并行遗传算法在半导体器件综合中的应用

将并行遗传算法应用于器件综合,研究了基于孤岛模式的遗传算法的实现,并分析了算法参数,尤其是迁移间隔,对演化性能的影响.并行遗传算法可以利用多个计算机的计算能力,在较少的演化代数里获得所需要的结果.     

应用遗传算法实现的MOS器件综合系统

为实现器件综合,即从期望的器件性能出发得到优化的器件设计参数,最关键的是要选用有效的优化搜索器件。文章将遗传算法应用于实现一个器件综合的原形系统,并通过对FIB-MOS器件的综合设计,验证了遗传算法和该器件综合原形系统的有效性。器件的参数化表示也被作为器件综合的重要问题进行了讨论。     

应用遗传算法实现MOS器件综合

研究了将遗传算法应用于器件综合问题,针对参数化的器件空间设计了相应的适应度函数和遗传算子,可用来得到器件的可行设计空间及研究参数对器件性能的影响.对FIBMOS器件的综合设计研究结果显示了本方法的有效性.     

应用遗传算法实现MOS器件综合

研究了将遗传算法应用于器件综合问题,针对参数化的器件空间设计了相应的适应度函数和遗传算子,可用来得到器件的可行设计空间及研究参数对器件性能的影响.对FIBMOS器件的综合设计研究结果显示了本方法的有效性.     

一种用于线性阵列综合的改进遗传算法

为了提高阵列综合收敛速度,实现目标函数局部最优,分析了现有的遗传算法存在的不足,提出了一种应用于线性阵列综合的改进遗传算法。该算法根据现有算法对实数编码搜索能力不强,容易陷于局部最优解的缺陷,提出了能够增强个体寻优范围的搜索方案,以跳出局部最优解,是解决问题的有效途径。仿真结果表明,改进后的算法能够使目标函数迅速跳出局部最优解,收敛速度至少增加了2¹0倍。     

遗传算法用于数值优化时的性能评估

利用Shaffer函数作为测试函数,分析了常用的遗传操作方法以及参数,用于数值优化的遗传算法的性能评估,并将得出的结论应用于实际工作,提高了计算效率,改善了遗传算法的性能。     

半导体器件与工艺综合

利用器件与工艺综合的思想,开发出自顶向下的新的器件和工艺设计方法,实现了该设计方法的MOSPAD软件,并利用MOSPAD系统做出了一定的综合结果. 做出了关于器件与工艺综合的两个实例,即对FIB器件的器件综合和对阱形成工艺模块进行的工艺综合,并证明了自顶向下的器件与工艺综合思想的可行性.     

半导体器件与工艺综合

利用器件与工艺综合的思想,开发出自顶向下的新的器件和工艺设计方法,实现了该设计方法的MOSPAD软件,并利用MOSPAD系统做出了一定的综合结果. 做出了关于器件与工艺综合的两个实例,即对FIB器件的器件综合和对阱形成工艺模块进行的工艺综合,并证明了自顶向下的器件与工艺综合思想的可行性.     

用于综合PWM芯片的并行遗传算法

提出了基于遗传算法的脉冲宽度调制(PWM)芯片的自动综合方法.为保证综合结果准确实用,对电路性能的评价基于HSPICE的仿真结果,提出的并行遗传算法采用了电路划分和参数关联技术,并运用互联网实现并行计算.综合实例表明了该方法的有效性.     

用于综合PWM芯片的并行遗传算法

提出了基于遗传算法的脉冲宽度调制(PWM)芯片的自动综合方法.为保证综合结果准确实用,对电路性能的评价基于HSPICE的仿真结果,提出的并行遗传算法采用了电路划分和参数关联技术,并运用互联网实现并行计算.综合实例表明了该方法的有效性     

遗传算法在半导体器件参数提取软件中的实现

随着半导体器件参数的增加,目标函数的自变量空间维数变得越来越大。传统的优化算法已经不能很好地处理此类问题,主要表现在无法有效地达到目标函数的极小点。文章首先在参数提取软件中实现了遗传算法,并与传统的优化算法进行了比较,探讨了该算法在参数提取软件中的实用性,提出了将遗传算法与传统优化算法结合在一起的方法。     

一种改进的遗传算法的实现及性能研究

在Visual C 环境下,用C语言实现了一种改进的遗传算法,该算法通过实数编码、改进的遗传操作算子,并引入精英保留策略,可克服常规算法中收敛速度慢、早熟及局部收敛等缺陷。经GA测试函数验证该算法是有效的。与MATLAB遗传算法优化工具箱和SGA的系统仿真结果进行了比较,结果显示该算法不仅显著提高了全局搜索能力,加快了收敛速度,而且也改善了求解的质量及其优化结果的可靠性,是求解复杂函数优化问题的一种有潜力的算法,结合自行研发的微波管CAD软件,可望用于微波管性能优化,提高微波管设计能力。     

基于改进遗传算法的图像分割

分析了OTSU图像分割算法和遗传算法,针对基本遗传算法在优化OTSU图像分割算法中存在的易于早熟、陷入局部最优的不足,提出了一种基于改进遗传算法的图像分割算法。结合OTSU对遗传算法中的适应度函数进行改进,使得对个体的评价更合理,提高算法的全局搜索能力,避免了遗传算法陷入局部最优。实验结果表明,与基于基本遗传算法的图像分割方法相比,改进的图像分割算法在图像分割中获得的分割效果更佳。     

改进的遗传算法求解背包问题

为提高遗传算法在解决背包问题时的局部搜索能力,在遗传算法中加入禁忌搜索的思想,用遗传算法做全局搜索,禁忌搜索辅助做局部搜索。文中阐述了遗传算法和禁忌搜索算法的基本思想,并给出了适用于背包问题的模型。通过具体事例测试改进的算法,其结果表明改进后的遗传算法拥有更好的性能和更快的收敛速度。     

半导体器件模型的改进迭代方法

考虑的半导体器件模型以Slotboom变量和电势为求解变量。求解泊松方程时,电子和空穴浓度由电流连续性方程的解得到,因而泊松方程是线性的,因此可以获得较满意的泊松方程的解,从而提高计算结果的精度。另外,在每—次Gummel循环开始,迭代初值进行一次修正,即经过Gummel迭代得到的电子和空穴浓度值,不直接用作下一次迭代的初值,而先进行极小化处理,从而加快了收敛速度。最后,给出了一个数值例子。     

基于混合人工蜂群策略的改进DV-Hop定位算法

为了减小DV-Hop算法在无线传感器网络节点定位中的误差,提出了一种基于混合人工蜂群算法的改进算法。该算法结合了粒子群算法收敛速度快和蜂群算法搜索能力强的特性,首先通过DV-Hop算法估计锚节点与未知节点之间的距离,然后采用粒子群算法计算未知节点的初始位置,最后利用蜂群算法进行迭代求精,从而实现基于不同距离测量方法的总体优化。仿真结果表明,改进算法的定位精度较DV-Hop算法和基于粒子群的定位算法有明显改善。     

基于改进遗传算法的服务器端负载均衡算法

在负载均衡技术中，负载调度方法是核心，它的好坏直接影响均衡系统的性能。提出一种基于改进遗传算法的服务器端负载均衡算法。该方法降低了服务器端请求的响应时间。提高了服务器端CPU的利用率。从而改善了系统性能。数据实例表明。该方法是可行的、正确的和有效的。     

基于改进自适应遗传算法的MIMO 雷达阵列优化

针对传统遗传算法在全局搜索和收敛方面的不足,提出一种改进自适应遗传算法.算法改进了自适应规则,采用随迭代次数和种群适应度自适应变化的交叉、变异操作,同时采用新的选择算子和改进后的最优精英保留策略,摒弃了传统轮盘赌博选择法,增加了收敛于全局最优解的概率,加快了收敛速度.通过测试函数优化求解试验证明,改进算法能够有效提高搜索过程种群的多样性,具有更快的收敛性和更好的全局最优性.在此基础上,将改进的自适应遗传算法应用到MIMO雷达阵列优化设计,通过稀疏栅格编码,采用同时考虑副瓣电平与波束宽度的双适应函数,使优化得到的MIMO雷达方向图具有更好的综合性能,更利于实际工程应用.最后仿真实验结果进一步验证了本文改进算法的有效性.     

一种解决组合优化问题的改进型量子遗传算法

在量子遗传算法(QGA)的基础上,提出了一种解决组合优化问题的改进型量子遗传算法(NIQGA).为充分利用量子态的干涉性和纠缠性,该算法引入了动态调整量子门旋转角步长机制、量子交叉操作和量子变异操作,因而具有更高的搜索效率.利用两种典型组合优化问题——0/1背包问题和路由选择问题进行验证.结果表明,相比于GA和QGA,NIQGA具有收敛速度快和全局搜索能力强的特点,在解决基因间弱关联性的组合优化问题时有更优的性能.