山东大学学报(工学版)

作者：张梦雨,何振学,赵晓君,王浩然,肖利民,王翔

单位：1.河北农业大学智能农业装备研究院, 河北 保定 071001;2.河北农业大学河北省农业大数据重点实验室, 河北 保定 071001;3.河北农业大学林学院, 河北 保定 071001;4.北京航空航天大学计算机学院, 北京 100191;5.北京航空航天大学电子信息工程学院, 北京 100191

关键词：MPRM面积优化,自适应多策略选择黑猩猩优化算法,混合极性Reed-Muller,动态学习因子,组合优化问题,

基金：国家自然科学基金资助项目(62102130);中央引导地方科技发展资金资助项目(226Z0201G);河北省自然科学基金资助项目(F2020204003);河北省青年拔尖人才计划资助项目(BJ2019008);河北省高等学校科学技术研究资助项目(QN2022138);河北省省属高等学校基本科研业务费研究资助项目(KY2022073)

为解决现有基于同或/或(XNOR/OR)的混合极性Reed-Muller(mixed polarity Reed-Muller, MPRM)电路面积优化方法中存在的收敛速度较慢、不容易跳出局部最优等问题,提出一种基于自适应多策略选择黑猩猩优化算法(adaptive multi-strategy selection chimp optimization algorithm, AMSChOA)的MPRM电路面积优化方法。AMSChOA使用柯西变异、螺旋搜索、随机搜索和翻筋斗策略在4个最优黑猩猩附近进行搜索,扩大算法的搜索范围。针对其他黑猩猩个体加入动态学习因子策略,动态学习4个最优黑猩猩位置,加快算法跳出局部最优。利用提出的AMSChOA对基于XNOR/OR的MPRM电路进行面积优化,搜索电路面积最小时对应的MPRM电路。基于北卡罗来纳微电子中心(Microelectronics Center of North Carolina, MCNC)基准测试电路的试验结果表明,本研究提出的方法有效,与基于传统黑猩猩优化算法、粒子群算法、改进粒子群算法的MPRM电路面积优化方法相比,最高面积优化率为68.09%,平均优化率为41.24%。

来源：2024年第6期

《山东大学学报(工学版)》期刊编辑部

查看山东大学学报(工学版)杂志2024年第6期