基于M-AFSA的混合极性RM逻辑电路面积优化

作者：邵艺璇; 何振学; 周宇豪; 霍志胜; 肖利民; 王翔

来源：北京航空航天大学学报, 2021, 1-13.

DOI：10.13700/j.bh.1001-5965.2021.0296

• MPRM电路
• 面积优化
• 组合优化
• 人工鱼群算法
• 反向学习

混合极性Reed-Muller（Mixed Polarity Reed-Muller， MPRM）电路面积优化是当前集成电路设计领域的研究热点之一。然而，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，首先提出一种多策略协同进化人工鱼群算法（Multi-strategies Artificial fish swarms algorithm， M-AFSA），该算法引入基于反向学习的种群初始化策略，以提高种群多样性以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，本方法利用提出的M-AFSA来搜索电路面积最小的最佳极性。基于MCNC Benchmark电路的实验结果表明，与遗传算法相比，本方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，本方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，本方法优化电路平均面积百分比最高为30.25%，平均为13.86%。

• 单位
  北京航空航天大学; 河北农业大学; 电子信息工程学院