中文摘要：

混合極性Reed–Muller（MPRM）邏輯電路功耗優(yōu)化是一種典型的組合優(yōu)化問題?，F(xiàn)有功耗優(yōu)化方法存在收斂速度慢、易陷入局部最優(yōu)等問題，在實現(xiàn)最佳功耗方面的有效性十分有限。首先，本文提出一種多策略融合模因算法（MFMA），利用黑猩猩優(yōu)化算法進行全局勘探，利用基于最優(yōu)位置學習和自適應權重因子的浣熊優(yōu)化算法（COA-OLA）進行局部探索，最后采用截斷選擇算法進行新種群選擇。其次，基于MFMA提出一種MPRM邏輯電路功耗優(yōu)化方法，通過尋找最佳極性配置，使得電路功耗最小化?；贛CNC基準電路的實驗結果表明，與現(xiàn)有的功耗優(yōu)化方法相比，本功耗優(yōu)化方法有顯著的改進。MFMA實現(xiàn)最高功耗優(yōu)化率為72.30%，平均優(yōu)化率為43.37%。同時，MFMA搜索解的速度更快且質量更好，驗證了其在功耗優(yōu)化方面的有效性和優(yōu)越性。

關鍵詞：

功耗優(yōu)化；多策略融合模因算法（MFMA）；混合極性Reed–Muller（MPRM）；組合優(yōu)化問題

作者：

張夢雨1,2，何振學1,2，王伊瑾1,2，趙曉君1,2，張曉丹1,2，肖利民3，王翔4

單位：

1 河北農業(yè)大學智能農業(yè)裝備研究院，中國保定市，071001

2 河北農業(yè)大學河北省農業(yè)大數(shù)據(jù)重點實驗室，中國保定市，071001

3 北京航空航天大學計算機學院，中國北京市，100191

4 北京航空航天大學電子信息工程學院，中國北京市，100191