КЛАССИФИКАЦИЯ И АНАЛИЗ ЭВОЛЮЦИОННЫХ МЕТОДОВ КОМПОНОВКИ БЛОКОВ ЭВА

Аннотация

В настоящее время наблюдается большой рост потребности в проектировании и разработке радиоэлектронных устройств. Это связано с повышающимися требованиями к радиоэлектронным системам, а также появлением новых поколений полупроводниковых приборов. В этой связи возникает необходимость в разработке новых средств автомати- зированного компоновки блоков ЭВА. Перед компоновкой блоков ЭВА существует ряд про- блем, которые усложняют реальное представление знаний в САПР и вероятно разрешимы на нынешнем уровне развития когнитивных наук. Проблема стереотипа и проблема огрубления - взаимосвязаны и нуждаются в создании гибридных моделей представления. В ра- боте рассмотрена проблема решения задачи компоновки блоков ЭВА при проектировании радиоэлектронной аппаратуры. Цель данной работы заключается в нахождении путей оптимизации планирования компоновки блоков ЭВА с применением генетического алго- ритма. Актуальность работы состоит в том, что генетический алгоритм позволяет повысить качество планирования компоновки. Рассматриваемые алгоритмы позволяют повысить качество и скорость планирования компоновки. Научная новизна заключается в поиске и анализе эффективных методов компоновки блоков ЭВА с помощью генетических алгоритмов. Принципиальное отличие от известных сравнений в анализе новых перспек- тивных алгоритмов компоновки блоков ЭВА. Результаты работы. В работе указаны не- достатки традиционных алгоритмов поиска субоптимального плана ЭВА. Приведены опи- сания современных моделей эволюционных и других вычислений. Генетические алгоритмы обладают рядом важных преимуществ – это приспособляемость к изменяющейся окру- жающей среде, при эволюционном подходе есть возможность анализировать, дополнять и изменять базу знаний в зависимости от изменяющихся условий, а также быстрое созда- ние оптимальных решений. Если применять генетические алгоритмы и эвристику предва- рительной обработки, чтобы обеспечить оптимальные начальные решения, то можно достичь более продуктивного использования алгоритмов. Известные генетические алго- ритмы быстро сходящиеся, но при этом они теряют разнообразие популяции, что влияет на снижение качества решения. Для балансировки данных решение выправляют с помощью эффективных операторов или устойчивой мутацией.