[发明专利]一种Alpha导向灰狼算法及其在两级运算放大器设计中的应用

摘要

本发明涉及到一种Alpha导向灰狼算法及其它在两级运算放大器设计中的应用，属于群体智能算法的改进及应用领域。其特征在于：在灰狼算法中引入了Alpha导向机制，给狼群领导集团提供了潜在猎物的方向，进而提高算法的收敛速度；标准GWO如长时间陷入局部最优，种群就集中在Alpha、Beta、Delta附近区域且很难从中跳出，本发明在灰狼算法中引入Alpha变异机制，为种群跳出局部最优提供了渠道；在本发明中，算法参数采用标量化设计，算法结构得到简化。在两级无缓冲CMOS运算放大器优化设计的应用中，具有良好的寻优效果。

主权项

1.一种Alpha导向灰狼算法及其在两级运算放大器设计中的应用，其特点主要包括以下步骤：步骤1：通过对两级无缓冲CMOS运算放大器的数学建模，确定影响两级无缓冲CMOS运算放大器性能指标的各个变量以及变化范围，建立两级无缓冲CMOS运算放大器参数优化的目标函数。两级无缓冲CMOS运算放大器的优化设计就是通过调节各CMOS尺寸、偏置电流、补偿电容，使得其各性能指标达到最佳。以两级运算放大器的开环增益Av为优化目标，以单位增益带宽UGB、摆率SR、晶体管的总面积TA、正电源抑制PSRR+、负电源抑制PSRR‑、静态功耗Pdiss、相位裕度PM以及结构条件为约束条件，建立如下数学模型：consider X＝[x1，x2，…，x10]＝[S1，…，S8，I6，Cc]min f(X)＝EAv/Av＝EAv/(20lg(2gm1gm6/(x9I6(λ2+λ4)(λ6+λ7)))s.t g1(X)＝EUGB/UGB＝EUGB/(gm1/(x10+A2Cgd6))≤1g2(X)＝ESR/SR＝ESR/(x9/x10)≤1g4(X)＝EPSRR+/PSRR+EPSRR+/201g(2gm1gm6/(x9λ6I6(λ2+λ4)))≤1g5(X)＝EPSRR‑/PSSR‑EPSRR‑/201g(2gm1gm6/(x9λ7I6(λ2+λ4)))≤1g6(X)＝Pdiss/EPdiss＝(VDD‑VSS)(2x9+I6)/1000/EPdiss≤1g7(X)＝10gm2/gm6≤1g8(X)＝0.122CL/x10≤1g9(X)＝10UGB/P3≤1h1X)＝x1‑x2＝0，h2(X)＝x3‑x4＝0where gm1＝gm2＝(K′nx1x9)0.5gm3＝gm4＝(K′px3x9)0.5gm6＝gm4x6/x4A2＝gm6/(I6(λ6+λ7))Cgd6＝CGDOP·x6·LP3＝gm3/(4/3·COXx3L2)Range x1，…，8∈[1，50]，x9∈(0，30]，x10∈(0，10]式中，Si，i＝1，...，8，L，gm，TA表示晶体管的宽长比、长度、跨导、总面积，E*表示*指标的期望值，K′n，K′P分别表示NMOS、PMOS的本征导电因子，CGDOP表示PMOS栅漏重叠电容器。步骤：2：狼群位置以及算法参数初始化；步骤3：Alpha狼导向机制导向；步骤4：灰狼狩猎操作，并对狼群进行适应度评估；步骤5：Alpha狼变异操作；步骤6：步骤六：对变异狼进行适应度评估，选取当前种群中适应度度最好的三匹狼，分别命名为Alpha、Bea和Delta，并记录当前种群中的最优个体；步骤7：终止检验。判断算法是否满足终止条件，如果当前进化代数t小于最大进化代数Gmax，则返回步骤3，并令t＝t+1，否则，终止算法，输出最优值。