CC BY
33
Материалы Всероссийской конференции “Интеллектуальные САПР-95”
Сложность описанных алгоритмов размещения ашмсгся полиномиальной величиной. Для одной генерации временная сложнос! ь лежит в пределах 0(а|П2) -0(а2п3), где аь а> - коэффициенты, определяемые количеством ГО и их спецификой.
УДК 658.512
Б.К. Лебедев РАЗНЕСЕНИЕ СОЕДИНЕНИЙ НО СЛОЯМ НА ОСНОВЕ КОЛЛЕКТИВНОЙ АДАПТАЦИИ
В работе процедуры' расслоения соединений представляются в виде адаптивной системы, которая работает в условиях неопределенности. В качестве исходных данных служит совмещенный чертеж топологии. Формируется множество минимально необходимых и достаточных узлов для разнесения совмещенной топологии по слоям. Далее на совмещенном топологическом чертеже формируется множество участков цепей, таких, что каждый участок ограничен двумя узлами.
Между парами участков определяется отронение конфликтности, заключающееся в том, что пара конфликтующих участков не может быть помещена в один слой и существует только две альтернативы их разнесения по слоям. Далее выделяются группы конфликтно-связанных участков. В пределах группы любая пара участков находится в отношении конфликтности и для группы существует только две альтернативы разнесения участков по слоям.
Множество узлов, инцидентных участкам одной группы, являются точками сочленения данной группы с другими группами и участками. Если два участка принадлежащие разным группам, и инцидентные одному общему для йих узлу, лежат в разных слоях, то в узле вводится переходное отверстие.
В такой постановке задача расслоения заключается в выборе для каждой группы конфликтносвязных участков одной из двух альтернатив.
Будем считать, что предварительно случайным образом или с помощью одного из конструктивных алгоритмов произведено разнесение участков по слоям.
В работе процедура расслоения представлена в виде адаптивной системы. На каждом шаге под действием адаптирующего воздействия осуществляется перевыбор альтернатив для групп конфликтно связных участков.
Объектами адаптации являются группы. Состояние среды определяется совокупностью выбранных альтернатив и как следствие этого - числом переходных отверстий.
Для реализации механизма адаптации каждой группе ставится в соответствие автомат адаптации (АА) с двумя альтернативными состояниями. Каждое состояние харакетеризуется параметром Ф, называемым глубиной памяти. Первоначально АА находится в одном из состояний с <}=п.
На первом такте, в соответствии с ранее выбранными альтернативами для групп участков, определяеся состояние среды. Для каждой группы определяются две характеристики: А - число узлов, инцидентных участкам группы; В - число узлов, в которых размещены переходные отверстия.
На втором такте для каждого АА вырабатывается управляющий сигнал. Если у соответствующей группы параметр Р = А-2В>=0, то вырабатывается сигнал поощрения. В противном случае вырабатывается сигнал наказания.
На третьем такте управляющие сигналы подаются на входы АА. Под действием сигнала поощрения <2 увеличивается на единицу; причем, если (3 было равно 0, то АА переходит в новое альтернативное состояние, для которого <} принимается равным п.
На четвертом такте для групп участков реализуются альтернативы, соответствующие состояниям АА.
Глобальная цель коллектива АА минимизация общего числа переходных отверстий.
Принципы конфликтно связных участков в зависимости от мощности разбиваются на классы. Для каждого класса выбирается свой параметр С?.
Изложенные процедуры реализованы на языке Си для 1ВМ РС. Экспериментальные исследования показали высокую эффективность предложенной методики.
УДК 658.512
Г.Г.Казеннов, А.М.Марченко АБСТРАКТНЫЙ ЭВОЛЮЦИОННЫЙ АЛГОРИТМ СИНТЕЗА СБИС
Эволюционный синтез в "узком смысле" это использование методов, моделирующих наследственность, изменчивость и отбор.
Предположим, что существует отображение А:Х_76_0У, где X ансамбль входов (условий) и У - ансамбль выходов (решений) некоторой задачи синтеза, X и У - Метрические пространства и А непрерывно. Предполагается, что существует Х1
___7с_._0 X подмножество условий, для которого известны решения, т.е.
существует У)____7с_._0 У такое, что для любого х_7 е_0 Х| найдется \_7 е_0 У|.
Пусть г_1 е_0 X \ Х|. При этих условиях абстрактный эволюционный алгоритм является конструктивным описанием непрерывного отображения и позволяет синтезировать новое решение у (г), опираясь на известное решение у_7 е _0У| задачи х _7е_0 Х| при условии, что расстояние между х и г не превышает заданного.
Абстрактный эволюционный алгоритм моделирует наследственность,
изменчивость и отбор в том случае, если существуют отображения ансамблей входов и выходов задачи синтеза в соответствующие метрические пространства. Использование математических моделей для формализации процесса
самообучения позволяет получить информационные оценки размерности базы знаний (БЗ) эволюционного алгоритма и сформулировать эвристическое правило ее заполнения: новое решение может быть записано в БЗ только тогда, когда ни Один из элементов БЗ не находится в_7 е О-о^зстности решения-кандидата.
Абстрактный эволюционный алгоритм использован при разработке
эволюционного алгоритма трассировки обобщенного фрагмента топологии заказных БИС.
УДК 658.512
В.В.Емельянов, С.И.Ясиыовский, Т.Штаутмайстер РАСКРОЙ ДРЕВЕСИНЫ НА ОСНОВЕ ГЕНЕТИЧЕСКОГО АЛГОРИТМА ОПТИМИЗАЦИИ
Решается задача минимизации отходов древесины при распилке бревен на автоматизированном производственном участке. Бревна пилятся на пилоблоки, из которых в дальнейшем изготовляются балки и брусья (изделия), согласно имеющимся заказам. Т. е. в пилоблок вписывается несколько изделий соответствующей длины, сложенных так, чтобы вписаться в диаметр пилоблока и образовать разрешенную комбинацию в сечении.
Задача раскроя решается при наличии полной информации об о имеющемся портфеле заказов на определенный период времени, заданном множестве возможных сечений балок и брусьев, заданных разрешенных комбинациях изделий
