【摘要】： 智能計算技術是近年來在人工智能界興起的新的研究方向和熱點,也是智能信息處理中的一項重要內(nèi)容。作為一種基于生物進化原理的優(yōu)化算法,群智能計算與其他優(yōu)化算法相比,最突出的優(yōu)點表現(xiàn)在其強大的全局尋優(yōu)能力上。具有量子行為粒子群算法(Quantum-behaved Particle Swarm Optimization,QPSO)是一種新的、參數(shù)個數(shù)少、具有全局收斂性的群體智能算法,并且在某些實際應用中證明,QPSO優(yōu)于一般的粒子群算法(Particle Swarm Optimization,PSO)。因此,本文的研究內(nèi)容對于群體智能的發(fā)展具有一定的學術意義和應用價值。 本文首先闡述了硬件系統(tǒng)的設計方法并簡要敘述了群體智能算法中的蟻群算法(Ant Colony Optimization, ACO)、粒子群算法(PSO)和具有量子行為粒子群算法(QPSO),比較了這些算法的優(yōu)缺點,并分析了它們硬件實現(xiàn)的難點。在此基礎上提出了采用EDA技術對QPSO算法的實現(xiàn)方式進行改進的方案,從而采用模塊化的方法設計了一個高性能硬件計算平臺。雖然參數(shù)個數(shù)少,但QPSO算法實現(xiàn)起來也很復雜,為使系統(tǒng)可以完成復雜的操作,硬件計算平臺采用了微程序設計的方法代替了傳統(tǒng)的狀態(tài)機來編寫控制模塊。模塊與模塊之間應用并行技術來加快高性能計算平臺的運行速度。采用全局時鐘網(wǎng)絡,代替原來的計數(shù)器時鐘,增強了時鐘的驅(qū)動能力,有效地消除了時序紊亂,還可以針對算法的特點提供特殊的硬件支持。由于FPGA器件以其功能強大、開發(fā)過程投資少、周期短、可反復修改、保密性能好,開發(fā)工具智能化等特點,可隨時根據(jù)需要編程改變器件內(nèi)部結構實現(xiàn)系統(tǒng)重構,從而方便地進行系統(tǒng)維護和升級,因此己成為當今數(shù)字電路系統(tǒng)設計的首選方式之一。 最后,本文完成了該硬件計算平臺的模塊設計,進而使用硬件描述語言VHDL對計算平臺各部件進行建模,并在Xilinx公司的Spartan 3實驗平臺上通過了功能模塊的仿真,表明該高性能計算平臺能夠在低成本的FPGA芯片中實現(xiàn),不但降低了成本,而且硬件執(zhí)行QPSO算法具有執(zhí)行效率高、內(nèi)存占用少、功耗低、速度快等特點,極大地提高了QPSO算法的實用價值。
【學位授予單位】：江南大學
【學位級別】：碩士
【學位授予年份】：2008
【分類號】：TP387
【圖文】：

CLB結構

邏輯進位控制邏輯CKBCRSD QCKBCRI2I1LUTI4I3I2I10XBXXQG2G1PSINBYSRF4F3F2F1BXCINCLKCB圖2-4 Slice結構圖Fig.2-4 the architecture of Slice

【共引文獻】

相關期刊論文 前10條

1 金西,丁文祥,

本文編號：2713407