隨著可逆電路研究的深入,出現(xiàn)了很多可逆電路的綜合方法,但這些設(shè)計方法普遍針對整個邏輯電路進行綜合優(yōu)化設(shè)計,對作為其基礎(chǔ)構(gòu)件的量子邏輯門的研究甚少,而基礎(chǔ)邏輯門的最優(yōu)化將直接影響著量子邏輯電路的整體優(yōu)化程度。如能對其進行自動進化,獲得性能更好、邏輯功能更齊全和量子代價最小的門結(jié)構(gòu),將會對整個電路的優(yōu)化設(shè)計起到不可小覷的作用。電路進化設(shè)計算法（特別是遺傳算法）,以電路結(jié)構(gòu)和參數(shù)為進化對象,無需依賴任何先驗知識和規(guī)則即可探索廣闊的設(shè)計空間,可以獲得新穎的或更好的設(shè)計結(jié)果,甚至實現(xiàn)復雜、大規(guī)模電路的全自動設(shè)計,并且遺傳算法具有并行化的特性,將其改造成并行遺傳算法,可以提高其電路的求解速度。本文主要研究可逆邏輯門的進化設(shè)計方法及其CUDA實現(xiàn)。首先,在分析、比較的基礎(chǔ)上,選用易于物理實現(xiàn)的NOT、CNOT、 Controlled-V、Controlled-V+基礎(chǔ)門構(gòu)建完備且通用的門庫。其次,對可逆邏輯門建立遺傳算法模型及設(shè)計方案,并用具體實例驗證其方法的可行性和有效性；在此基礎(chǔ)上,將遺傳算法改造為基于CUDA平臺的并行算法。最后,通過對常用可逆邏輯門的NCV并行化實現(xiàn),并比較了CUDA并行化效... 

【文章來源】：東華大學上海市 211工程院校 教育部直屬院校

【文章頁數(shù)】：81 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 可逆邏輯綜合研究現(xiàn)狀
        1.2.2 CUDA研究現(xiàn)狀
    1.3 本文的研究內(nèi)容和論文結(jié)構(gòu)
第2章 可逆邏輯電路設(shè)計基礎(chǔ)
    2.1 可逆邏輯電路及量子邏輯門概述
        2.1.1 可逆邏輯電路
        2.1.2 量子邏輯門
    2.2 可逆邏輯電路評價指標
    2.3 可逆邏輯電路的綜合和優(yōu)化
        2.3.1 主要綜合方法介紹
        2.3.2 優(yōu)缺點對比
    2.4 本章小結(jié)
第3章 CUDA開發(fā)基礎(chǔ)
    3.1 CUDA概述
    3.2 CUDA編程模型
        3.2.1 主機端和設(shè)備端
        3.2.2 線程層次
    3.3 CUDA存儲模型
    3.4 CUDA軟件體系結(jié)構(gòu)
    3.5 CUDA軟件開發(fā)流程
    3.6 本章小結(jié)
第4章 可逆邏輯基礎(chǔ)門電路進化設(shè)計方法研究與實現(xiàn)
    4.1 引言
    4.2 遺傳算法描述
    4.3 可逆邏輯基礎(chǔ)門電路進化設(shè)計方法
        4.3.1 可逆邏輯電路的編碼
        4.3.2 種群初始化
        4.3.3 選擇算子
        4.3.4 交叉算子
        4.3.5 變異算子
        4.3.6 最優(yōu)保存策略
        4.3.7 適應度函數(shù)設(shè)計
        4.3.8 控制參數(shù)
        4.3.9 實現(xiàn)流程
    4.4 設(shè)計實例與結(jié)果分析
        4.4.1 實例設(shè)計
        4.4.2 實驗結(jié)果
    4.5 本章小結(jié)
第5章 可逆邏輯門進化設(shè)計方法的CUDA實現(xiàn)
    5.1 引言
    5.2 基于CUDA的遺傳算法并行化模型
    5.3 遺傳算子的并行化實現(xiàn)
        5.3.1 并行選擇算子
        5.3.2 并行交叉算子
        5.3.3 并行變異算子
        5.3.4 最優(yōu)保存策略
    5.4 基于NCV庫的可逆邏輯門并行進化設(shè)計實驗結(jié)果與分析
        5.4.1 實驗開發(fā)平臺
        5.4.2 設(shè)計實例及結(jié)果分析
    5.5 CUDA并行化效率
    5.6 本章小結(jié)
第6章 總結(jié)與展望
    6.1 工作總結(jié)
    6.2 展望
參考文獻
附錄：部分源代碼
作者在攻讀碩士學位期間研究成果
致謝


【參考文獻】：
期刊論文
[1]基于CUDA的并行改良隨機抽樣一致性算法[J]. 苗青,付忠良,趙向輝,徐可佳.  四川大學學報(工程科學版). 2010(04)
[2]基于CUDA的加速MATLAB計算研究[J]. 劉紹波,劉明貴,張國華.  計算機應用研究. 2010(06)
[3]GPU上稀疏矩陣與矢量乘積運算的一種改進[J]. 馬超,韋剛,裴頌文,吳百鋒.  計算機系統(tǒng)應用. 2010(05)
[4]基于CUDA的高速并行小波算法及其在電力系統(tǒng)諧波分析中的應用[J]. 韓志偉,劉志剛,魯曉帆,周登登.  電力自動化設(shè)備. 2010(01)
[5]基于CUDA平臺的遺傳算法并行實現(xiàn)研究[J]. 譚彩鳳,馬安國,邢座程.  計算機工程與科學. 2009(S1)
[6]并行有限元計算的一種新途徑[J]. 陳權(quán),諸昌鈐,張本才.  路基工程. 2009(03)
[7]可逆電路的符號綜合方法[J]. 胡靖,馬光勝,李東海,馮剛.  小型微型計算機系統(tǒng). 2009(06)
[8]基于CUDA的矩陣乘法和FFT性能測試[J]. 肖江,胡柯良,鄧元勇.  計算機工程. 2009(10)
[9]圖形處理器CUDA編程模型的應用研究[J]. 錢悅.  計算機與數(shù)字工程. 2008(12)
[10]量子態(tài)的等價類與量子邏輯門[J]. 丁曉東,程潔,宋鶴山.  量子光學學報. 2008(02)



本文編號：3582875