典型文献
基于强化学习和分块并行的演化硬件方法
文献摘要：
演化硬件(EvolvableHardware,EHW)是可编程逻辑器件和进化算法的结合,可根据不同演化目标自主动态调整自身电路结构.在演化硬件方法中,由于其自演化特性和上层遗传算法为参数敏感型,面对不同演化对象自适应性较差.同时遗传算法有早熟缺陷,在大型演化目标后期经常无法演化到目标真值表,成功率较低.本文在传统演化硬件方法上,改进为基于强化学习和分块并行的演化硬件方法,并分三阶段进行演化.第一阶段使用基于强化学习的RLGA算法获得参数自学习能力,提高自适应性.第二阶段使用上一阶段学习到参数演化一定代数.第三阶段使用分块并行演化方法,提高末端演化能力,最终提高演化成功率.使用C语言对传统方法和三阶段法进行仿真比较,结果表明三阶段方法在面对大型真值表演化目标时可缩小演化硬件的演化代数,演化成功率提升至95％以上.
文献关键词：
演化硬件;遗传算法;强化学习;分块并行
中图分类号：
作者姓名：
杜延沛;贺占庄;刘彬;吴伟俊
作者机构：
西安微电子技术研究所,陕西西安710054
文献出处：
引用格式：
[1]杜延沛;贺占庄;刘彬;吴伟俊-.基于强化学习和分块并行的演化硬件方法)[J].微电子学与计算机,2022(07):79-85
A类：
分块并行,演化硬件,EvolvableHardware,EHW,RLGA
B类：
强化学习,可编程逻辑器件,进化算法,电路结构,自演化,演化特性,敏感型,自适应性,早熟,真值表,功率较,第一阶段,参数自学习,第二阶段,上一阶段,第三阶段,演化方法,高演化,演化成,仿真比较,功率提升
AB值：
0.238238
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
