关键词:
MPRM逻辑电路
极性转换
面积优化
功耗优化
面积和功耗优化
摘要:
目前,芯片逐渐向高集成度、低功耗的方向发展。对于集成电路设计而言,电路面积优化和功耗优化已成为电路逻辑综合中重要优化目标,也是电子设计自动化(Electronics Design Automation,EDA)的重要内容。数字逻辑电路既可以由基于AND/OR/NOT运算的布尔(Boolean)逻辑实现,也可以由基于XNOR/OR运算的混合极性 Reed-Muller(Mixedpolarity Reed-Muller,MPRM)逻辑实现。对于大部分电路,例如算术逻辑电路和奇偶校验电路,MPRM逻辑实现形式相比于传统的Boolean逻辑实现形式在功耗、面积、速度以及电路的可测试性等方面都具有明显优势。因此,基于XNOR/OR的MPRM逻辑电路优化是当前国内外研究热点。然而,目前大量的研究集中于XOR/AND逻辑,有关基于XNOR/OR的MPRM逻辑电路优化方法的研究还处于初级阶段,存在极性转换效率低且缺乏普适性、面积和功耗优化效率低、效果差等问题。本文针对上述问题,研究基于XNOR/OR的MPRM表达式并行极性转换方法,以减少极性转换操作,提高极性转换效率;研究基于XNOR/OR的MPRM逻辑电路面积优化方法,搜索具有最小面积的最佳极性,以提高面积优化的效率,改进面积优化的效果;研究基于XNOR/OR的MPRM逻辑功耗优化方法,搜索具有最小功耗的最佳极性,以提高功耗优化效率,改进功耗优化的效果;研究基于XNOR/OR的MPRM逻辑电路面积和功耗优化方法,搜索更多的面积和功耗折中解,以提高MPRM电路多目标优化的效率,改进MPRM电路多目标优化的效果。本文主要工作如下:(1)基于XNOR/OR的MPRM逻辑电路面积优化方法针对基于XNOR/OR的MPRM逻辑电路面积优化效率低的问题,提出一种MPRM 逻辑电路面积优化方法(MPRM Area Optimization Approach,MAOA)。MAOA基于提出的全退火自适应细菌觅食算法(Whole Annealing Adaptive Bacterial Foraging Algorithm,WAA-BFA)搜索具有最小面积的最优极性。WAA-BFA将马尔可夫链和Metropolis接受准则应用到细菌的趋化算子,以改变细菌无方向性的觅食行为,并利用个体适应度与迭代次数、控制常数等之间的关系,采用自适应概率进行个体突变以进一步提高算法的收敛速度、优化精度和整体性能。此外,针对现有的基于XNOR/OR转换方法只能实现Boolean逻辑至RM逻辑的极性转换、效率较低、且不能处理极性之间的转换的问题,提出一种高效率的基于XNOR/OR的MPRM表达式并行极性转换方法(Parallel Polarity Conversion Algorithm,PPCA)。实验结果表明,与现有的极性转换方法相比,PPCA节省极性转换时间百分比最高为99%;与现有面积优化方法相比,MAOA可显著提高解的质量,MAOA最高面积节省百分比和最高平均面积节省百分比分别为45.65%和 67.71%。(2)基于XNOR/OR的MPRM逻辑电路功耗优化方法针对基于XNOR/OR的MPRM逻辑电路功耗优化效率低的问题,提出一种MPRM 逻辑电路功耗优化方法(Power Optimization Approach,POA)。POA 基于提出的多级自适应模因算法(Multilevel Adaptive Memetic Algorithm,MAMA)以搜索具有最小功耗的最优极性。MAMA包括基于种群的全局搜索、基于个体的局部启发式搜索和基于初始种群的数据匹配算法。MAMA充分考虑个体适应度值与迭代次数、目标向量上下限之间的关系并结合概率跳跃特性在解空间中寻找目标函数的全局最优解。实验结果表明,与现有功耗优化方法相比,POA最高功耗节省百分比和最高平均功耗节省百分比分别为63.15%和66.40%。(3)基于XNOR/OR的MPRM逻辑电路面积和功耗优化方法针对基于XNOR/OR的MPRM逻辑电路面积和功耗优化效率低的问题,提出一种MPRM逻辑电路面积和功耗优化方法(Area and Power Optimization Approach,APOA)。APOA基于提出的多策略细菌觅食算法(Multi-strategy Bacterial Foraging Algorithm,MBFA)以获得一组具有较低功耗和较小面积的极性。MBFA包括非支配添加算子、双种群协作算子、高质量复制算子、分布式迁徙算子和终止准则。MBFA的主要特点是充分利用细菌个体携带的信息进行全局勘探和局部开发,使MBFA拥有较高的种群利用率,并找到多样化的解决方案。实验结果表明,APOA相比较于现有的MPRM电路面积和功耗优化方法能获得更多的Pareto最优