基金 YQ14112
- DOI：
  中图分类号：
- 纸质出版：2016
- 稿件说明：
移动端阅览
张晓芳, 李智, 牛军浩. 基于演化硬件的多目标进化算法的研究[J]. 微电子学与计算机, 2016, 33(9): 119-123.

ZHANG Xiao-fang, LI Zhi, NIU Jun-hao. Research of Multi-objective Optimization Evolutionary Algorithm Based on Evolvable Hardware[J]. 2016, 33(9): 119-123.
张晓芳, 李智, 牛军浩. 基于演化硬件的多目标进化算法的研究[J]. 微电子学与计算机, 2016, 33(9): 119-123. DOI：

ZHANG Xiao-fang, LI Zhi, NIU Jun-hao. Research of Multi-objective Optimization Evolutionary Algorithm Based on Evolvable Hardware[J]. 2016, 33(9): 119-123. DOI：

摘要

传统遗传算法在演化数字逻辑电路时表现为演化速度缓慢且极易陷入局部最优解

而且易出现早熟收敛现象.针对上述问题

给出一种基于遗传算法的多目标进化算法

即强度Pareto进化算法2(SPEA2)用于数字逻辑电路的进化设计.演化平台以虚拟可重构电路为电路基础

FPGA为实现载体

利用Microblaze软核实现该算法对目标电路的演化操作.通过两位乘法器电路证明了所给出算法的全局搜索能力

且能够有效地减少搜索到全局最优解的迭代次数

并在一定程度上优化演化电路的规模

提高设计效率.

Abstract

During the evolution of digital logic circuit

genetic algorithm(GA)possess a slow evolution

plunges into local optimal solution and produces premature convergence phenomenon easily.To solve these problems

a kind of multi-objective optimization evolutionary algorithm(MOEA)

strong Pareto evolutionary algorithm 2(SPEA2)which utilized for the evolution is given.The scheme constructs a platform on FPGA based on Virtual reconfigurable circuit(VRC)and employs Microblaze soft core to implement the evolutionary algorithms for the evolution of the target circuit.The evolution of two multiplier proves global searching ability of the proposed algorithm and demonstrates that the algorithm can effectively reduce the number of iterations to search the global optimal solution.Experiments shows that the proposed algorithm can improve the efficiency of evolution of the circuit scale and design to a certain extent.

关键词

Keywords

references

解双建, 原亮, 满梦华, 等. 基于虚拟可重构电路的演化平台设计[J]. 计算机技术与发展, 2011, 21(7): 214-220. DOI: 214

崔逊学. 多目标进化算法及其应用[M]. 北京: 国防工业出版社, 2006: 4-28. DOI: 4

肖晓伟, 肖迪, 林锦国, 等. 多目标优化问题的研究概述[J]. 计算机应用研究, 2011, 28(3): 805-808+827. DOI: 805

E. Zitzler et al. SPEA2: Improving the strength Pareto evolutionary algorithm for multi-objective optimization[C]//Proc EUROGEN 2001-Evolutionary Methods for Design Optimization and Control with Applications to Industrial Problems. Pennsvlvania: IEEE, 2001: 95-100.

Sekanina L, Friedl S. An evolvable combinational unit for FPGAS[J]. Computing and Informatics, 2004, 23(5): 461-486. DOI: 461

Garis HD. Evolvable Hardware: Genetic programming of a darwin machine[C]//Proceedings of the International Comference in Linnsbruck. Austria: IEEE, 1993: 441-449.

陈芹芹, 姚睿. 适用于演化硬件的遗传算法[J]. 计算机工程与设计, 2014, 35(9): 3244-3248. DOI: 3244

Springer S Lukas. Evolvable Components: From theory to hardware implementations[M]. Berlin: Springer, 2004.

Fonseca C M, Fleming P J. An overview of evolutionary algorithms in multi-objective optimization evolutionary computation[J]. IEEE Transactions on Evolutionary Computation, 1995, 3(1): 1-16. DOI: 1

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

一种基于共享缓存的星载数据交换架构设计

5G定位算法的FPGA加速设计研究

YOLO目标检测后处理算法的优化和硬件加速

基于FPGA的H.264可变块运动估计算法的优化及实现

基于TRNG与PUF集成结构的安全加密认证系统