基于进化的电路自动设计方法

电路进化设计是可进化硬件(Evolvable:HardWare，简称EHW）研究的重要内容，即利用进化计算技术配置电路的内部结构以获得所需的电路功能。该方法的优点包括：可获得常规设计方法考虑范围以外的最佳设计；不依赖于先验知识，但仍可利用巳有的知识和经济来提高设计的频率；自动化程度高，便于实施：因此有希望替代常规设计方法，实现复杂和大规模电路的自动设计。本文简述EHW的基本概念，介绍电路进化设计的基本原理、关键技术和主要进展，讨论重要的开放问题及未来的研究方向。     

基于典型结构的电路自适应进化设计新方法

简述电路进化设计的基本原理和发展现状。针对制约进化设计速度和规模的主要因素，提出并讨论一种基于典型电路结构、PSPICE仿真和遗传参数自适应的改进方法。有源滤波器等的进化实验结果表明，该方法支持对元件参数和电路结构的同时进化，并可显著加快进化速度。     

基于均匀设计的多目标自适应遗传算法及应用

提出一种多目标遗传算法,将均匀设计技术应用于适应度函数合成和交叉算子构造,以提高遗传算法的空间搜索均匀性、子代质量和运算效率.分析和实验结果表明,该方法可缩短算法运行时间和得到分布较均匀的Pareto有效解集;配合基于元件标称值的网表级高效编码方案和考虑基因位差异的遗传概率调整策略,可实现模拟电路自动设计,通过单次运行即获得对应不同偏好的多种实用化设计结果.     

基于遗传算法的异构硬件电路冗余系统构造方法

针对实际硬件电路冗余系统中各电路存在失效相关的情况,首先对其失效概率进行分析,指出用于冗余的电路不是越多越好,高可靠性的冗余系统不仅应使用异构的电路构造,而且需要对电路及其冗余数量进行优化选择;然后根据分析结果提出一种基于遗传算法的异构硬件电路冗余系统的构造方法,能快速构造高可靠的冗余系统,并通过实验验证了分析结果的正确性以及该构造方法的可行性.     

基于遗传算法的微波电路优化方法

根据遗传算法的基本理论，并结合微波电路优化设计的特点，对传统遗传算法的部分操作提出了改进措施。将其与DFP算法相结合，研制出能够较好收敛到最优值的算法。应用于微波电路CAD中，证明了其有效性和实用性。     

基于遗传算法的微波电路优化方法

根据遗传算法的基本理论,并结合微波电路优化设计的特点,对传统遗传算法的部分操作提出了改进措施。将其与DFP算法相结合,研制出能够较好收敛到最优值的算法。应用于微波电路CAD中,证明了其有效性和实用性。     

基于遗传算法的容差模拟电路故障诊断

给出了用于模拟电路元件参数识别的多频传递函数法的过程,并对故障诊断方程的可解度进行了分析,在此基础上,将诊断方程的求解转化为非线性函数的优化问题,并运用改进的遗传算法来解决这个问题,算法实例表明该方法简化了故障诊断方程的求解过程,加速了容差电路故障元件的定位,有一定的应用价值。     

模拟电路故障诊断参数估计及其遗传优化

基于Ｂａｎｄｌｅｒ（１９８２）故障诊断Ｌ１范数法，提出模拟电路故障诊断的遗传优化技术，采用直接对网络节点电压增量直接编码的方法，避免了因特连续量，人为转化为离散量而引起编码误差；为保证算法的全局收敛特性，本文的选择算子采用了最佳个体保留方法（ＥｌｉｔｉｓｔＭｏｄｅｌ）在交叉和变异操作中引入自适应策略后；改善了算法的局部寻优能力和程序的收敛时间，实例仿真表明本文算法能够快速准确地将模拟电路故障定位到     

基于函数级进化方法的乘法器设计

介绍了可进化硬件的基本思想，阐述了基于遗传算法和现场可编程门阵列的函数级进化方法及其特点。采用函数级进化的结构，用遗传算法实现了乘法器的设计；讨论了进化设计中影响进化速度和成功率的因素，通过设计恰当的染色体编码提高了进化速度和评估效率。     

数字系统设计研究中的进化硬件电路及应用前景

以美国Genobyte公司的CBM为例，介绍了目前数字系统设计研究的热点，即进化硬件电路的应用研究价值、理论基础及实现的载体，并讨论了进化硬件电路有待发展的技术条件。     

基于Memetic算法的电路演化设计研究

 针对传统演化算法在设计数字逻辑电路时存在的演化速度缓慢和容易陷入局部最优解等问题,设计了一种Cartesian进化编程编码的电路演化Memetic算法,采用遗传算法作为全局搜索方法,并设计了适合电路演化的基本门种类局部搜索策略.通过一位全加器电路证明所提出的Memetic硬件演化算法的搜索能力,实验证明所提出的算法能够有效地完成进化任务,具有较强的全局快速和局部搜索能力.     

基于分离技术的数字电路多目标进化设计

提出了一种基于真值表变量分离技术的数字电路进化设计方法.该方法旨在减少待进化系统的输入输出位数,将较难实现的整体进化系统分解成几个容易实现的进化子系统,从而实现较大规模数字电路的进化设计.同时结合多目标遗传算法,优化电路结构.并以加法器和乘法器为设计实例,结果证明了该方法能有效进化出较大规模的数字电路,得到的进化电路资源更少,时延更短.     

A New Automated Design Method Based on Machine Learning for CMOS Analog Circuits

A new simulation based automated CMOS analog circuit design method which applies a multi-objective non-Darwinian-type evolutionary algorithm based on Learnable Evolution Model (LEM) is proposed in this article. The multi-objective property of this automated design of CMOS analog circuits is governed by a modified Strength Pareto Evolutionary Algorithm (SPEA) incorporated in the LEM algorithm presented here. LEM includes a machine learning method such as the decision trees that makes a distinction between high- and low-fitness areas in the design space. The learning process can detect the right directions of the evolution and lead to high steps in the evolution of the individuals. The learning phase shortens the evolution process and makes remarkable reduction in the number of individual evaluations. The expert designer’s knowledge on circuit is applied in the design process in order to reduce the design space as well as the design time. The circuit evaluation is made by HSPICE simulator. In order to improve the design accuracy, bsim3v3 CMOS transistor model is adopted in this proposed design method. This proposed design method is tested on three different operational amplifier circuits. The performance of this proposed design method is verified by comparing it with the evolutionary strategy algorithm and other similar methods.     

基于遗传算法的抽指加权叉指换能器进化设计

提出了极性抽指加权叉指换能器设计的新方法,克服了传统设计方法的繁杂性。将极性抽指加权叉指换能器作为染色体,通过独特的（-1,1）的二值编码,以目标频率响应曲线和待进化的叉指换能器频率响应曲线在考虑的频率范围内的1601个采样点的误差值为进化目标,对种群中的染色体进行选择、交叉和变异等遗传操作,自动进化出符合目标要求的极性抽指加权叉指换能器极性加权状况。进化实验结果表明,应用本文提出的进化方法设计出的极性抽指加权叉指换能器的频响曲线与目标频响曲线基本重合,达到设计要求,进化设计方法效率高,实用性强。     

进化型模拟滤波器的并行进化方法

为了提高硬件进化的速度,我们以fc=1000Hz、K=36四阶切比雪夫低通滤波器的进化为例,提出了一种并行进化方法。用6个群体同时进化,得到符合要求的电路。进化速度平均约为以往方法的四倍以上。     

ELVQ算法实现宽参数偏移的多故障电路诊断

该文提出了一种强化自适应策略的学习矢量量化(Enhanced Learning Vector Quantization, ELVQ)算法,并设计了基于SOM(Self-Organizing Map)-LVQ模型的故障分类方法,用于实现宽参数偏移的模拟电路多故障诊断。该文算法具有两方面的优势：一方面利用获胜神经元数目的自适应,均衡了神经元的获胜概率;另一方面根据样本分类结果计算作用因子修正神经元的权值,增强了类别边界决策性能。仿真结果表明,所提出的算法具有收敛速度快,分类误差小等特点。