河北农大张梦雨团队：基于MFMA的MPRM逻辑电路功耗优化

河北农业大学张梦雨等提出一种基于多策略融合模因算法（MFMA）的混合极性Reed-Muller（MPRM）逻辑电路功耗优化方法。该方法融合黑猩猩优化算法(CSA)和改进的浣熊优化算法(COA)，并结合最优位置学习(OLA)和自适应权重因子，有效提升了全局和局部搜索能力，避免局部最优，最终实现MPRM电路功耗的显著降低。实验结果表明，该方法在MCNC基准电路上的功耗优化率最高达72.30%，平均达43.37%，显著优于现有方法，具有高效性和优越性。

混合极性Reed-Muller逻辑电路功耗优化：一种基于多策略融合模因算法的新方法

混合极性Reed-Muller（MPRM）逻辑电路的功耗优化是一项极具挑战性的组合优化问题。现有的优化方法往往存在收敛速度慢、易陷入局部最优解等不足，优化效果有限。为此，本文提出了一种创新的多策略融合模因算法（MFMA），旨在提升MPRM逻辑电路功耗优化的效率和效果。

MFMA巧妙地融合了多种优化策略：利用黑猩猩优化算法（CSA）进行全局搜索，以其强大的全局探索能力快速逼近最优解区域；同时，采用改进的浣熊优化算法（COA），并结合最优位置学习（OLA）和自适应权重因子，增强局部搜索能力，精细化地调整参数，避免陷入局部最优。最后，算法采用截断选择策略，有效地筛选和更新种群，提升算法的收敛速度和解的质量。

基于MFMA，本文提出了一种新的MPRM逻辑电路功耗优化方法。该方法通过寻找最佳极性配置，有效降低电路功耗。实验结果表明，该方法在MCNC基准电路上的表现显著优于现有方法，最高功耗优化率达到72.30%，平均优化率为43.37%。此外，MFMA还展现出更快的搜索速度和更高的解质量，充分验证了其在MPRM逻辑电路功耗优化方面的有效性和优越性。

关键词： 功耗优化；多策略融合模因算法（MFMA）；混合极性Reed–Muller（MPRM）；组合优化

作者： 张梦雨^1,2，何振学^1,2，王伊瑾^1,2，赵晓君^1,2，张晓丹^1,2，肖利民³，王翔⁴

单位：

1. 河北农业大学智能农业装备研究院，中国保定市，071001
2. 河北农业大学河北省农业大数据重点实验室，中国保定市，071001
3. 北京航空航天大学计算机学院，中国北京市，100191
4. 北京航空航天大学电子信息工程学院，中国北京市，100191

今天关于《河北农大张梦雨团队：基于MFMA的MPRM逻辑电路功耗优化》的内容介绍就到此结束，如果有什么疑问或者建议，可以在golang学习网公众号下多多回复交流；文中若有不正之处，也希望回复留言以告知！