La surface et la consommation d'énergie doivent être prises en compte à toutes les étapes de la conception de circuits intégrés. L'optimisation coopérative de la surface et de la puissance pour les circuits Reed-Muller à polarité mixte (MPRM) vise à identifier les ensembles non dominés de Pareto avec une surface et une puissance minimales. Les approches d'optimisation multi-objectifs existantes pour les circuits MPRM ont une durée d'exécution prolongée et ne peuvent pas gérer les circuits de grande envergure. Dans cet article, nous proposons un algorithme de meute de loups quantique multi-stratégies (MQWPA), qui comprend un codage quantique, une stratégie de double population, une stratégie d'apprentissage inversé dynamique, une stratégie de mutation et un critère de terminaison. De plus, sur la base du MQWPA proposé, nous proposons une approche efficace d'optimisation de la surface et de la puissance (EAPOA), qui recherche des circuits MPRM à base de XNOR/OR avec des ensembles de solutions non dominées Pareto. Les résultats expérimentaux montrent que, comparé aux algorithmes évolutionnaires de pointe, le MQWPA peut rechercher des solutions optimales dans des problèmes de test multi-objectifs ; comparé aux méthodes de minimisation booléennes couramment utilisées, l'EAPOA présente des avantages en matière de surface et de consommation d'énergie. Après la technologie des matrices de portes programmables sur site et le mappage des cellules standards, en sélectionnant la surface comme coût optimal d'implémentation, nous obtenons des améliorations moyennes de la surface réelle de 16,33 % et 2,27 %, respectivement.

Optimisation coopérative ; Polarité mixte Reed-Muller ; Algorithme de meute de loups quantique ; Ensembles Pareto non dominés