粗粒度并行遺傳算法，用于流域梯級(jí)水電站群的優(yōu)化調(diào)度。
上傳時(shí)間： 2016-12-15
上傳用戶：鳳臨西北
FPGA是一種可通過用戶編程來實(shí)現(xiàn)各種數(shù)字電路的集成電路器件。用FPGA設(shè)計(jì)數(shù)字系統(tǒng)有設(shè)計(jì)靈活、低成本，低風(fēng)險(xiǎn)、面市時(shí)間短等好處。本課題在結(jié)合國(guó)際上FPGA器件方面的各種研究成果基礎(chǔ)上，對(duì)FPGA器件結(jié)構(gòu)進(jìn)行了深入的探討，重點(diǎn)對(duì)FPGA的互連結(jié)構(gòu)進(jìn)行了分析與優(yōu)化。FPGA器件速度和面積上相對(duì)于ASIC電路的不足很大程度上是由可編程布線結(jié)構(gòu)造成的，F(xiàn)PGA一般用大量的可編程傳輸管開關(guān)和通用互連線段實(shí)現(xiàn)門器件的連接，而全定制電路中僅用簡(jiǎn)單的金屬線實(shí)現(xiàn)，傳輸管開關(guān)帶來很大的電阻和電容參數(shù)，因而速度要慢于后者。這也說明，通過優(yōu)化可編程連接方式和布線結(jié)構(gòu)，可大大改善電路的性能。本文研究了基于SRAM編程技術(shù)的FPGA器件中邏輯模塊、互連資源等對(duì)FPGA性能和面積的影響。論文中在介紹FPGA器件的體系構(gòu)架后，首先對(duì)開關(guān)矩陣進(jìn)行了研究，結(jié)合Wilton開關(guān)矩陣和Disioint開關(guān)矩陣的特點(diǎn)，得到一個(gè)連接更加靈活的開關(guān)矩陣，提高了FPGA器件的可布線性，接著本課題中又對(duì)通用互連線長(zhǎng)度、通用互連線間的連接方式和布線通道的寬度等進(jìn)行了探討，并針對(duì)本課題中的FPGA器件，得出了一套適合于中小規(guī)模邏輯器件的通用互連資源結(jié)構(gòu)，仿真顯示新的互連方案有較好的速度和面積性能，在互連資源的面積和性能上達(dá)到一個(gè)很好的折中。 接下來課題中對(duì)FPGA電路的可編程邏輯資源進(jìn)行了研究，得到了一種邏輯規(guī)模適中的粗粒度邏輯塊簇，該邏輯塊簇采用類似Xilinx 公司的FPGA產(chǎn)品的LUT加觸發(fā)器結(jié)構(gòu)，使邏輯塊簇內(nèi)部基本邏輯單元的聯(lián)系更加緊密，提高了邏輯資源的功能和利用率。隨后我們還研究了IO模塊數(shù)目的確定和分布式SRAM結(jié)構(gòu)中編程電路結(jié)構(gòu)的設(shè)計(jì)，并簡(jiǎn)單介紹了SRAM單元的晶體管級(jí)設(shè)計(jì)原理。最后，在對(duì)FPGA構(gòu)架研究基礎(chǔ)上，完成了一款FPGA電路的設(shè)計(jì)并設(shè)計(jì)了相應(yīng)的電路測(cè)試方案，該課題結(jié)合CETC58研究所的一個(gè)重要項(xiàng)目進(jìn)行，目前已成功通過CSMC0.6μm 2P2M工藝成功流片，測(cè)試結(jié)果顯示其完全達(dá)到了預(yù)期的性能。
標(biāo)簽： SRAM FPGA 器件設(shè)計(jì)
上傳時(shí)間： 2013-04-24
上傳用戶：6546544
遺傳算法是基于自然選擇的一種魯棒性很強(qiáng)的解決問題方法。遺傳算法已經(jīng)成功地應(yīng)用于許多難優(yōu)化問題，現(xiàn)已成為尋求滿意解的最佳工具之一。然而，較慢的運(yùn)行速度也制約了其在一些實(shí)時(shí)性要求較高場(chǎng)合的應(yīng)用。利用硬件實(shí)現(xiàn)遺傳算法能夠充分發(fā)揮硬件的并行性和流水線的特點(diǎn)，從而在很大程度上提高算法的運(yùn)行速度。 本文對(duì)遺傳算法進(jìn)行了理論介紹和分析，結(jié)合硬件自身的特點(diǎn)，選用了適合硬件化的遺傳算子，設(shè)計(jì)了標(biāo)準(zhǔn)遺傳算法硬件框架；為了進(jìn)一步利用硬件自身的并行特性，同時(shí)提高算法的綜合性能，本文還對(duì)現(xiàn)有的一些遺傳算法的并行模型進(jìn)行了研究，討論了其各自的優(yōu)缺點(diǎn)及研究現(xiàn)狀，并在此基礎(chǔ)上提出一種適合硬件實(shí)現(xiàn)的粗粒度并行遺傳算法。 我們構(gòu)建的基于FPGA構(gòu)架的標(biāo)準(zhǔn)遺傳算法硬件框架，包括初始化群體、適應(yīng)度計(jì)算、選擇、交叉、變異、群體存儲(chǔ)和控制等功能模塊。文中詳細(xì)分析了各模塊的功能和端口連接，并利用硬件描述語言編寫源代碼實(shí)現(xiàn)各模塊功能。經(jīng)過功能仿真、綜合、布局布線、時(shí)序仿真和下載等一系列步驟，實(shí)現(xiàn)在Altera的Cyclone系列FPGA上。并且用它嘗試解決一些函數(shù)的優(yōu)化問題，給出了實(shí)驗(yàn)結(jié)果。這些硬件模塊可以被進(jìn)一步綜合映射到ASIC或做成IP核方便其他研究者調(diào)用。 最后，本文對(duì)硬件遺傳算法及其在函數(shù)優(yōu)化中的一些尚待解決的問題進(jìn)行了討論，并對(duì)本課題未來的研究進(jìn)行了展望。
標(biāo)簽： FPGA 算法 硬件 實(shí)現(xiàn)研究
上傳時(shí)間： 2013-07-22
上傳用戶：誰偷了我的麥兜
遺傳算法是一種基于自然選擇原理的優(yōu)化算法，在很多領(lǐng)域有著廣泛的應(yīng)用。但是，遺傳算法使用計(jì)算機(jī)軟件實(shí)現(xiàn)時(shí)，會(huì)隨著問題復(fù)雜度和求解精度要求的提高，產(chǎn)生很大的計(jì)算延時(shí)，這種計(jì)算的延時(shí)限制了遺傳算法在很多實(shí)時(shí)性要求較高場(chǎng)合的應(yīng)用。為了提升運(yùn)行速度，可以使用FPGA作為硬件平臺(tái)，設(shè)計(jì)數(shù)字系統(tǒng)完成遺傳算法。和軟件實(shí)現(xiàn)相比，硬件實(shí)現(xiàn)盡管在實(shí)時(shí)性和并行性方面具有很大優(yōu)勢(shì)，但同時(shí)會(huì)導(dǎo)致系統(tǒng)的靈活性不足、通用性不強(qiáng)。本文針對(duì)上述矛盾，使用基于功能的模塊化思想，將基于FPGA的遺傳算法硬件平臺(tái)劃分成兩類模塊：系統(tǒng)功能模塊和算子功能模塊。針對(duì)不同問題，可以在保持系統(tǒng)功能模塊不變的前提下，選擇不同的遺傳算子功能模塊完成所需要的優(yōu)化運(yùn)算。本文基于Xilinx公司的Virtex5系列FPGA平臺(tái)，使用VerilogHDL語言實(shí)現(xiàn)了偽隨機(jī)數(shù)發(fā)生模塊、隨機(jī)數(shù)接口模塊、存儲(chǔ)器接口/控制模塊和系統(tǒng)控制模塊等系統(tǒng)功能模塊，以及基本位交叉算子模塊、PMX交叉算子模塊、基本位變異算子模塊、交換變異算子模塊和逆轉(zhuǎn)變異算子模塊等遺傳算法功能模塊，構(gòu)建了系統(tǒng)功能構(gòu)架和遺傳算子庫。該設(shè)計(jì)方法不僅使遺傳算法平臺(tái)在解決問題時(shí)具有更高的靈活性和通用性，而且維持了系統(tǒng)架構(gòu)的穩(wěn)定。本文設(shè)計(jì)了多峰值、不連續(xù)、不可導(dǎo)函數(shù)的極值問題和16座城市的旅行商問題 (TSP)對(duì)遺傳算法硬件平臺(tái)進(jìn)行了測(cè)試。根據(jù)測(cè)試結(jié)果，該硬件平臺(tái)表現(xiàn)良好，所求取的最優(yōu)解誤差均在1％以內(nèi)。相對(duì)于軟件實(shí)現(xiàn)，該系統(tǒng)在求解一些復(fù)雜問題時(shí)，速度可以提高2個(gè)數(shù)量級(jí)。最后，本文使用FPGA實(shí)現(xiàn)了粗粒度并行遺傳算法模型，并用于 TSP問題的求解。將硬件平臺(tái)的運(yùn)行速度在上述基礎(chǔ)上提高了近1倍，取得了顯著的效果。關(guān)鍵詞：遺傳算法，硬件實(shí)現(xiàn)，并行設(shè)計(jì)，F(xiàn)PGA，TSP
標(biāo)簽： FPGA 算法 硬件實(shí)現(xiàn)
上傳時(shí)間： 2013-06-15
上傳用戶：hakim
針對(duì)冷鏈物流配送車輛路徑優(yōu)化問題，分析云計(jì)算模式下處理配送車輛實(shí)時(shí)路徑的優(yōu)勢(shì)，建立了冷鏈物流配送車輛路徑優(yōu)化應(yīng)用服務(wù)架構(gòu)；并在該架構(gòu)下獲取多源實(shí)時(shí)交通信息，分析車輛配送時(shí)間和綜合成本，構(gòu)建了冷鏈物流配送車輛路徑優(yōu)化模型，并在云計(jì)算環(huán)境下利用粗粒度并行遺傳算法對(duì)模型進(jìn)行求解，實(shí)驗(yàn)結(jié)果表明云計(jì)算環(huán)境下冷藏車輛實(shí)時(shí)路徑優(yōu)化方法是有效的，該方法對(duì)冷鏈物流配送成本實(shí)現(xiàn)精細(xì)化控制，提高配送服務(wù)效率，具有實(shí)際意義。
標(biāo)簽： 云計(jì)算 物流配送 方法研究 車輛路徑
上傳時(shí)間： 2013-10-08
上傳用戶：peterli123456
ArcGIS產(chǎn)品線為用戶提供一個(gè)可伸縮的，全面的GIS平臺(tái).ArcObjects包含了大量的可編程組件，從細(xì)粒度的對(duì)象（例如單個(gè)的幾何對(duì)象）到粗粒度的對(duì)象（例如與現(xiàn)有ArcMap文檔交互的地圖對(duì)象）涉及面極廣，這些對(duì)象為開發(fā)者集成了全面的GIS功能。
上傳時(shí)間： 2017-03-06
上傳用戶：北方的孤狼
激光粒度儀
上傳時(shí)間： 2013-10-09
上傳用戶：ouyangmark
落煤殘存瓦斯量的確定是采掘工作面瓦斯涌出量預(yù)測(cè)的重要環(huán)節(jié),它直接影響著采掘工作面瓦斯涌出量預(yù)測(cè)的精度,并與煤的變質(zhì)程度、落煤粒度、原始瓦斯含量、暴露時(shí)間等影響因素呈非線性關(guān)系。人工神經(jīng)網(wǎng)絡(luò)具有表示任意非線性關(guān)系和學(xué)習(xí)的能力,是解決復(fù)雜非線性、不確定性和時(shí)變性問題的新思想和新方法。基于此,作者提出自適應(yīng)神經(jīng)網(wǎng)絡(luò)的落煤殘存瓦斯量預(yù)測(cè)模型,并結(jié)合不同礦井落煤殘存瓦斯量的實(shí)際測(cè)定結(jié)果進(jìn)行驗(yàn)證研究。結(jié)果表明,自適應(yīng)調(diào)整權(quán)值的變步長(zhǎng)BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)精度高,收斂速度快 該預(yù)測(cè)模型的應(yīng)用可為采掘工作面瓦斯涌出量的動(dòng)態(tài)預(yù)測(cè)提供可靠的基礎(chǔ)數(shù)據(jù),為采掘工作面落煤殘存瓦斯量的確定提出了一種全新的方法和思路。
標(biāo)簽： 瓦斯 環(huán)節(jié) 人工神經(jīng)網(wǎng)絡(luò) 精度
上傳時(shí)間： 2015-03-12
上傳用戶：熊少鋒
提出了一種基于樣本的分級(jí)檢索 MPEG 視頻的新方法:首先用I 幀的dct_dc_size 字段快速粗檢,然后用斷層攝影(tomography)法分析B 幀運(yùn)動(dòng)矢 量的時(shí)空分布特性以進(jìn)一步縮小結(jié)果集,最后用DC 圖像的精確匹配方法驗(yàn)證檢索結(jié)果.試驗(yàn)結(jié)果表明,本方法 所需計(jì)算量較小,且可保證較高的檢索精度.
標(biāo)簽： dct_dc_size tomography MPEG 幀
上傳時(shí)間： 2013-12-30
上傳用戶：獨(dú)孤求源
簡(jiǎn)單的用相位相關(guān)法來粗估計(jì)圖像間的平移參數(shù)
標(biāo)簽： 相位 圖像 參數(shù) 相關(guān)法
上傳時(shí)間： 2013-12-05
上傳用戶：rocketrevenge
蟲蟲下載站版權(quán)所有 京ICP備2021023401號(hào)-1
