На всех этапах проектирования интегральных схем необходимо учитывать площадь и энергопотребление. Совместная оптимизация площади и энергопотребления для схем смешанной полярности Рида–Мюллера (MPRM) направлена на поиск непредвзятых наборов Pareto с минимальной площадью и энергопотреблением. Существующие методы многокритериальной оптимизации для схем MPRM имеют длительное время выполнения и не справляются с крупномасштабными схемами. В данной статье мы предлагаем квантовый альфа-волчий алгоритм с многостратегическим подходом (MQWPA), который включает квантовое кодирование, стратегию двойной популяции, стратегию динамического обратного обучения, стратегию мутации и критерий завершения. Кроме того, на базе предлагаемого MQWPA мы представляем эффективный подход к оптимизации площади и энергопотребления (EAPOA), который ищет схемы MPRM на основе XNOR/OR с непредвзятыми наборами решений Pareto. Экспериментальные результаты показывают, что по сравнению с передовыми эволюционными алгоритмами MQWPA способен искать оптимальные решения в многокритериальных тестовых задачах; по сравнению с обычными методами минимизации логических функций EAPOA имеет преимущества по площади и энергопотреблению. После применения технологии программируемой матрицы вентилей и стандартной ячейковой разметки, выбирая площадь в качестве оптимального критерия реализации, мы достигаем средних улучшений фактической площади на 16.33% и 2.27% соответственно.

Совместная оптимизация; Смешанная полярность Рида–Мюллера; Квантовый волчий алгоритм; Непредвзятые наборы Pareto