进化算法在可逆逻辑电路综合中的应用研究

发布时间：2021-09-02 02:26

　　可逆逻辑电路可以很好地解决信息损耗与量子效应问题,变长染色体编码进化可逆逻辑电路综合算法（VLEA_RLC）作为可逆电路综合的经典算法,其结合了进化算法与启发式算法,使用改进的随机排序算法解决染色体膨胀与等式约束处理问题,相比于其它算法,VLEA_RLC算法速度较快且可以得到质量更高的解,然而其存在以下问题:首先是种群多样性无法保持;其次参数设置对于算法影响较大。针对上述问题,本论文的研究工作如下:第一,提出了自适应和全局变异的变长染色体编码进化可逆逻辑电路综合算法（SAGM_VLEA_RLC）。该算法主要工作如下:首先采用自适应进化操作,在算法运行过程中根据种群分布与个体优良程度动态调整交叉、变异概率的值,既可以消除该参数对于算法的影响,也可以提高种群多样性;其次采用全局变异策略,利用种群最优适应度与平均适应度的关系动态探测种群分布状态,当种群多样性下降时,增大变异概率,在种群中进行一次全局变异过程,随机产生新个体,丰富种群多样性。通过实验证明,该算法收敛速度更快,且拥有更高的解质量和可行解率。第二,提出... 

【文章来源】：西安石油大学陕西省

【文章页数】：70 页

【学位级别】：硕士

【部分图文】：

论文结构图

第二章VLEA_RLC算法分析11丰富种群多样性，从而提高算法的收敛速度和可行解率。2.1.4VLEA_RLC算法实现过程VLEA_RLC算法基本流程如图2-1所示。图2-1VLEA_RLC算法步骤首先，在初始化种群过程中，利用PPRM表达式提取的启发式信息确定优选门库、初始长度和最大长度等信息来进行个体的生成；其次进行染色体压缩，该步骤是对电路的化简过程，即剔除个体中相同的冗余相邻门；接下来计算个体的约束违反与目标函数值，同时利用MSR排序算法对种群中的不可行解进行排序，既进行了约束处理也抑制了染色体的膨胀；然后判断是否满足终止条件，满足则算法结束，否则判断种群历史最优解是否t代未更新，满足该条件的话，利用从剩余优良个体PPRM表达式中提取的启发式信息进行种群的启发式更新操作，否则进行正常的选择和进化操作；最后对于压缩评价新生成的个体，并利用MSR算法进行排序，对精英个体进行保留。VLEA_RLC算法详细步骤如下：

西安石油大学硕士学位论文18其真值表如表3-1所示表3-1NOT门真值表输入输出01103.3.2两位可逆逻辑门两位可逆逻辑门，其存在两位输入与输出。此类电路门种类比较多，常见的有控制非门(CNOT)与简单交换门(SWAP)，下面将详细介绍这些门的基本信息：⑴控制非门(CNOT)在两位可逆逻辑门中，最简单也最常用的便是控制非门，也称CNOT门，这个可逆逻辑门是由量子物理学家Feynman首次提出，故也称为Feynman门，可以使用如下的幺正矩阵N表示：Nlttltttttttttllt该逻辑门具有两个输入位，分别记为控制位与目标位；控制位使用X表示，目标位使用Y表示。控制非门常用图3-2所示符号表示:图3-2CNOT门符号CNOT门逻辑函数为tt：即目标位T随着控制位C的不同进行改变。控制位C=0时，目标位T不变；控制位C=1时，目标位T进行翻转。CNOT门的逻辑功能表达式如式3-2所示。t⊕t(3-2)根据式3-2可得到控制非门的真值表，如表3-2所示，其中输入为(,t)，输出为(X,Y)。表3-2CNOT门真值表输入输出CTXY


本文编号：3378122