基于FPGA并行遗传算法的硬件实现技术研究

基于FPGA并行遗传算法的硬件实现技术研究

论文摘要

至今,国内外对遗传算法的算法实现的研究仍然主要是通过软件实现的。而软件语言的执行方式是串行的,这无疑与遗传算法天然的并行性相违背,极大地限制了遗传算法执行的实时性。从而局限了遗传算法应用的广泛性。为此,本课题提出了一种基于FPGA的并行化遗传算法(PGAs)的硬件实现系统,在遗传过程中通过地址用其中的最优个体及其适应度代替最差的个体及其适应度,从硬件实现的角度提高遗传算法的收敛速度。本文首先分析了遗传算法的基本原理及方法,并介绍了FPGA与HDL的特点及其开发过程。然后依据FPGA与HDL的特点和遗传算法的功能要求,按照自顶向下的设计思想进行模块划分,并对各个模块的功能进行了详细地解析。最后采用VHDL编写代码实现各个模块的功能,在QuartusⅡ8.0开发集成环境中对各个模块一一进行了分析与语法检查、功能仿真、综合、布局布线、时序仿真、并下载到Cyclone系列的目标芯片EP1C12Q240C8上完成了整个设计的验证。结果表明:1.本设计采用遗传算法并行化途径中的粗粒度模型,实现了并行化遗传算法的基本功能。2.整个硬件系统使用了流水线技术,其收敛速度比软件实现有了大幅度地提高。3.在设计系统的编译过程中利用了LogicLock优化技术,合理分配了硬件资源,提高了系统的工作速度和可靠性。4.本设计系统所占用的目标芯片的面积较小。

论文目录

  • 摘要
  • ABSTRACT
  • 第1章 引言
  • 1.1 遗传算法发展历史概述
  • 1.2 并行化遗传算法的发展现状
  • 1.3 遗传算法的原理及实现技术
  • 1.3.1 遗传算法的基本原理
  • 1.3.1.1 简单遗传算法的原理
  • 1.3.1.2 并行遗传算法的原理
  • 1.3.1.3 遗传算法的基本用语
  • 1.3.2 遗传算法的实现技术
  • 1.3.2.1 编码
  • 1.3.2.2 遗传算法的三个基本遗传算子
  • 1.3.2.3 粗粒度并行遗传算法控制参数的讨论
  • 1.3.2.4 粗粒度并行遗传算法的流程
  • 1.4 课题的研究背景及意义
  • 1.5 本课题的主要研究内容和预期效果
  • 1.6 本课题使用的主要技术和方法
  • 第2章 FPGA设计系统及HDL概述
  • 2.1 FPGA设计系统概述
  • 2.1.1 FPGA的结构特点
  • 2.1.2 FPGA设计特征
  • 2.1.3 FPGA的EDA开发流程
  • 2.2 HDL语言
  • 2.2.1 HDL语言概述
  • 2.2.2 VHDL语言
  • 2.2.2.1 VHDL语言的特点
  • 2.2.2.2 VHDL语言的设计流程
  • 2.3 本课题使用的硬件开发环境简介
  • 2.4 本章小结
  • 第3章 硬件电路系统的模块划分与参数选择
  • 3.1 并行遗传算法硬件系统的模块划分与结构设计
  • 3.2 并行遗传操作及其控制参数的选择
  • 3.2.1 粗粒度并行遗传算法模型及遗传算子方式的选择
  • 3.2.2 并行遗传算法控制参数的选择
  • 3.3 本章小结
  • 第4章 硬件电路系统的模块具体设计与实现
  • 4.1 RTL级设计的一般性指导原则
  • 4.2 系统设计中采用的技巧
  • 4.3 系统各模块的具体设计
  • 4.3.1 CP控制模块的设计
  • 4.3.2 CP存储器模块的设计
  • 4.3.3 CP选择模块的设计
  • 4.3.4 CP交叉变异模块的设计
  • 4.3.5 CP随机数模块的设计
  • 4.3.5.1 伪随机数产生的基本原理
  • 4.3.5.2 随机数模块的设计
  • 4.3.6 初始化生成种群模块的设计
  • 4.3.7 CP多功能多路分配器模块的设计
  • 4.3.7.1 常规多路分配器模块的设计
  • 4.3.7.2 适应度计算模块的设计
  • 4.3.7.3 次选择模块的设计
  • 4.3.8 CP的最优和最差个体地址产生模块的设计
  • bestWorst的设计'>4.3.8.1 模块generateFlagbestWorst的设计
  • address的设计'>4.3.8.2 模块chooseaddress的设计
  • 4.3.9 CP的其它多路分配器模块的设计
  • wren的设计'>4.3.9.1 模块ram1wren的设计
  • ram1RdAddrA的设计'>4.3.9.2 模块muxram1RdAddrA的设计
  • ram1WrAddr的设计'>4.3.9.3 模块muxram1WrAddr的设计
  • Ina1Fita1的设计'>4.3.9.4 模块muxIna1Fita1的设计
  • ram1DininDinfit的设计'>4.3.9.5 模块muxram1DininDinfit的设计
  • 4.3.10 迁移控制模块的设计
  • 4.3.11 迁移系统的多路分配器模块的设计
  • FitbestInbest的设计'>4.3.11.1 模块muxFitbestInbest的设计
  • addressfortrans的设计'>4.3.11.2 模块muxaddressfortrans的设计
  • 4.3.12 整个PGAs硬件系统的最顶层模块的设计
  • 4.4 本章小结
  • 第5章 并行遗传算法硬件电路系统的仿真与实现
  • 5.1 硬件系统各功能模块的仿真分析
  • 5.1.1 随机数产生模块的仿真分析
  • 5.1.2 初始化生成种群模块的仿真分析
  • 5.1.3 CP的多功能多路分配器模块的仿真分析
  • 5.1.3.1 适应度计算模块的仿真分析
  • 5.1.3.2 CP多功能多路分配器模块的仿真分析
  • 5.1.4 CP的选择模块的仿真分析
  • 5.1.5 CP交叉变异模块的仿真分析
  • 5.1.6 CP控制模块的仿真分析
  • 5.1.7 CP存储器模块的仿真分析
  • 5.1.8 迁移控制模块的仿真分析
  • 5.1.9 硬件系统的整体仿真分析
  • 5.2 硬件设计系统的编译
  • 5.2.1 系统的综合
  • 5.2.2 系统的布局布线
  • 5.3 硬件设计系统的下载配置与实现
  • 5.4 本章小结
  • 第6章 课题总结与工作展望
  • 6.1 课题总结
  • 6.2 工作展望
  • 致谢
  • 参考文献
  • address'>附录1 模块chooseaddress
  • ofadaptability'>附录2 模块degreeofadaptability
  • 附录3 模块initial
  • 42'>附录4 模块mux42
  • addressfortrans'>附录5 模块muxaddressfortrans
  • FitbestInbest'>附录6 模块muxFitbestInbest
  • max'>附录7 模块choicemax
  • variation'>附录8 模块crossvariation
  • bestWorst'>附录9 模块generateFlagbestWorst
  • Ina1Fita1'>附录10 模块muxIna1Fita1
  • ram1DininDinfit'>附录11 模块muxram1DininDinfit
  • ram1QafitQain'>附录12 模块muxram1QafitQain
  • ram1RdAddrA'>附录13 模块muxram1RdAddrA
  • ram1WrAddr'>附录14 模块muxram1WrAddr
  • ram1wren'>附录15 模块muxram1wren
  • 附录16 模块random1
  • 附录17 模块transfer
  • 附录18 模块xuanze
  • 附录19 模块control
  • 攻读学位期间的研究成果
  • 相关论文文献

    • [1].基于混合并行遗传算法和阈值限定法的基因调控网络构建[J]. 吉林大学学报(工学版) 2017(02)
    • [2].基于申威众核处理器的混合并行遗传算法[J]. 计算机应用 2017(09)
    • [3].基于并行遗传算法的网络最优弥补研究[J]. 科技通报 2016(02)
    • [4].基于并行遗传算法的网络最优弥补模型[J]. 现代电子技术 2016(05)
    • [5].基于禁忌-并行遗传算法的士兵职业技能个性化学习[J]. 信息通信 2016(10)
    • [6].基于云计算的混合并行遗传算法求解最短路径[J]. 电子技术应用 2015(03)
    • [7].多核集群系统下的混合并行遗传算法研究[J]. 计算机科学 2011(07)
    • [8].基于改进伪并行遗传算法的函数优化[J]. 江南大学学报(自然科学版) 2010(01)
    • [9].混合并行遗传算法在多文档文摘中的应用[J]. 内蒙古大学学报(自然科学版) 2010(04)
    • [10].基于伪并行遗传算法的聚类分析方法[J]. 计算机工程与设计 2009(01)
    • [11].基于改进型伪并行遗传算法的背包问题求解[J]. 华东经济管理 2009(12)
    • [12].基于自适应并行遗传算法优化设计的有源滤波器[J]. 东北师大学报(自然科学版) 2008(04)
    • [13].自适应并行遗传算法实现有源滤波器的设计[J]. 沈阳师范大学学报(自然科学版) 2008(04)
    • [14].基于改进并行遗传算法的蜂窝网络信道分配[J]. 计算机工程与应用 2014(03)
    • [15].匹配场目标定位的并行遗传算法实现[J]. 哈尔滨工程大学学报 2012(07)
    • [16].基于伪并行遗传算法的无源电力滤波器优化设计[J]. 电测与仪表 2011(07)
    • [17].三层并行遗传算法及装箱问题中的应用[J]. 微型机与应用 2011(17)
    • [18].改进伪并行遗传算法求解作业车间调度问题[J]. 数学的实践与认识 2010(01)
    • [19].一种新的并行遗传算法应用研究[J]. 化工自动化及仪表 2009(01)
    • [20].一种主从式并行遗传算法设计[J]. 电脑知识与技术 2009(10)
    • [21].基于粗粒度并行遗传算法的阻尼器优化布置[J]. 华南理工大学学报(自然科学版) 2019(11)
    • [22].计算机网络可靠性优化问题中并行遗传算法的应用分析[J]. 电子技术与软件工程 2014(19)
    • [23].并行遗传算法下的农业业务外包伙伴选择[J]. 计算机工程与应用 2009(01)
    • [24].基于伪并行遗传算法的路径测试数据自动生成[J]. 四川大学学报(工程科学版) 2009(05)
    • [25].并行遗传算法骨架的研究和实现[J]. 计算机工程与设计 2009(20)
    • [26].基于并行遗传算法的舰载机再次出动作业调度[J]. 兵器装备工程学报 2019(11)
    • [27].基于自适应伪并行遗传算法的虚拟企业合作伙伴选择优化[J]. 森林工程 2010(03)
    • [28].基于主从式并行遗传算法的岩土力学参数反分析方法[J]. 工程力学 2010(10)
    • [29].基于伪并行遗传算法的煤矿温度监测系统的设计[J]. 传感器与微系统 2010(06)
    • [30].改进的并行遗传算法在基站选址中的应用[J]. 电脑知识与技术 2010(33)

    标签:;  ;  ;  ;  

    基于FPGA并行遗传算法的硬件实现技术研究
    下载Doc文档

    猜你喜欢