并行化改进遗传算法的FPGA高速实现方法

《并行化改进遗传算法的FPGA高速实现方法》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、第10卷第1期信息与电子工程Vo1．10，No．12012年2月INFORMATIONANDELECTRONICENGINEERINGFeb．，2012文章编号：1672-2892(2012)01-0107-04并行化改进遗传算法的FPGA高速实现方法张妮娜，窦衡(电子科技大学电子工程学院，四川成都610054)摘要：为提高硬件运行速度和资源利用率，利用硬件并行化的思想改进传统算法的处理模式，将遗传算法传统实现方法的控制部分分解到各模块内部，按照流水线模式，应用现场可编程逻辑门阵列(FPGA)高速实现。综合后时钟频率达到137

2、.08MHz，演化1代需64个时钟周期，即0.467μs。实现结构节约硬件资源，效率高，使大规模遗传算法的高速硬件实现成为可能。关键词：遗传算法；硬件并行化；现场可编程逻辑门阵列；演化中图分类号：TN74文献标识码：AMethodologyofrealizingFPGAforimprovedparallelgeneticalgorithmZHANGNina，DOUHeng(SchoolofElectronicEngineering，UESTC，ChengduSichuan610054，China)Abstract：Toenha

3、ncetheoperationspeedandutilizetheresource，accordingtotheideaofhardwareparallelmethod，onetraditionalimplementationofgeneticalgorithmsisimprovedbyseparatingcontrollingpartintoothercomponentsandusingFieldProgrammableGateArray(FPGA)torealizecontrolinpipeliningmode.There

4、sultofsynthesisshowsitsfrequencycanreach137.08MHzforevolutionofagenerationneeding64cycles(namely0.467μs).Withoptimizedhardwareresourcesandhighefficiency,therealizedstructuredemonstratesthepossibilityoflarge-scaleandhigh-speedhardwarerealizationofgeneticalgorithms.Ke

5、ywords：geneticalgorithms；hardwareparallel；FieldProgrammableGateArray；evolution遗传算法能够模拟自然界优胜劣汰适者生存的进化过程，搜索出最优解，被广泛用于实现各种复杂的应用场[1-5]合，如图像处理、自适应控制、通信系统、人工神经网络等。一般情况下，遗传算法都需要大量的运算进而达到优化的过程。目前，人们大都采用软件实现遗传算法，这使遗传算法的实现受到计算机运行速度的影响，在实时性要求高的场合的应用受到限制，因此研究基于硬件实现的遗传算法十分必要。新一代

6、现场可编程逻辑门阵列(FPGA)的出现，使遗传算法的硬件实现变为现实，且更加方便。本文采用Verilog硬件描述语言，设计了一种基于FPGA的遗传算法硬件系统，并分别采用Modelsim和QuartusII对设计进行了功能仿真和综合后时序仿真。仿真结果验证了设计的正确性，并且大大缩短了运算时间，较传统的遗传算法FPGA实现在效率上有所提升。populationinitialization1硬件实现概述现代的生物是经过一代一代的进化发展起来的，其基本特征大致adaptationcalculation可以包括生长、繁殖、新陈代谢、

7、遗传和变异。而遗传算法是对这种生物的遗传进化过程的模拟，为人工自适应系统的开发设计提供了明choose朗的前景。图1给出了遗传算法的计算流程，可以看出一个遗传算法分为群intersect体初始化、适应度评估和遗传操作(选择、交叉、变异)3部分，其中选择、交叉和变异是整个算法流程的主要部分。图1中的适应度计算、variation选择、交叉和变异操作的执行方式类似于流水线操作，且具有并行性，Fig.1Flowchartofanalyzinggeneticalgorithm图1遗传算法计算流程收稿日期：2011-02-25；修回日期

8、：2011-06-21基金项目：国家自然科学基金资助项目(61001032/F010501)108信息与电子工程第10卷使其非常适合于用硬件实现。一般的基于FPGA的遗传算法实现都设计了一个控制模块来协调整个算法实现RAM1RAM2的各个模块的运作，如图2所示。它控制整个设计