Fläche und Leistung müssen in allen Phasen des Designs von integrierten Schaltungen berücksichtigt werden. Die kooperative Optimierung von Fläche und Leistung für Mischpolaritäts-Reed-Muller-Schaltungen (MPRM) zielt darauf ab, die Pareto-nichtdominierten Mengen mit minimaler Fläche und Leistung zu finden. Bestehende mehrzielige Optimierungsansätze für MPRM-Schaltungen haben eine lange Laufzeit und können großskalige Schaltungen nicht bewältigen. In diesem Papier schlagen wir einen Multi-Strategie-Quanten-Wolfsrudel-Algorithmus (MQWPA) vor, der Quantenkodierung, eine Dual-Population-Strategie, eine dynamische Rückwärt-Lernstrategie, eine Mutationsstrategie und ein Abbruchkriterium umfasst. Darüber hinaus schlagen wir auf Basis des vorgeschlagenen MQWPA einen effizienten Ansatz zur Optimierung von Fläche und Leistung (EAPOA) vor, der XNOR/OR-basierte MPRM-Schaltungen mit Pareto-nichtdominierten Lösungsmengen sucht. Experimentelle Ergebnisse zeigen, dass der MQWPA im Vergleich zu fortschrittlichen evolutionären Algorithmen optimale Lösungen in mehrzieligen Testproblemen finden kann; im Vergleich zu gängigen Booleschen Minimierungsmethoden bietet der EAPOA Vorteile bei Fläche und Energieverbrauch. Nach der Technologie von feldprogrammierbaren Gate-Arrays und Standardzellen-Mapping erzielen wir durch die Auswahl der Fläche als optimale Kostenimplementierung durchschnittliche Verbesserungen der tatsächlichen Fläche von 16.33% und 2.27%, jeweils.

Kooperative Optimierung; Mischpolaritäts-Reed-Muller; Quanten-Wolfsrudel-Algorithmus; Pareto-nichtdominierte Mengen