Die Optimierung des Energieverbrauchs von gemischtpolaren Reed-Muller-Logikschaltungen (MPRM) ist ein typisches kombinatorisches Optimierungsproblem. Die aktuellen Methoden zur Optimierung des Energieverbrauchs weisen eine langsame Konvergenz auf, neigen dazu, in ein lokales Optimum zu geraten, und weisen eine sehr begrenzte Effektivität bei der Erzielung des besten Energieverbrauchs auf. Zunächst schlagen wir in diesem Artikel einen multi-strategischen memetischen Algorithmus (MFMA) vor, bei dem der Schimpanse-Optimierungsalgorithmus zur globalen Erkundung, der Waschbär-Optimierungsalgorithmus auf der Grundlage des optimalen Lernorts und des adaptiven Gewichtsfaktors (COA-OLA) zur lokalen Erkundung und schließlich der Truncated Selection Algorithmus zur Auswahl einer neuen führenden Population verwendet werden. Basierend auf dem MFMA schlagen wir eine Methode zur Optimierung des Energieverbrauchs von MPRM-Logikschaltungen vor, die durch die Suchen nach der optimalen Polarkonfiguration erreicht wird, um den Energieverbrauch der Schaltung zu minimieren. Die Ergebnisse der Versuche an MCNC-Referenzschaltungen zeigen, dass diese Methode zur Optimierung des Energieverbrauchs im Vergleich zu den aktuellen Methoden zur Optimierung des Energieverbrauchs signifikante Verbesserungen aufweist. Das MFMA erreicht eine maximale Optimierungsrate des Energieverbrauchs von 72,30% und eine durchschnittliche Optimierungsrate von 43,37%. Gleichzeitig erkundet das MFMA die Lösungen schneller und von besserer Qualität, was seine Wirksamkeit und Überlegenheit bei der Optimierung des Energieverbrauchs bestätigt.

Energieverbrauchsoptimierung; multi-strategischer memetischer Algorithmus (MFMA); gemischtpolare Reed-Muller-Logik (MPRM); kombinatorisches Optimierungsproblem