收藏本站
《东华大学》 2010年
收藏 | 手机打开
二维码
手机客户端打开本文

面向量子可逆逻辑自动综合的多目标进化算法研究

张明明  
【摘要】:随着科学技术和计算机产业的不断发展,集成电路(Integrated Circuits, IC)正在进入以极大规模、极高密度、系统集成等为特征的SOC (System-on-a-chip)时代。计算机芯片的集成度正遵循着摩尔定律(Moore's Law)不断地提高,更快、更小、更复杂的系统级芯片已经开始量产。若摩尔定律继续适用,计算机芯片的线宽将很快达到原子水平。集成度的提高可使计算机的性能得到大幅提升,但也不可避免的导致以下两大问题:第一,随着时钟频率的增加和封装在芯片中晶体管数目的增多,计算机芯片的能耗将不断增大,发热成为一大难题;第二随着计算机制程的不断发展,晶体二极管的尺寸将达到原子水平,而由于电子的“波粒二象性”使其显现出量子效应,导致经典物理定律失效的窘境。上述问题是IC发展所面临的共性问题,它们也都清楚地表明,现行的计算机制造方法在提高集成度方面已显得越来越力不从心。 可逆逻辑电路(Reversible Logic Circuits)以可逆方式进行逻辑运算、不丢失输入信息,是一种可避免信息损失和相应能量损耗的新型电路,因而可有效降低能耗甚至达到零损耗,使其成为未来进一步降低IC功耗的必由之路。同时,量子计算机遵循量子力学规律,天生服从量子物理定律。可利用量子逻辑门级联(Cascade)实现不存在热耗散且满足指定可逆操作的量子电路,进而构成计算能力较经典计算机有巨大提高的量子计算机,因此可逆计算是量子计算(Quantum Computing)的核心问题,可逆逻辑电路以量子实现形式为佳,而可逆逻辑综合(Synthesis of Reversible Logic)则是实现量子计算机的关键技术。综上所述,可逆性将成为未来电路设计的基本要求,基于量子实现的可逆逻辑电路将成为进一步降低IC功耗的重要手段,是实现量子计算机的必备条件。因此研究和解决量子可逆逻辑综合问题将有望推动超低功耗IC设计和量子计算(机)等相关领域的发展,因而成为了国际性的研究热点。 由于量子可逆逻辑电路和常见的不可逆电路存在较大差异,因此其综合方法截然不同于现行的非可逆逻辑电路,生成与优化的难度均更大。目前常规的量子可逆逻辑综合方法普遍不够成熟、自动化程度不高以及缺乏实用性,究其原因主要是由于量子可逆逻辑综合实际上是一种带有强约束且缺乏领域知识的多目标优化问题(Multi-objective Optimization Problems)。如何显著地提高量子可逆逻辑综合的速度、规模、自动化和实用化程度等,目前仍是极具挑战的开放性问题。而进化设计(Evolutionary Design)是利用进化计算(Evolutionary Computation)的高效自动求解能力,寻求不依赖于先验知识和人工干预,通过人工进化(Artificial Evolution)来获得具备预期功能的设计结果,故可探索更为广阔的设计空间,解决常规方法因知识、经验缺乏而无法胜任的复杂问题,实现相关系统的自动设计,因此进化设计是解决量子可逆逻辑综合复杂性问题的有效途径。 本文在系统地论述量子可逆逻辑综合的基本原理、技术特点和研究现状的基础上,将进化设计技术应用于量子可逆逻辑综合,以提高综合水平和实用化程度为目标,寻求以较少的运算量和人工参与,可自动地生成和优化量子可逆逻辑电路的自动综合方法。主要从进化算法、编解码方案、多目标评估方法和自动化简与修复策略等方面入手,对有关设计理论和实验方法进行了较为全面和深入的研究,获得了一些关键性的研究成果,可主要概括为以下几个方面: (1)通过讨论进化算法的分类和特点,为克服现有遗传算法存在的局部搜索能力差、早熟收敛、随机漫游以及最终解精度不高等主要缺陷,详细地讨论了通过引入有性繁殖、Baldwin效应以及自适应机制来提高进化速度和收敛概率的生物学机理与一般方法,并针对量子可逆逻辑自动综合的特点,提出了一种基于Baldwin效应的自适应有性繁殖混合遗传算法(BSAGA),并对算法进行了收敛性分析。 (2)在分析和比较已有算法的基础上,根据量子可逆逻辑自动综合的进化设计需要,研究了一种基于进化计算新的重要分支——差分进化(Differential Evolution)的自适应离散差分进化策略,并结合Pareto快速分层排序策略和基于聚集密度的按层修剪操作,提出了一种基于Pareto最优的多目标自适应离散差分进化算法(MDDE),其特点是利用差分进化增强算法的全局搜索能力以获得更优的Pareto近似解,利用Pareto快速分层排序策略和基于聚集密度的按层修剪操作对进化种群进行更新与维护以保持Pareto解集的良好分布性与多样性。 (3)根据文献资料和相关仿真结果,分析、比较常用的量子逻辑门,从中选取最为适用者,构建了用于可逆逻辑自动综合的通用且完备的量子逻辑门级器件库——NCT库。基于上述器件库,研究了支持量子可逆逻辑电路结构自动生成的高效编解码方案(即:基于量子可逆逻辑门级进化阵列模型的网表级编码方案)、实用的综合子目标、高效的适应度评估方法(包括:多目标动态评估方法和基于Pareto最优的评估方法)以及自动化简与修复策略(即:“前位优先”修复机制和基于知识的局部转换策略)等。 (4)面向量子可逆逻辑自动综合问题,分别以基于Baldwin效应的自适应有性繁殖混合遗传算法(BSAGA)和基于Pareto最优的多目标自适应离散差分进化算法(MDDE)为进化设计的基础,同时兼顾功能、实现代价和资源利用率等多个综合目标,并结合上述编解码方案、评估方法和自动化简与修复策略,提出并研究了两种量子可逆逻辑自动综合方法:基于动态多目标评估的量子可逆逻辑自动综合方法、基于Pareto最优的多目标量子可逆逻辑自动综合方法。对上述方法,均通过实验、分析和对比,验证了其有效性和先进性。 本文对量子可逆逻辑综合中的关键性问题进行了有效的探索和尝试,提出了新的自动化解决方法,理论分析和实验结果表明本文方法能够有效地解决相应问题,是对现有常规量子可逆逻辑综合方法的有益增强,并对提高量子可逆逻辑综合的设计水平和实用化程度具有一定的理论价值和应用价值,有望为推动超低功耗IC设计和量子计算(机)等相关领域的发展做出一定的贡献。
【学位授予单位】:东华大学
【学位级别】:博士
【学位授予年份】:2010
【分类号】:TP301.6

【参考文献】
中国期刊全文数据库 前10条
1 吴斌,吴坚,涂序彦;快速遗传算法研究[J];电子科技大学学报;1999年01期
2 李文骞;陈汉武;王佳佳;李志强;刘文杰;;模板技术在量子逻辑电路优化中的应用[J];东南大学学报(自然科学版);2006年06期
3 李志强;陈汉武;;量子可逆逻辑电路最小代价综合算法[J];东南大学学报(自然科学版);2008年02期
4 朱学军,陈彤,薛量,李峻;多个体参与交叉的Pareto多目标遗传算法[J];电子学报;2001年01期
5 赵曙光,刘贵喜,王军宁,杨万海;基于自适应遗传算法的模拟电路自动设计方法[J];电子学报;2004年04期
6 赵曙光,焦李成,王宇平,杨万海;基于均匀设计的多目标自适应遗传算法及应用[J];电子学报;2004年10期
7 袁晓辉;袁艳斌;王乘;张勇传;;一种新型的自适应混沌遗传算法[J];电子学报;2006年04期
8 胡靖;马光胜;李东海;冯刚;;考虑串扰因素的可逆电路的符号综合方法[J];电子学报;2008年05期
9 李志强;陈汉武;徐宝文;肖芳英;薛希玲;;四量子可逆逻辑电路快速综合算法[J];电子学报;2008年11期
10 宋爱国,陆佶人;一种基于排序操作的进化算子自适应遗传算法[J];电子学报;1999年01期
中国博士学位论文全文数据库 前1条
1 陈清;量子信息处理方案研究及其应用[D];中国科学技术大学;2006年
【共引文献】
中国期刊全文数据库 前10条
1 吴大宏,赵人达;基于遗传算法与神经网络的桥梁结构健康监测系统研究初探[J];四川建筑科学研究;2002年03期
2 张安勤;数据挖掘与进化算法[J];安徽教育学院学报;2002年03期
3 鲍官柢,胡好远;食物浓度及低浓度镉对水螅种群动态的影响[J];安徽教育学院学报;2005年03期
4 陈征;;一类系统的二次李雅普诺夫函数存在性的判断[J];安徽电子信息职业技术学院学报;2006年04期
5 程家兴,陈万里;列车控制问题的计算分析及自适应算法[J];安徽大学学报(自然科学版);2002年02期
6 王龙奎,汪祖柱;关于多目标演化算法的策略分析[J];安徽大学学报(自然科学版);2005年03期
7 汪祖柱,程家兴;一种求解多目标优化问题的混合演化算法[J];安徽大学学报(自然科学版);2005年05期
8 孙小军;焦建民;何俊红;;解优化问题的遗传加速信赖域搜索算法[J];安徽大学学报(自然科学版);2008年03期
9 张家昕;段复建;;一种结合NCP函数的SQP滤子新算法[J];安徽大学学报(自然科学版);2010年05期
10 许小健;张金轮;;微进化算法[J];安徽工程科技学院学报(自然科学版);2010年04期
中国重要会议论文全文数据库 前10条
1 杨益;方潜生;汪力君;;基于Handel-C的数字芯片的设计方法研究与实现[A];2005年“数字安徽”博士科技论坛论文集[C];2005年
2 胡杨林;蒋洁琼;王明煌;曾勤;邱岳峰;邹俊;陈红丽;FDS team;;聚变裂变混合堆长寿命锕系废料嬗变处理的中子学优化分析[A];安徽新能源技术创新与产业发展博士科技论坛论文集[C];2010年
3 刘钰;韩峰;董楠;陆希成;雷鸣;;爆炸容器安全概率的统计分析方法[A];全国危险物质与安全应急技术研讨会论文集(下)[C];2011年
4 韩江洪;王梅芳;马学森;王跃飞;;改进的遗传算法在虚拟企业伙伴选择问题中的应用[A];第二十六届中国控制会议论文集[C];2007年
5 孙燕;孙峥;黄鹍;;基于模拟退火机制的隔离小生境混合遗传算法[A];第二十六届中国控制会议论文集[C];2007年
6 李枚毅;游维;蔡自兴;;多样度和适应度引导的遗传算法操作概率计算研究[A];第二十六届中国控制会议论文集[C];2007年
7 孙燕;孙峥;;利用正交遗传算法优化交通检测点分布[A];第二十六届中国控制会议论文集[C];2007年
8 郭玉堂;刘路路;;基于佳点集遗传算法的边缘检测[A];第二十七届中国控制会议论文集[C];2008年
9 刘向;邹逢兴;张湘平;高政;;面向节能的混合流水车间调度方法的研究[A];第二十七届中国控制会议论文集[C];2008年
10 孔笋;陈增强;;基于差分进化的QoS组播路由算法[A];第二十九届中国控制会议论文集[C];2010年
中国博士学位论文全文数据库 前10条
1 谭佳琳;粒子群优化算法研究及其在海底地形辅助导航中的应用[D];哈尔滨工程大学;2010年
2 陈得宇;基于MAS的智能电压控制系统研究[D];哈尔滨工程大学;2010年
3 吴德烽;计算智能在三维表面扫描机器人系统中的应用研究[D];大连海事大学;2010年
4 刘冬雁;川西高原甘孜黄土记录的早更新世晚期以来的古气候变化[D];中国海洋大学;2009年
5 时长江;豆科类杂草种子图像识别系统研究[D];中国海洋大学;2009年
6 王敏;分布式电源的概率建模及其对电力系统的影响[D];合肥工业大学;2010年
7 李方义;区间非概率多目标优化设计方法及其在车身设计中的应用[D];湖南大学;2010年
8 付晓薇;基于量子力学的图像处理方法研究[D];华中科技大学;2010年
9 韩艳玲;可能性构造空间理论与计算机作曲思维模型研究[D];华中科技大学;2010年
10 宋佩君;相干介质中的量子调控研究[D];华中科技大学;2010年
中国硕士学位论文全文数据库 前10条
1 张小亮;非线性规划的信赖域算法[D];河南理工大学;2010年
2 赫英毅;毫米波段基于TE_(21)模差网络设计[D];中国工程物理研究院;2009年
3 万成;动态环境下的元胞遗传算法研究[D];南昌航空大学;2010年
4 李坤;参数参与进化的自适应遗传算法研究[D];南昌航空大学;2010年
5 吴香庭;基于遗传算法的K-means聚类方法的研究[D];山东科技大学;2010年
6 王辉;基于改进遗传算法的物流配送路径优化研究[D];山东科技大学;2010年
7 纪二云;基于改进遗传算法的电力系统无功优化的研究[D];山东科技大学;2010年
8 施晓坤;煤炭企业人才结构优化[D];山东科技大学;2010年
9 徐芳芳;优化问题的PVD算法研究[D];山东科技大学;2010年
10 朱耿峰;支持向量机在冲击地压预测模型中的应用研究[D];山东科技大学;2010年
【二级参考文献】
中国期刊全文数据库 前10条
1 冯刚,马光胜,杜振军;动态串扰优化的开关盒布线[J];半导体学报;2005年02期
2 徐志高,关正西,张炜;模糊神经网络在导弹动力系统多故障诊断中的应用[J];弹箭与制导学报;2005年01期
3 解光军,庄镇泉;量子神经计算模型研究[J];电路与系统学报;2002年02期
4 赵红敏,林家逖;量子计算机原理及问题[J];大学物理;2001年10期
5 朱学军,陈彤,薛量,李峻;多个体参与交叉的Pareto多目标遗传算法[J];电子学报;2001年01期
6 刘芳,李阳阳;量子克隆进化算法[J];电子学报;2003年S1期
7 吕振肃,侯志荣;自适应变异的粒子群优化算法[J];电子学报;2004年03期
8 杨俊安,庄镇泉,史亮;多宇宙并行量子遗传算法[J];电子学报;2004年06期
9 许晓晶,饶妮妮;一类改进遗传算法的图像信息恢复研究[J];电子学报;2004年07期
10 袁晓辉;袁艳斌;王乘;张勇传;;一种新型的自适应混沌遗传算法[J];电子学报;2006年04期
中国博士学位论文全文数据库 前1条
1 李颖;脑电逆问题求解的数值计算方法研究[D];河北工业大学;2003年
中国硕士学位论文全文数据库 前2条
1 杨淑媛;量子进化算法的研究及其应用[D];西安电子科技大学;2003年
2 方强;基于优进策略的差分进化算法及其化工应用[D];浙江大学;2004年
【相似文献】
中国期刊全文数据库 前10条
1 耿焕同;张明;郑锐;黄艳红;;一种基于置换策略的离散多目标差分进化算法[J];武汉理工大学学报;2010年16期
2 祁薇熹;李彬;;多目标演化算法的进展研究[J];计算机与数字工程;2008年05期
3 李恒杰;郝晓弘;张磊;;一种用于多目标优化的克隆选择算法[J];科学技术与工程;2008年02期
4 郑向伟;刘弘;;多目标进化算法研究进展[J];计算机科学;2007年07期
5 程楠;龚小胜;梁雨婷;;一种改进的非支配排序多目标遗传算法[J];计算机与数字工程;2010年04期
6 李密青;郑金华;;基于邻域表的多目标进化算法[J];小型微型计算机系统;2009年08期
7 黄林峰;罗文坚;王煦法;;高维多目标进化算法中的密度评估策略研究[J];中国科学技术大学学报;2011年04期
8 文诗华;郑金华;李密青;;多目标进化算法中变异算子的比较与研究[J];计算机工程与应用;2009年02期
9 伍军;郑金华;文诗华;;一种基于相似个体的多目标进化算法[J];计算机工程与应用;2008年14期
10 李密青;郑金华;罗彪;伍军;文诗华;;一种基于邻域的多目标进化算法[J];计算机应用;2008年06期
中国重要会议论文全文数据库 前10条
1 李枚毅;;并发定位与建图的多目标免疫进化算法[A];第二十六届中国控制会议论文集[C];2007年
2 刘潇;桂卫华;王雅琳;王晓丽;阳春华;;一种改进的多目标差分进化算法研究[A];中国自动化学会中南六省(区)2010年第28届年会·论文集[C];2010年
3 崔逊学;;多目标进化算法的研究现状与群体多样性研究[A];Complexity Problems--Proceedings of CCAST (World Laboratory) Workshop[C];2001年
4 张倩;李海港;;多目标问题的差分进化算法研究[A];2009年中国智能自动化会议论文集(第一分册)[C];2009年
5 李雪;吴俊勇;杨媛;严翔;刘晓民;;高速铁路接触网悬挂系统维修计划的优化研究[A];高速铁路接触网系统新技术研讨会论文集[C];2010年
6 孔笋;陈增强;;基于差分进化的QoS组播路由算法[A];第二十九届中国控制会议论文集[C];2010年
7 王亚楠;陈杰;甘明刚;;基于差分进化的改进粒子滤波目标跟踪算法[A];中国自动化学会控制理论专业委员会C卷[C];2011年
8 李莉;潘丰;;基于遗传算法的多目标进化算法综述[A];2007中国控制与决策学术年会论文集[C];2007年
9 耿玉磊;张翔;;多目标优化的求解方法与发展[A];福建省科协第四届学术年会提升福建制造业竞争力的战略思考专题学术年会论文集[C];2004年
10 冯雷;张欣;张秀坤;;基于多目标进化算法的电梯群控优化调度仿真[A];'2010系统仿真技术及其应用学术会议论文集[C];2010年
中国博士学位论文全文数据库 前10条
1 张明明;面向量子可逆逻辑自动综合的多目标进化算法研究[D];东华大学;2010年
2 谭艳艳;几种改进的分解类多目标进化算法及其应用[D];西安电子科技大学;2013年
3 黄林峰;多目标进化算法研究[D];中国科学技术大学;2009年
4 刘立衡;多目标进化算法的研究及其在负荷分配中的应用[D];华北电力大学(北京);2010年
5 李勇;多目标进化算法及其在轧制规程优化中的应用研究[D];东北大学;2010年
6 车林仙;面向机构分析与设计的差分进化算法研究[D];中国矿业大学;2012年
7 刘磊;新型天线高维多目标优化设计理论和技术研究[D];浙江大学;2012年
8 郭鹏;差分进化算法改进研究[D];天津大学;2012年
9 贾东立;改进的差分进化算法及其在通信信号处理中的应用研究[D];上海大学;2011年
10 孙靖;用于区间参数多目标优化问题的遗传算法[D];中国矿业大学;2012年
中国硕士学位论文全文数据库 前10条
1 张丽丽;约束多目标进化算法的研究与应用[D];安徽理工大学;2010年
2 李厚甫;基于博弈策略的多目标进化算法研究[D];湖南大学;2011年
3 杨夏雯;多目标进化算法的改进及其应用研究[D];南京航空航天大学;2012年
4 金焕杰;混合多目标进化算法的研究与应用[D];安徽理工大学;2012年
5 李鹏;带约束的多目标进化算法及其应用研究[D];广东海洋大学;2010年
6 朱命昊;量子克隆多目标进化算法研究[D];西安科技大学;2011年
7 辜方清;多目标进化算法中多样性与均匀性策略研究[D];广东工业大学;2011年
8 袁琦钊;网格机制多目标进化算法研究[D];湘潭大学;2011年
9 任亚峰;一种求解多目标进化算法鲁棒最优解方法研究[D];湘潭大学;2011年
10 任长安;目标空间分割多目标进化算法及其应用研究[D];湖南大学;2010年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026