基于M-AFSA的MPRM逻辑电路面积优化

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%。     

一种改进的快速全天星图识别算法

针对三角形算法中模式识别率低、易造成误识别的问题,提出了一种改进的三角形算法。 首先,该算法通过对全天区导航星进行筛选,缩小星库存储空间;同时,在识别过程中对找到的三 边角距集合采用设置状态标识的方法,加快对探测星三角形的识别速度;在三角形匹配识别结果 不唯一时,引入其他观测星进行验证,确定唯一的匹配对应;在识别结束后,应用投影验证检验识 别结果。仿真结果表明,该算法能够有效地节省存储空间,缩短全天星图识别时间,与传统的三角 形算法相比具有较大的优势。