【摘要】：如何實現(xiàn)測試時間和測試功耗協(xié)同優(yōu)化是目前片上網(wǎng)絡(luò)(Network-on-Chip,NoC)測試中亟待解決的問題.提出一種基于調(diào)和距離量子多目標進化算法(Harmonic distance quantum-inspired multiobjective evolutionary algorithm,HQMEA)的NoC測試規(guī)劃優(yōu)化方法.采用重用NoC作為測試存取機制(Test access mechanism,TAM)的并行測試方法,對NoC中的內(nèi)核進行測試,節(jié)省測試資源,提高測試效率.提出的算法在量子多目標進化算法(Quantum-inspired multiobjective evolutionary algorithm,QMEA)的基礎(chǔ)上,采用多進制概率角編碼替代二進制概率幅編碼,更好的適應(yīng)NoC測試規(guī)劃問題;采用調(diào)和距離替代擁擠距離(Crowding distance)能更好的衡量擁擠程度;采用混沌策略動態(tài)更新旋轉(zhuǎn)角,能很好地兼顧了算法的探索和發(fā)掘能力.在ITC’02test benchmarks測試集上進行對比實驗,結(jié)果表明相比量子多目標進化算法,提出的算法不僅提升了算法的收斂性,而且保證了Pareto解集良好的分布性.
[Abstract]:How to realize the cooperative optimization of test time and test power consumption is an urgent problem in Network-on-ChipNOC testing. A test planning optimization method based on Harmonic distance quantum-inspired multiobjective evolutionary algorithm (HQMEA) is proposed. The test access mechanism is used as the parallel test method to test the kernel of NOC, which saves the test resources and improves the test efficiency. On the basis of Quantum-inspired multiobjective evolutionary algorithm (QMEA), the proposed algorithm uses multi-ary probability angle coding instead of binary probabilistic amplitude coding to better adapt to the NOC test planning problem. Using harmonic distance instead of crowding distance can better measure the degree of congestion, and dynamic updating of rotation angle by chaotic strategy can give good consideration to the exploration and discovery ability of the algorithm. Compared with the quantum multi-objective evolutionary algorithm, the proposed algorithm not only improves the convergence of the algorithm, but also ensures the good distribution of the Pareto solution set.
【作者單位】： 西安電子科技大學(xué)機電工程學(xué)院;桂林電子科技大學(xué)電子工程與自動化學(xué)院;桂林航天工業(yè)學(xué)院;
【基金】：國家自然科學(xué)基金(61561012;21662018) 廣西自然科學(xué)基金(2014GXNSFAA118370;2014GXNSFAA118393) 廣西自動檢測技術(shù)與儀器重點實驗室(YQ16106)
【分類號】：TP18

【相似文獻】

相關(guān)期刊論文 前10條

1 關(guān)志華;多目標進化算法研究初步[J];石家莊經(jīng)濟學(xué)院學(xué)報;2002年02期

2 張勇德,黃莎白;一種改進的基于約束支配的多目標進化算法[J];計算機工程;2004年16期

3 雷德明,吳智銘;基于個體密集距離的多目標進化算法[J];計算機學(xué)報;2005年08期

4 薛娟;鄭金華;李旭勇;;一種基于聚集距離的多目標進化算法[J];計算機工程與應(yīng)用;2005年36期

5 馬清亮;胡昌華;;多目標進化算法及其在控制領(lǐng)域中的應(yīng)用綜述[J];控制與決策;2006年05期

6 唐歡容;蔣浩;鄭金華;;量子多目標進化算法研究[J];計算機工程與應(yīng)用;2007年13期

7 林丹;丑英哲;李敏強;;求解多目標二層規(guī)劃的多目標進化算法[J];系統(tǒng)工程學(xué)報;2007年02期

8 鄭向偉;劉弘;;多目標進化算法研究進展[J];計算機科學(xué);2007年07期

9 李密青;鄭金華;羅彪;伍軍;文詩華;;一種基于鄰域的多目標進化算法[J];計算機應(yīng)用;2008年06期

10 汪文彬;鐘聲;;基于改進擁擠距離的多目標進化算法[J];計算機工程;2009年09期

相關(guān)會議論文 前2條

1 孫海濤;熊鷹;韓峰;;基于多目標進化算法的艦船概念設(shè)計方法研究[A];第四屆全國船舶與海洋工程學(xué)術(shù)會議論文集[C];2009年

2 崔遜學(xué);;多目標進化算法的研究現(xiàn)狀與群體多樣性研究[A];Complexity Problems--Proceedings of CCAST (World Laboratory) Workshop[C];2001年

相關(guān)博士學(xué)位論文 前10條

1 豐志偉;多目標進化算法研究及在飛行器動力學(xué)系統(tǒng)中的應(yīng)用[D];國防科學(xué)技術(shù)大學(xué);2014年

2 代才;基于分解的多目標進化算法研究[D];西安電子科技大學(xué);2014年

3 申瑞珉;高維多目標進化算法及其軟件平臺研究[D];湘潭大學(xué);2015年

4 袁源;基于分解的多目標進化算法及其應(yīng)用[D];清華大學(xué);2015年

5 孟紅云;多目標進化算法及其應(yīng)用研究[D];西安電子科技大學(xué);2005年

6 黃林峰;多目標進化算法研究[D];中國科學(xué)技術(shù)大學(xué);2009年

7 郭秀萍;多目標進化算法及其在制造系統(tǒng)中的應(yīng)用研究[D];上海交通大學(xué);2007年

8 譚艷艷;幾種改進的分解類多目標進化算法及其應(yīng)用[D];西安電子科技大學(xué);2013年

9 張明明;面向量子可逆邏輯自動綜合的多目標進化算法研究[D];東華大學(xué);2010年

10 劉立衡;多目標進化算法的研究及其在負荷分配中的應(yīng)用[D];華北電力大學(xué)（北京）;2010年

相關(guān)碩士學(xué)位論文 前10條

1 吳坤安;基于分散策略的多目標進化算法研究[D];福建師范大學(xué);2015年

2 馬晨琳;基于分解的交互式偏好多目標優(yōu)化算法研究[D];西安電子科技大學(xué);2014年

3 喻果;基于分解的偏好多目標進化算法及其評價指標的研究[D];湘潭大學(xué);2015年

4 李業(yè)興;基于外部集指引的自適應(yīng)多目標進化算法的研究[D];南京航空航天大學(xué);2015年

5 季洪霄;動態(tài)約束多目標進化算法的研究與應(yīng)用[D];安徽理工大學(xué);2016年

6 李達統(tǒng);基于MapReduce與Spark的分布式多目標進化算法的設(shè)計與實現(xiàn)[D];華南理工大學(xué);2016年

7 齊吉;基于聚類的多目標進化算法及其在航跡規(guī)劃中的應(yīng)用[D];哈爾濱工業(yè)大學(xué);2016年

8 李輝健;多目標進化算法中新型非支配個體排序研究及應(yīng)用[D];南京信息工程大學(xué);2016年

9 楊志翔;基于分解排序的多目標進化算法的研究[D];南京航空航天大學(xué);2016年

10 朱錚;面向指標和邊界選擇的高維多目標進化算法的研究[D];湘潭大學(xué);2016年

，

本文編號：2134489