Покращення ефективності генетичного алгоритму при оптимізації схем

Автор(и)

  • Олександр Михайлович Земляк Autonomous University of Puebla, Мексика https://orcid.org/0000-0002-9158-1618
  • С. О. Мартінес Autonomous University of Puebla, Мексика

DOI:

https://doi.org/10.20535/S0021347024100054

Ключові слова:

оптимізація електронних схем, генетичний алгоритм, ГА, підхід узагальненої оптимізації, вектор управління, набір стратегій оптимізації

Анотація

Робота присвячена проблемі оптимізації електронних схем з використанням модифікації генетичного алгоритму (ГА), заснованого на раніше розробленій ідеї узагальненої оптимізації схем. У цьому випадку подолано один з основних недоліків ГА, а саме передчасну збіжність до локальних мінімумів, і значно поліпшено якість мінімізації. У цьому випадку оновлений ГА генерує набір популяцій, що визначаються різними узагальненими стратегіями оптимізації. Функції пристосованості, а також параметри хромосом, такі як довжина і структура, визначаються вектором управління, введеним в рамках ідеї узагальненої оптимізації. Вектор управління визначає кількість незалежних змінних задачі оптимізації і служить основним елементом для вибору найбільш перспективних стратегій оптимізації. Комплексні стратегії, отримані шляхом комбінування різних базових стратегій, підвищують точність задачі оптимізації та зменшують кількість необхідних поколінь. В результаті поліпшується якість отриманого рішення та значно скорочується час обчислення для оптимізації електронної схеми.

Посилання

  1. G. Stehr, M. Pronath, F. Schenkel, H. Graeb, K. Antreich, “Initial sizing of analog integrated circuits by centering within topology-given implicit specifications,” in ICCAD-2003. International Conference on Computer Aided Design (IEEE Cat. No.03CH37486), 2003, pp. 241–246, doi: https://doi.org/10.1109/ICCAD.2003.159696.
  2. M. delM. Hershenson, S. P. Boyd, T. H. Lee, “Optimal design of a CMOS op-amp via geometric programming,” IEEE Trans. Comput. Des. Integr. Circuits Syst., vol. 20, no. 1, pp. 1–21, 2001, doi: https://doi.org/10.1109/43.905671.
  3. J. W. Bandler, R. M. Biernacki, S. H. Chen, P. A. Grobelny, R. H. Hemmers, “Space mapping technique for electromagnetic optimization,” IEEE Trans. Microw. Theory Tech., vol. 42, no. 12, pp. 2536–2544, 1994, doi: https://doi.org/10.1109/22.339794.
  4. S. Koziel, J. W. Bandler, K. Madsen, “Space-mapping-based interpolation for engineering optimization,” IEEE Trans. Microw. Theory Tech., vol. 54, no. 6, pp. 2410–2421, 2006, doi: https://doi.org/10.1109/TMTT.2006.875298.
  5. P. Grabusts, J. Musatovs, V. Golenkov, “The application of simulated annealing method for optimal route detection between objects,” Procedia Comput. Sci., vol. 149, pp. 95–101, 2019, doi: https://doi.org/10.1016/j.procs.2019.01.112.
  6. B. Liu et al., “Analog circuit optimization system based on hybrid evolutionary algorithms,” Integration, vol. 42, no. 2, pp. 137–148, 2009, doi: https://doi.org/10.1016/j.vlsi.2008.04.003.
  7. H. Nenavath, R. K. Jatoth, “Hybridizing sine cosine algorithm with differential evolution for global optimization and object tracking,” Appl. Soft Comput., vol. 62, pp. 1019–1043, 2018, doi: https://doi.org/10.1016/j.asoc.2017.09.039.
  8. L. Xu, B. Song, M. Cao, “An improved particle swarm optimization algorithm with adaptive weighted delay velocity,” Syst. Sci. Control Eng., vol. 9, no. 1, pp. 188–197, 2021, doi: https://doi.org/10.1080/21642583.2021.1891153.
  9. F. Long, B. Jin, H. Xu, J. Wang, J. Bhola, S. N. Shavkatovich, “Research on multi-objective optimization of smart grid based on particle swarm optimization,” Electrica, vol. 23, no. 2, pp. 222–230, 2022, doi: https://doi.org/10.5152/electrica.2022.22047.
  10. Y.-C. Chuang, C.-T. Chen, C. Hwang, “A simple and efficient real-coded genetic algorithm for constrained optimization,” Appl. Soft Comput., vol. 38, pp. 87–105, 2016, doi: https://doi.org/10.1016/j.asoc.2015.09.036.
  11. A. A. Rahmani Hosseinabadi, J. Vahidi, B. Saemi, A. K. Sangaiah, M. Elhoseny, “Extended genetic algorithm for solving open-shop scheduling problem,” Soft Comput., vol. 23, no. 13, pp. 5099–5116, 2019, doi: https://doi.org/10.1007/s00500-018-3177-y.
  12. V. G. Kobak, V. M. Porksheyan, A. G. Jukovskiy, R. S. Shkabriy, “Features of using a two-point crossover for solving an inhomogeneous minimax problem modified by the Goldberg model,” J. Phys. Conf. Ser., vol. 2131, no. 222121, 2021, doi: https://doi.org/10.1088/1742-6596/2131/2/022121.
  13. A. Zemliak, “Analog circuit optimization on basis of control theory approach,” COMPEL Int. J. Comput. Math. Electr. Electron. Eng., vol. 33, no. 6, pp. 2180–2204, 2014, doi: https://doi.org/10.1108/COMPEL-10-2013-0324.
  14. I. S. Kashirskiy, Y. K. Trokhimenko, General Optimization for Electronic Circuits. Kiev: Tekhnika, 1979.
  15. E. S. Ochotta, R. A. Rutenbar, L. R. Carley, “Synthesis of high-performance analog circuits in ASTRX/OBLX,” IEEE Trans. Comput. Des. Integr. Circuits Syst., vol. 15, no. 3, pp. 273–294, 1996, doi: https://doi.org/10.1109/43.489099.
  16. L. D. Davis, Handbook of Genetic Algorithms. New York: Thomson Publishing Group, 1991.
  17. P. Antognetti, G. Massobrio, Semiconductor Device Modeling with SPICE. New York: McGraw-Hill, 1993.
Чотиривузлова нелінійна пасивна схема

Опубліковано

2024-09-25

Як цитувати

Земляк, О. М., & Мартінес, С. О. (2024). Покращення ефективності генетичного алгоритму при оптимізації схем. Вісті вищих учбових закладів. Радіоелектроніка, 67(9), 532–543. https://doi.org/10.20535/S0021347024100054

Номер

Розділ

Оригінальні статті