La superficie y la potencia deben considerarse en todas las etapas del diseño de circuitos integrados. La optimización cooperativa de área y potencia para circuitos Reed-Muller de polaridad mixta (MPRM) tiene como objetivo encontrar conjuntos no dominados de Pareto con área y potencia mínimas. Los enfoques de optimización multiobjetivo existentes para circuitos MPRM tienen un tiempo de ejecución prolongado y no pueden manejar circuitos de gran escala. En este artículo, proponemos un algoritmo de manada de lobos cuántico de múltiples estrategias (MQWPA), que incluye codificación cuántica, estrategia de doble población, estrategia de aprendizaje inverso dinámico, estrategia de mutación y criterio de terminación. Además, basado en el MQWPA propuesto, proponemos un enfoque eficiente de optimización de área y potencia (EAPOA), que busca circuitos MPRM basados en XNOR/OR con conjuntos de soluciones no dominadas de Pareto. Los resultados experimentales muestran que, en comparación con los algoritmos evolutivos de última generación, MQWPA puede buscar soluciones óptimas en problemas de prueba multiobjetivo; en comparación con los métodos de minimización booleana comúnmente utilizados, EAPOA tiene ventajas en área y consumo de potencia. Después de la tecnología de matrices de puertas programables en campo y mapeo de celdas estándar, al seleccionar el área como la implementación óptima de costos, obtenemos mejoras promedio en el área real del 16.33% y 2.27%, respectivamente.

Optimización cooperativa; Polaridad mixta Reed-Muller; Algoritmo de manada de lobos cuántico; Conjuntos no dominados de Pareto