基于演化硬件的软硬件协同电子系统设计研究

论文摘要

演化硬件指能通过与环境的相互作用自动、动态地改变其结构和行为的硬件,它采用演化算法和可编程器件相结合,实现硬件电路的功能自我重配置。演化硬件技术诞生于上世纪90年代初,随着FPGA和FPAA等可重编程器件的大量应用而倍受关注。它提供了一种全新的复杂电子电路和自适应硬件的设计方法,如模式识别和自适应控制等。演化硬件技术在很多领域都已获得成功应用,可以预言,可演化特征将是2020年以后硬件基础设施的基本特征之一。演化硬件的理论基础是演化计算和可编程专用集成电路。演化计算借助于生物演化的规律进行算法设计和问题求解,是当前智能计算的主要研究领域之一。演化计算运用于电路设计即演化硬件技术,将发展一类智能化、自动化电子设计新方法和技术,研究表明运用该方法和技术常常会设计出一些意想不到的新颖电路。演化硬件的两个主要挑战来自于设计初始阶段对电路的形式化描述及编码和硬件电路的规模与复杂性研究。本论文在理论研究和应用研究的创新点和主要内容归纳如下:1、在分析现有的一些编码特点、编码的具体方式如二进制位串编码、传统GP编码、CGP编码、图编码、可变长编码等编码的基础上,提出了一种AGP编码方法,该编码方法结合了虚拟机指令集和GA与GP的优点,使得演化算子简单、实现方便。2、演化电路规模与演化速度的矛盾是目前演化硬件实现过程中存在的主要问题。演化硬件的复杂性研究常常应用复杂系统演化和大自然自组织过程的相关理论和技术,如细胞自动机、人工神经网络、蚂蚁算法、中性网、L系统等。本论文提出:利用生物学演化的原理,从基因型和表现型之间的映射出发解决大规模的复杂问题演化是较有效的方法。该方法不仅允许演化算法搜索有用的表现型,还可引进特征类型,如冗余、模块性和局部学习等。3、利用分而治之和并行演化的思想,本论文提出了一种演化硬件模型JX-EHW-M,该模型采用多层结构,不同层次分别演化,而又互相联系。电路编码采用网络连接SFE（简单灵活电路）模块和SFE树相结合的方法,SFE模块内的演化操作映射到GP算法的树,而网络连接的演化操作的二次编码则可以通过整数编码、CGP编码或者邻接图方式来完成。该编码可大大缩小硬件编码的空间。该模型采用的主要算法采用层次式评估方法,并提出了适应值分配策略,充分考虑了电路模型的适应性度量、复杂性评估、输出的目标拟合程度和适应环境的功能要求等因素。4、本论文在JX-EHW-M模型的基础上实现JX-EHW演化硬件原型平台。该平台可对不同的电路设计要求进行演化,输入是胚胎电路、仿真参数和评价函数,输出是优化后的电路。对于数字电路JX-EHW使用PETRI网仿真,对于模拟电路或混合电路,则使用SPICE仿真。该平台具有可扩充性,当增加足够的仿真库之后,可以扩充到更大范围应用电路的演化设计。5、利用JX-EHW演化硬件原型平台,本论文实现数字电路和模拟电路实例的自动化设计和优化,它们在演化随机数发生器、演化三次方根电路和演化滤波器等方面获得了有实际应用意义的电路。总之,作为计算机科学、电子工程学、生物学的交叉学科,演化硬件结合了许多其他领域的知识,如EDA、复杂系统和自适应算法等。本论文综述了当前演化硬件技术的进展,阐述了演化硬件的基本原理和方法,归纳提出了一些关于演化硬件研究的观点,并以PLD及可重配置处理单元（RPU）为物质基础,硬件描述语言为硬件编码手段,演化算法为理论框架,研究多层次、多模型的演化硬件技术和基于元胞自动机与胚胎学原理相结合的自主演化硬件技术,以适应于系统的自修复和自主动态重配置,设计实现一种演化硬件原型平台,在此基础上运用离线演化硬件技术实现若干实例的演化硬件设计,获得有实际应用意义的电路。

论文目录

• 摘要
• ABSTRACT
• 第一章 引言
• 1.1 绪论
• 1.2 国内外研究现状
• 1.3 演化硬件的关键技术与发展
• 1.4 本论文的结构和创新点
• 第二章 演化硬件的基本原理和应用
• 2.1 基本原理
• 2.2 理论基础
• 2.3 演化硬件的分类
• 2.4 演化硬件的系统框架
• 2.5 演化硬件的硬件平台技术
• 2.5.1 FPGA
• 2.5.2 FPAA
• 2.2.3 FPTA
• 2.2.4 其它硬件平台技术
• 2.2.5 硬件平台技术的发展趋势
• 2.6 演化硬件现有的应用
• 2.6.1 演化硬件容错系统
• 2.6.2 演化硬件用于功耗平衡
• 2.6.3 演化滤波器
• 2.7 本章小结
• 第三章 硬件的表示和编码
• 3.1 二进制位串编码
• 3.2 基于最小项的编码
• 3.3 传统GP 编码方式
• 3.4 CGP 编码方式
• 3.5 AGP 编码方式
• 3.6 其它编码方式
• 3.7 本章小结
• 第四章 演化硬件的复杂性研究
• 4.1 演化硬件的计算模型
• 4.1.1 元胞自动机
• 4.1.2 人工神经网络
• 4.1.3 中性网
• 4.2 演化硬件解决大规模问题的策略
• 4.2.1 分布式处理
• 4.2.2 压缩染色体编码
• 4.2.3 增加建筑块的复杂度
• 4.2.4 分而治之
• 4.2.5 规则演化及L 系统
• 4.2.6 演化硬件的归纳与启发式学习
• 4.3 本章小结
• 第五章 演化硬件原型平台JX-EHW
• 5.1 硬件编码
• 5.2 离线演化算法的实现
• 5.3 JX-EHW 平台框架
• 5.4 演化数字电路的实现
• 5.5 演化模拟电路的实现
• 5.5.1 评估方法
• 5.5.2 演化模拟电路的仿真实验
• 5.6 本章小结
• 第六章 总结与展望
• 6.1 本论文的主要研究工作与创新
• 6.2 展望
• 参考文献
• 致谢
• 个人简历
• 在学期间发表的学术论文及研究成果