可逆邏輯電路可以很好地解決信息損耗與量子效應(yīng)問題,變長染色體編碼進化可逆邏輯電路綜合算法（VLEA_RLC）作為可逆電路綜合的經(jīng)典算法,其結(jié)合了進化算法與啟發(fā)式算法,使用改進的隨機排序算法解決染色體膨脹與等式約束處理問題,相比于其它算法,VLEA_RLC算法速度較快且可以得到質(zhì)量更高的解,然而其存在以下問題:首先是種群多樣性無法保持;其次參數(shù)設(shè)置對于算法影響較大。針對上述問題,本論文的研究工作如下:第一,提出了自適應(yīng)和全局變異的變長染色體編碼進化可逆邏輯電路綜合算法（SAGM_VLEA_RLC）。該算法主要工作如下:首先采用自適應(yīng)進化操作,在算法運行過程中根據(jù)種群分布與個體優(yōu)良程度動態(tài)調(diào)整交叉、變異概率的值,既可以消除該參數(shù)對于算法的影響,也可以提高種群多樣性;其次采用全局變異策略,利用種群最優(yōu)適應(yīng)度與平均適應(yīng)度的關(guān)系動態(tài)探測種群分布狀態(tài),當(dāng)種群多樣性下降時,增大變異概率,在種群中進行一次全局變異過程,隨機產(chǎn)生新個體,豐富種群多樣性。通過實驗證明,該算法收斂速度更快,且擁有更高的解質(zhì)量和可行解率。第二,提出... 

【文章來源】：西安石油大學(xué)陜西省

【文章頁數(shù)】：70 頁

【學(xué)位級別】：碩士

【部分圖文】：

論文結(jié)構(gòu)圖

第二章VLEA_RLC算法分析11豐富種群多樣性，從而提高算法的收斂速度和可行解率。2.1.4VLEA_RLC算法實現(xiàn)過程VLEA_RLC算法基本流程如圖2-1所示。圖2-1VLEA_RLC算法步驟首先，在初始化種群過程中，利用PPRM表達式提取的啟發(fā)式信息確定優(yōu)選門庫、初始長度和最大長度等信息來進行個體的生成；其次進行染色體壓縮，該步驟是對電路的化簡過程，即剔除個體中相同的冗余相鄰門；接下來計算個體的約束違反與目標(biāo)函數(shù)值，同時利用MSR排序算法對種群中的不可行解進行排序，既進行了約束處理也抑制了染色體的膨脹；然后判斷是否滿足終止條件，滿足則算法結(jié)束，否則判斷種群歷史最優(yōu)解是否t代未更新，滿足該條件的話，利用從剩余優(yōu)良個體PPRM表達式中提取的啟發(fā)式信息進行種群的啟發(fā)式更新操作，否則進行正常的選擇和進化操作；最后對于壓縮評價新生成的個體，并利用MSR算法進行排序，對精英個體進行保留。VLEA_RLC算法詳細步驟如下：

西安石油大學(xué)碩士學(xué)位論文18其真值表如表3-1所示表3-1NOT門真值表輸入輸出01103.3.2兩位可逆邏輯門兩位可逆邏輯門，其存在兩位輸入與輸出。此類電路門種類比較多，常見的有控制非門(CNOT)與簡單交換門(SWAP)，下面將詳細介紹這些門的基本信息：⑴控制非門(CNOT)在兩位可逆邏輯門中，最簡單也最常用的便是控制非門，也稱CNOT門，這個可逆邏輯門是由量子物理學(xué)家Feynman首次提出，故也稱為Feynman門，可以使用如下的幺正矩陣N表示：Nlttltttttttttllt該邏輯門具有兩個輸入位，分別記為控制位與目標(biāo)位；控制位使用X表示，目標(biāo)位使用Y表示�？刂品情T常用圖3-2所示符號表示:圖3-2CNOT門符號CNOT門邏輯函數(shù)為tt：即目標(biāo)位T隨著控制位C的不同進行改變。控制位C=0時，目標(biāo)位T不變；控制位C=1時，目標(biāo)位T進行翻轉(zhuǎn)。CNOT門的邏輯功能表達式如式3-2所示。t⊕t(3-2)根據(jù)式3-2可得到控制非門的真值表，如表3-2所示，其中輸入為(,t)，輸出為(X,Y)。表3-2CNOT門真值表輸入輸出CTXY


本文編號：3378122