Статья

Название статьи ГИБРИДНАЯ МОДЕЛЬ РЕШЕНИЯ ОПТИМИЗАЦИОННЫХ ЗАДАЧ ПРОЕКТИРОВАНИЯ
Автор Л. А. Гладков, Н. В. Гладкова, С. Н. Лейба
Рубрика РАЗДЕЛ I. АВТОМАТИЗАЦИЯ ПРОЕКТИРОВАНИЯ
Месяц, год 04, 2018
Индекс УДК 519.712.2
DOI
Аннотация Рассматриваются методы оптимизационных задач автоматизированного проектирования схем цифровой электронно-вычислительной аппаратуры. Отмечена актуальность и важность разработка новых эффективных методов решения подобных задач. Приведена постановка задачи размещения элементов схем электронной аппаратуры, выбраны ограничения области допустимых решений. Предложена методика определения качества получаемого решения на основе комплексной нормированной оценки сумм штрафов по нескольким выбранным критериям. Предложена новая гибридная модель рассматриваемой задачи на основе сочетания эволюционных методов поиска, математического аппарата нечеткой логики и возможностей параллельной организации вычислительного процесса. Разработаны новые модификации основных генетических операторов. Предложен модифицированный оператор миграции для обмена информацией между популяциями решений в процессе выполнения параллельных вычислений. Разработана структура параллельного гибридного алгоритма. Для обмена решениями между популяциями предложено использовать островную и буферную модели параллельного генетического алгоритма. Предложена реализация модуля нечеткого управления на основе использования многослойной нейронной сети и функции Гаусса. Для повышения качества получаемых результатов в контур эволюции экспертной информации включен нечёткий логический контроллер, регулирующий значения параметров процесса эволюции. Сформулированы основные принципы работы блока нечеткого управления. Представлена структурная схема, разработанного гибридного алгоритма. Подробно рассмотрены особенности программной реализации предложенного гибридного алгоритма. Описана структура интерфейса, представлены основные элементы графического интерфейса разработанного приложения. Представлено краткое описание проведенных вычислительных экспериментов, подтверждающих эффективность предложенного метода.

Скачать в PDF

Ключевые слова Автоматизация проектирования; генетический алгоритм; эволюционные вычисления; нечеткое управление; параллельные вычисления; нечеткий логический контроллер.
Библиографический список 1. Cohoon J.P., Karro J., Lienig J. Evolutionary Algorithms for the Physical Design of VLSI Circuits. Advances in Evolutionary Computing: Theory and Applications, Ghosh A., Tsutsui S. (eds.). – Springer Verlag, London, 2003. – P. 683-712.
2. Charles J. Alpert, Dinesh P. Mehta, Sachin S. Sapatnekar. Handbook of algorithms for physical design automation. CRC Press, New York, USA, 2009.
3. Shervani N. Algorithms for VLSI physical design automation. Kluwer Academy Publisher, USA, 1995. – 538 p.
4. Гладков Л.А., Курейчик В.М., Курейчик В.В., Сороколетов П.В. Биоинспирированные методы в оптимизации. – М.: Физматлит, 2009. – 384 c.
5. Гладков Л.А., Курейчик В.В., Курейчик В.М. Генетические алгоритмы. – М.: Физматлит, 2010. – 368 с.
6. Гладков Л.А. О некоторых подходах к построению гибридных интеллектуальных систем для решения графовых задач // Новости искусственного интеллекта. – 2000. – № 3.
– С. 71-90.
7. Michael A., Takagi H. Dynamic control of genetic algorithms using fuzzy logic techniques // Proceedings of the Fifth International Conference on Genetic Algorithms. – Morgan Kaufmann, 1993. – P. 76-83.
8. Lee M.A., Takagi H. Integrating design stages of fuzzy systems using genetic algorithms // Proceedings of the 2nd IEEE International Conference on Fuzzy System. – 1993. – P. 612-617.
9. Herrera F., Lozano M. Fuzzy Adaptive Genetic Algorithms: design, taxonomy, and future directions // Soft Computing. – Springer-Verlag, 2003. – No. 7. – P. 545-562.
10. Ярушкина Н.Г. Основы теории нечетких и гибридных систем. – М.: Финансы и статистика, 2004. – 320 c.
11. Батыршин И.З., Недосекин А.О. и др. Нечеткие гибридные системы. Теория и практика / под ред. Н.Г. Ярушкиной. – М.: Физматлит, 2007.
12. Кныш Д.С., Курейчик В.М. Параллельные генетические алгоритмы: Проблемы, обзор и состояние // Известия РАН. Теория и системы управления. – 2010. – № 4. – С. 72-82.
13. Rodriguez M.A., Escalante D.M., Peregrin A. Efficient distributed genetic algorithm for rule extraction // Applied Soft Computing. – 2011. – Vol. 11. – P. 733-743.
14. Alba E., Tomassini M. Parallelism and evolutionary algorithms // IEEE T. Evolut. Comput.
– 2002. – Vol. 6. – P. 443-461.
15. Гладков Л.А. Решение задач поиска и оптимизации решений на основе нечетких генетических алгоритмов и многоагентных подходов // Известия ТРТУ. – 2006. – № 8 (63).
– C. 83-88.
16. Пегат А. Нечеткое моделирование и управление. – М.: БИНОМ. Лаборатория знаний, 2009. – 359 c.
17. Gladkov L.A., Gladkova N.V., Leiba S.N. Manufacturing Scheduling Problem Based on Fuzzy Genetic Algorithm // Proc. of IEEE East-West Design & Test Symposium (EWDTS’2014). Kiev, Ukraine, September 26 – 29, 2014. – P. 209-213.
18. Gladkov L.A., Gladkova N.V., Legebokov A.A. Organization of Knowledge Management Based on Hybrid Intelligent Methods // Software Engineering in Intelligent Systems. Proceedings of the 4th Computer Science On-line Conference 2015 (CSOC 2015), Vol 3: Software Engineering in Intelligent Systems. – Springer International Publishing, Switzerland 2015. – P. 107-113.
19. Гладков Л.А. Гладкова Н.В., Лейба С.Н. Размещение элементов схем ЭВА на основе гибридных интеллектуальных методов // Известия ЮФУ. Технические науки. – 2015.
– № 4 (165). – C. 25-36.
20. Гладков Л.А., Лейба С.Н., Тарасов В.Б. Разработка и программная реализация гибридного алгоритма решения оптимизационных задач автоматизированного проектирования // Программные продукты и системы. – 2018. – T. 31, № 3. – C. 569-580.

Comments are closed.