硬件演化技術(shù)是把進化算法與可重構(gòu)硬件相結(jié)合,研制能像現(xiàn)實生物生命一樣,根據(jù)環(huán)境變化而動態(tài)調(diào)整自身結(jié)構(gòu)的硬件電路。電路的演化設(shè)計、容錯和自修復(fù)系統(tǒng)是演化硬件研究的兩個重要領(lǐng)域。演化硬件的實現(xiàn)可大大提高電子系統(tǒng)的可靠性及可用性,對需要在特殊工作環(huán)境中長期工作的電路設(shè)備具有重大意義。 本文系統(tǒng)介紹了硬件演化技術(shù)的基本原理和實現(xiàn)方法。首先,對演化硬件的概念、應(yīng)用領(lǐng)域、研究現(xiàn)狀以及發(fā)展趨勢進行了較全面的介紹;其次,對可用于進行硬件演化的可編程邏輯器件進行了闡述,重點討論和分析了演化硬件的理論基礎(chǔ)——進化算法,對其基本原理與實現(xiàn)過程進行了深入的研究;然后,分析了硬件演化的基本實現(xiàn)原理,并通過實例對硬件演化的實現(xiàn)技術(shù)進行了研究,同時對容錯與自適應(yīng)硬件系統(tǒng)進行了初步探索;接著,基于遺傳程序設(shè)計進行了數(shù)字邏輯電路的演化實驗,設(shè)計結(jié)果表明其不依賴先驗知識,滿足電路功能要求,用硬件演化的思想進行電路的演化設(shè)計是可行的。論文最后對課題研究進行了總結(jié),并給出了開展后續(xù)研究的建議。
【學(xué)位單位】：南京理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2008
【中圖分類】：TP18;TP303
【部分圖文】：

圖2.7FPGA內(nèi)部結(jié)構(gòu)示意圖(感謝xilinx公司提供的資料)2.7即可以看出，F(xiàn)PGA通常是由布線資源圍繞的可編程邏輯單元(或宏)構(gòu)成陣列，又由可編程1/0單元(IOB)圍繞陣列構(gòu)成整個芯片，排成單元由布線通道中的可編程內(nèi)連線連接起來實現(xiàn)一定的邏輯功能。一能包含靜態(tài)存儲單元(BLOCKRAM)，它們允許內(nèi)連的模式在器件被制加載和修改。A的設(shè)計在器件的選擇和內(nèi)連上為用戶提供了更大的自由度，可以達到比高的集成度、更復(fù)雜的布線結(jié)構(gòu)和邏輯實現(xiàn)。一般PLD與FPGA之間的一般PLD通過修改具有固定內(nèi)連電路的邏輯功能來編程的，而FPGA是根或多根內(nèi)連線的布線來編程的。FPGA比一般PLD更適合于實現(xiàn)多級;但在具體用法上，兩者多數(shù)情況下是相似的。于硬件演化的芯片選擇

l)單點交叉單點交叉(One一 pointcrossover)又稱為簡單交叉，它是指在個體編碼串中只隨機設(shè)置一個交叉點，然后在該點相互交換兩個配對個體的部分染色體。如圖3.3所示。父申l后代串1單點交叉父串2后代串2圖3.3單點交叉算子示意圖單點交叉的重要特點是:若鄰接基因座之間的關(guān)系能提供較好的個體性狀和較高的個體適應(yīng)度的話，則這種單點交叉操作破壞這種個體性狀和降低個體適應(yīng)度的可能性最小。但是在群體規(guī)模較小時，其搜索能力受到一定的影響。32

2)雙點交叉和多點交叉雙點交叉(Two一 poiniCrossover)是指在個體編碼串中隨機設(shè)置了二個交叉，然后再進行部分基因交換。如圖3.4所示。父甲l后代甲1兩點交叉父串2后代串2圖3.4兩點交叉算子示意圖將雙點交叉和單點交叉的概念加以推廣，可得到多點交叉(Multi一 pointCrossover)的概念。即多點交叉是指在個體編碼串中隨機設(shè)置了多個交叉點，然后進行基因交換。多點交叉又稱廣義交叉，其操作過程與單點交叉和雙點交叉相類似。需要說明的是，一般不常使用多點交叉算子，因為它有可能破壞一些好的模式。事實上，隨著交叉點數(shù)的增多，個體的結(jié)構(gòu)被破壞的可能性也逐漸增大，這樣就很難有效地保存較好的模式，從而影響遺傳算法的性能。3)均勻交叉均勻交叉 (UniformCrossover)是指兩個配對個體的每一個基因座上的基因都以相同的交叉概率進行交換，從而形成兩個新的個體。例如:父串:l:110010111000父串:2:101011101011模板 :001101011100后代串:l:111011101000后代串:2:100010111011均勻性交叉在交換位時并不考慮其所在位置
【相似文獻】

相關(guān)期刊論文 前10條

1 宮新保,朱杰;基于進化算法的RBF網(wǎng)絡(luò)在多用戶檢測中的應(yīng)用[J];電子測量與儀器學(xué)報;2003年01期

2 杜瓊;周一屆;;新的進化算法——文化算法[J];計算機科學(xué);2005年09期

3 藍艇;劉士榮;顧幸生;;基于進化算法的多目標(biāo)優(yōu)化方法[J];控制與決策;2006年06期

4 侯中喜;陳小慶;郭良民;;基于排擠機制改進的多目標(biāo)進化算法[J];國防科技大學(xué)學(xué)報;2006年04期

5 武妍;包建軍;;一種新的求解TSP的混合量子進化算法[J];計算機應(yīng)用;2006年10期

6 劉淳安;王宇平;;約束多目標(biāo)優(yōu)化問題的進化算法及其收斂性[J];系統(tǒng)工程與電子技術(shù);2007年02期

7 覃朝勇;鄭建國;;用于高維函數(shù)優(yōu)化的多智能體量子進化算法[J];自然科學(xué)進展;2008年02期

8 黃俊;劉宴兵;;求解QoS路由優(yōu)化的一種新進化算法[J];重慶郵電大學(xué)學(xué)報(自然科學(xué)版);2008年04期

9 韓麗霞;王宇平;;雙目標(biāo)進化算法求解圖著色問題[J];系統(tǒng)工程與電子技術(shù);2008年10期

10 王巍;趙文紅;王宇平;;一種有效的解無約束全局優(yōu)化的進化算法[J];控制理論與應(yīng)用;2010年05期

相關(guān)博士學(xué)位論文 前10條

1 許偉;基于進化算法的復(fù)雜化工過程智能建模方法及其應(yīng)用[D];華東理工大學(xué);2011年

2 賈東立;改進的差分進化算法及其在通信信號處理中的應(yīng)用研究[D];上海大學(xué);2011年

3 張鵬翔;多目標(biāo)進化算法及其在電力系統(tǒng)中的應(yīng)用研究[D];華中科技大學(xué);2004年

4 王瑜;基于多方法融合的進化算法研究[D];中國科學(xué)技術(shù)大學(xué);2011年

5 李映;混合智能計算方法及其應(yīng)用[D];西安電子科技大學(xué);2002年

6 崔承剛;基于啟發(fā)式知識進化算法的復(fù)雜約束優(yōu)化問題求解[D];浙江大學(xué);2010年

7 陸婷;進化回歸神經(jīng)網(wǎng)絡(luò)的研究及應(yīng)用[D];華南理工大學(xué);2003年

8 王允良;飛行器總體參數(shù)優(yōu)化的進化算法及其應(yīng)用研究[D];西北工業(yè)大學(xué);2006年

9 童梅;智能控制在電力系統(tǒng)諧波抑制中的應(yīng)用[D];浙江大學(xué);2002年

10 劉海林;單目標(biāo)、多目標(biāo)最優(yōu)化進化算法[D];華南理工大學(xué);2002年

相關(guān)碩士學(xué)位論文 前10條

1 謝俊凰;進化算法研究平臺的設(shè)計與開發(fā)—數(shù)據(jù)處理[D];太原科技大學(xué);2011年

2 劉彤;解多目標(biāo)優(yōu)化問題的進化算法[D];西安電子科技大學(xué);2010年

3 鄒麗珊;共同進化算法及其應(yīng)用研究[D];湘潭大學(xué);2002年

4 劉楠楠;基于進化算法的多目標(biāo)優(yōu)化算法及應(yīng)用研究[D];南京航空航天大學(xué);2010年

5 楊淑媛;量子進化算法的研究及其應(yīng)用[D];西安電子科技大學(xué);2003年

6 劉淳安;無偏好多目標(biāo)優(yōu)化進化算法及其應(yīng)用[D];西安電子科技大學(xué);2005年

7 杜金玲;基于水平集進化的全局優(yōu)化進化算法研究[D];西安電子科技大學(xué);2004年

8 冀德剛;物流運輸中車輛路徑優(yōu)化算法研究[D];河北大學(xué);2011年

9 周麗娟;進化算法及其在全局優(yōu)化和VRP中的應(yīng)用[D];西安電子科技大學(xué);2007年

10 梁峰;基于BPSO和變鄰域差分進化算法的配電網(wǎng)重構(gòu)[D];東北電力大學(xué);2011年

本文編號：2837262