[发明专利]基于XNOR/OR的FPRM逻辑电路面积优化方法

说明书

本发明提供了一种基于XNOR/OR的FPRM逻辑电路快速面积优化方法，属于FPRM逻辑电路面积优化领域。包括以下步骤：读取Boolean逻辑电路；对种群大小、最大迭代次数、人工狼数量和猛狼数量进行初始化；随机生成初始种群，其中基于XNOR/OR的FPRM逻辑电路极性的二进制形式被编码为二进制狼群个体的位置；基于XNOR/OR的FPRM逻辑电路面积目标函数为计算当前极性的适应度值；种群中的人工狼执行全局搜索策略，探狼执行深度开发策略，猛狼执行禁忌搜索策略并不断更新头狼的位置；若当前执行时间小于设定时间，则返回上一步，否则输出头狼的适应度值。本发明利用多策略狼群算法来优化FPRM逻辑电路的面积，增强了逃脱局部最优的能力，提高了收敛速度和面积优化效率，改善了面积优化的效果。

技术领域

本发明涉及FPRM(Fixed Polarity Reed-Muller)逻辑电路面积优化领域，特别是一种基于XNOR/OR的FPRM逻辑电路快速面积优化方法。

背景技术

逻辑扩展越简洁，电路实现越简单，可节省电路面积，降低电路功耗。数字逻辑电路可以用基于AND/OR/NOT的布尔逻辑来实现，也可以用基于XNOR/OR或XOR/AND的Reed-Muller(RM)逻辑来实现。对于某些算术逻辑电路、奇偶校验电路等，RM逻辑实现形式与布尔逻辑实现形式相比，具有结构紧凑、面积小、功耗低、可测试性好等显著优点。早先的研究XOR/AND逻辑，经过研究证实，基于XNOR/OR逻辑的RM电路在一些测试电路中具有更简洁的表达式。固定极性RM(Fixed-Polarity Reed-Muller，FPRM)展开式是RM逻辑展开式中最为常见的一种展开式。对于基于XNOR/OR逻辑的FPRM而言，一个n变量的逻辑函数有2ⁿ个不同的极性，对应着2ⁿ个不同的函数表达式，而不同的函数表达式又对应着不同的面积，从而影响电路的性能。随着深度亚微米技术的发展和电路规模的不断增大，面积已经成为影响大规模以及超大规模集成电路发展的重要因素。

现有FPRM逻辑电路面积优化方法大多基于穷举法、传统的遗传算法等智能优化算法，基于穷举算法的面积优化方法只适用于小规模电路，已无法满足目前中大规模电路的需求；基于遗传算法的面积优化方法具有鲁棒性高等特点，但是在迭代后期易陷入局部最优，进而导致面积优化的效果不好。此外，通过德摩根定律转化为XNOR逻辑也会延长时间消耗。因此，对于基于XNOR/OR逻辑的FPRM逻辑电路面积优化领域来说，迫切需要研究一种能快速收敛至全局最优解的面积优化方法。

狼群算法是一种新兴的智能优化算法，通过将狼分为三种类型:头狼、探狼和猛狼，通过模拟狼的捕食行为和猎物分布，抽象出三种智能行为和胜者为王的狼群更新机制，并基于马尔可夫链理论证明了算法的收敛性。与穷举算法、遗传算法相比，狼群算法作为一种新兴的智能优化算法，具有鲁棒性高、操作简单、易于实现等优点。然而，传统狼群算法主要用于求解连续变量的优化问题，无法求解像FPRM逻辑电路面积优化这样的离散二进制编码组合优化问题。

发明内容

为解决上述问题，本发明提供的一种基于XNOR/OR的FPRM逻辑电路快速面积优化方法，提高了面积优化的效率、改善了面积优化的效果。

具体来说，基于XNOR/OR的FPRM逻辑电路快速面积优化方法，包括以下步骤：

步骤1，读取Boolean逻辑电路；

步骤2，对种群大小、最大迭代次数、人工狼数量和猛狼数量进行初始化；

步骤3，随机生成初始种群，其中基于XNOR/OR的FPRM逻辑电路极性的二进制形式被编码为二进制狼群个体的位置；

步骤4，基于XNOR/OR的FPRM逻辑电路面积目标函数为计算当前极性的适应度函数；

步骤5，种群中的人工狼执行全局搜索策略，探狼执行深度开发策略，猛狼执行禁忌搜索策略并不断更新头狼的位置；