一种基于经验交互机制的 FPRM 逻辑电路面积与功耗协同优化方法

《ACM Transactions on Design Automation of Electronic Systems》：A Collaborative Optimization Method for Area and Power Consumption of FPRM Logic Circuits Based on an Experience Interaction Mechanism

　　

摘要AI 摘要

要查看此 AI 生成的摘要，您必须拥有高级访问权限。

了解更多登录

摘要

摘要

针对基于 XNOR/OR 的固定极性 Reed-Muller (FPRM) 逻辑电路多目标优化中帕累托解集质量低下和搜索效率差的问题，本文提出了一种基于经验交互机制的面积与功耗协同优化方法 (EIM-APCO)。其核心是动态智能经验基于蜣螂优化器 (DIEDBO)，该方法融合了三种互补策略：一种通过动态模式切换平衡全局和局部搜索的双模式自适应探索策略；一种使用自适应步长以逃离局部最优的基于跳跃的开发策略；以及一种促进种群内信息共享和共同进化的阶段感知智能经验融合策略。在 12 个 MCNC 基准电路上进行的广泛实验——包括正交参数调优、消融研究、HV 指标分析、运行时间比较和 Wilcoxon 统计检验——表明 DIEDBO 优于 DBO、MMODE_SPDN、MOGWO、IMOPSO 和 MOEA/D，分别实现了 42.58% 和 23.33% 的最大面积和功耗节省，平均运行时间节省了 45.87%。结果证实了所提方法在多目标 FPRM 电路优化中的有效性和竞争力。

AI 摘要

AI 生成摘要（实验性）

本摘要由自动化工具生成，未经文章作者撰写或审核。提供此摘要是为了支持发现，帮助读者评估相关性，并协助相邻研究领域的读者理解该工作。旨在补充作者提供的摘要，后者仍然是论文的主要摘要。全文始终是权威的记录版本。点击此处了解更多。

点击此处评论本摘要的准确性、清晰度和实用性。这样做将有助于改进和未来的重新生成版本。

要查看此 AI 生成的通俗语言摘要，您必须拥有高级访问权限。