共查询到19条相似文献,搜索用时 46 毫秒
1.
固定极性Reed-Muller (FPRM)逻辑电路面积优化是当前集成电路设计领域的研究热点。但现有FPRM逻辑电路面积优化方法存在优化效率低和优化效果差等问题。FPRM逻辑电路面积优化属于组合优化问题,提出一种自适应混合人工蜂群(SMABC)算法。所提算法在引领蜂搜索阶段引入细菌觅食算法中的细菌趋化行为,使引领蜂向靠近优秀蜜源的方向搜索,提高了所提算法的收敛速度;对跟随蜂的选择概率进行改进使其依据种群的变化自适应改变,提高了所提算法的全局搜索能力;对侦查蜂的转换条件进行改进,增加了侦查蜂在进化过程中的扰动幅度;且在进化过程中引入精英保留策略以提高种群质量。此外,提出一种基于SMABC算法的FPRM逻辑电路面积优化方法,所提方法收敛速度最快且面积优化率最高为54.62%,平均面积优化率为15.33%。 相似文献
2.
现有基于传统智能优化算法的MPRM电路面积优化算法存在效果差的问题。由于MPRM电路面积优化属于组合优化问题,先提出一种多策略协同进化人工鱼群算法(MAFSA),该算法引入基于反向学习的种群初始化策略,以提高种群多样性及初始种群解的质量;引入觅食与追尾交互性策略,以加强人工鱼个体之间的信息交流、提高所提算法的收敛速度;引入自适应扰动策略,以增加人工鱼个体位置变异的随机性、避免所提算法陷入局部最优。此外,提出一种MPRM逻辑电路面积优化方法,利用所提算法来搜索电路面积最小的最佳极性。基于北卡罗莱纳州微电子中心(MCNC)Benchmark电路的实验结果表明:与遗传算法相比,所提算法优化电路平均面积百分比最高为57.24%,平均为39.57%;与人工鱼群算法相比,所提算法优化电路平均面积百分比最高为33.53%,平均为14.54%;与改进的人工鱼群算法相比,所提算法优化电路平均面积百分比最高为30.25%,平均为13.86%。 相似文献
3.
基于信息素启发狼群算法的UAV集群火力分配 总被引:1,自引:0,他引:1
无人机(UAV)集群作战是未来智能化战争的重要作战样式。为充分发挥UAV集群整体作战优势,得到最优武器-目标分配(WTA)方案,使得UAV集群在火力分配中既能够满足任务要求,又能够较少作战单元消耗,建立了包含任务完成、有效杀伤、攻击消耗约束的UAV集群火力分配数学模型,采用带有游走、召唤算子的改进狼群算法(WPA)对模型进行求解。为提高算法全局寻优效率,避免陷入局部最优,引入蚁群优化(ACO)算法中信息素启发规则,对游走行为及狼群更新机制进一步改进,提出了基于信息素启发狼群算法(PHWPA)的UAV集群进攻的火力分配方法。仿真结果表明:所提方法是有效的,相比较于其他算法,PHWPA具有更高效的寻优能力,能够为UAV集群作战火力规划提供支持。 相似文献
4.
为了在集成电路可测试性设计(DFT)中实现更有效的测试向量压缩,减少测试数据容量和测试时间,采用嵌入式确定性测试(EDT)的扫描测试压缩方案分别对S13207、S15850、S38417和S38584基准电路进行了优化分析,通过研究测试向量和移位周期等影响测试压缩的因素,提出了固定测试端口和固定压缩率的扫描测试压缩电路优化方法。结果表明,在测试端口数量都为2,压缩率分别为12、14、16和24时具有较好的压缩效果,与传统自动测试向量生成(ATPG)相比,固定故障的测试数据容量减小了3.9~6.4倍,测试时间减少了3.8~6.2倍,跳变延时故障的测试数据容量减少了4.1~5.4倍,测试时间减少了3.8~5.2倍。所提方法通过改变测试端口数和压缩率的方式讨论了多种影响测试压缩的因素,给出扫描测试压缩电路的优化设计方案,提高了压缩效率,并对一个较大规模电路进行了仿真验证,可适用于集成电路的扫描测试压缩设计。 相似文献
为了满足变循环发动机(VCE)性能寻优控制(PSC)需求,提出了一种基于序列二次约束二次规划(SQCQP)算法的性能寻优控制算法,通过罚函数将二次约束二次规划(QCQP)子问题转化为适应度函数,并提出一种改进微分进化(IDE)算法求解QCQP子问题,以获得最优的搜索方向。与序列二次规划(SQP)算法相比,本文提出的基于IDE算法求解QCQP子问题的SQCQP算法(IDE-SQCQP)能在更少的迭代次数下寻到更优的解。将IDESQCQP算法应用于变循环发动机的性能寻优控制中,数字仿真结果表明,在最大推力寻优控制中,IDE-SQCQP算法用时比SQP算法减少16.81%,优化效果提升了21.50%,在最小油耗寻优控制中,IDE-SQCQP算法用时比SQP算法减少14.90%,优化效果提升了31.03%,达到了算法提出的目的。 相似文献
6.
依据近红外光谱(NIR)产生原理,提出了粒子群优化极限学习机(PSO-ELM)算法,运用于小样本氨水浓度定量分析。通过优化极限学习机(ELM)隐藏节点参数,解决了极限学习机由于输入权值和隐含层偏差随机产生的建模结果具有随机性的问题,提高了预测模型的稳定性、精确度和泛化性能。经实验验证,优化后的PSO-ELM相比ELM,模型预测集均方根误差由0.01166减小至0.00322,预测集相关系数由0.9951提高至0.9979。将优化后的模型预测结果与支持向量机(SVM)、BP神经网络算法等传统方法的建模结果进行对比,优化后的PSO-ELM算法具有较高的精确度和良好的泛化性能,模型预测效果优于传统的定量回归分析算法。 相似文献
7.
针对传统FastSLAM算法需要大量粒子构建地图导致计算复杂度高、难以提高估计精度等问题,研究构建了一种基于智能优化箱粒子滤波(IOBPF)的移动机器人FastSLAM算法。首先,将萤火虫算法(FA)的动态寻优机制引入箱粒子滤波(BPF),建立了箱粒子的荧光亮度更新公式、吸引度计算公式和位置更新公式,使箱粒子集智能化地向高似然区域移动,避免了箱粒子的退化现象。然后,以改进的智能优化箱粒子滤波进行机器人位姿估计,并采用扩展区间卡尔曼滤波(EIKF)完成地图的构建和更新。移动机器人的模型仿真和实体实验结果表明:所提智能化FastSLAM算法可有效提升箱粒子的性能,并降低地图构建所需粒子数,从而显著提高FastSLAM的定位精度和地图构建的鲁棒性。 相似文献
8.
为提高选星算法的性能,提出一种基于人工鱼群算法的粒子群优化(PSO)选星算法。该算法利用人工鱼群算法良好的全局收敛特性,克服了粒子群优化算法易陷入局部最优的缺点。将每种卫星组合看作空间中的一个粒子,选取几何精度因子(GDOP)作为适应度函数。利用所提算法更新粒子自身位置,优化卫星组合与几何精度因子。利用实际数据对所提算法进行验证和对比,结果表明:改进的选星算法在保障选星效率的同时,选星结果的准确性优于标准的粒子群优化选星算法。 相似文献