автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.12, диссертация на тему:Разработка бионических методов синтеза радиоэлектронных устройств

На правах рукописи

Шкамардин Иван Александрович

РАЗРАБОТКА БИОНИЧЕСКИХ МЕТОДОВ СИНТЕЗА РАДИОЭЛЕКТРОННЫХ УСТРОЙСТВ

Специальность 05 13 12 - Системы автоматизации проектирования

Автореферат диссертации на соискание ученой степени кандидата технических наук

Таганрог 2007

003161368

Работа выполнена в Южном федеральном университете

Научный руководитель заслуженный деятель науки РФ,

доктор технических наук, профессор Курейчик Виктор Михайлович

Официальные оппоненты доктор технических наук, профессор

Чернышев Юрий Олегович (Ростовская государственная академия сельхозмашиностроения, г Ростов-на-Дону),

кандидат технических наук, Спиридонов Олег Борисович (ООО «АВИАОК Интернейшенел», г Таганрог),

Ведущая организация Федеральное государственное

унитарное предприятие Таганрогский НИИ Связи

Защита диссертации состоится «9» ноября 2007 г в 14 20 на заседании диссертационного совета Д 212 208 22 при Южном федеральном университете по адресу 347928, Таганрог, пер Некрасовский, 44, ауд Д-406

С диссертацией можно ознакомиться в Зональной научной библиотеке Южного федерального университета по адресу 344000, Ростов-на-Дону, ул Пушкинская, 148

Автореферат разослан « 4 » октября 2007 г Ученый секретарь

диссертационного совета Д 212 208 22, доктор технических наук, профессор

Целых А Н

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. При проектировании электронных устройств разработчики сталкиваются одновременно с проблемами поиска топологии и определения параметров схемы, а также с жесткими ограничениями к срокам проектирования Поэтому традиционные методы проектирования являются малоэффективными, а отсутствие в используемых моделях и алгоритмах возможности изменения системы ограничивает область поиска решения только типовыми схемами Современным и эффективным методом решения данной проблемы является использование эволюционных методов проектирования электронных устройств

Методы эволюционного моделирования появились в начале 70-х годов двадцатого века Однако только последние 10 лет эволюционное моделирование стало активно применяться в различных областях человеческой деятельности Существует множество задач, решаемых с его использованием автоматизация проектирования, создание искусственной жизни, эстетическое проектирование и др В основе эволюционного проектирования лежит вычислительная техника, проектирование и эволюционная биология Значительный вклад в решение научно-технических задач с помощью эволюционного моделирования внесли ДХ Холланд (J Н Holland), ДР Коза (J R Koza), ДЕ Голдберг (D Е Goldberd), Г Д Раулинс (G J Rawlms), В М Курейчик (V М Kureichik), Д И Батищев (DI Batishev), JI А Зинченко (L A Zmchenko), Т Хигучи (Т Higuchi) и многие другие

Основная идея эволюционного проектирования заключается в поиске решения на основе эволюционной адаптации Набор схемных решений (текущая популяция) генерируется и итерационно развивается в соответствии с определенными правилами Для каждой последующей популяции выживает только несколько особей, в то время как остальные, оказавшиеся недостаточно приспособленными, погибают Новые решения создаются заново путем смешивания накопленного генетического материала родителей

Эволюционное проектирование имеет дело с обширной областью поиска и большим количеством требований, поэтому используются мощные методы поиска, для разрешения поставленной задачи Естественно, когда область поиска очень большая, может иметь место случайное решение Поэтому выбор размера области поиска это сложный вопрос, поскольку он должен быть достаточно большим, чтобы включить обильное разнообразие топологий новой схемы Однако если область проектных параметров будет увеличиваться без ограничения, шансы найти хорошее решение будут очень малы Это важная проблема для методики поиска, решением которой являются эволюционные алгоритмы

Эволюционные алгоритмы хорошо приспособлены, чтобы производить выборку большой области проектных параметров, выполняя ее лучше, чем стандартные методы оптимизации Тем не менее, для больших областей поиска, даже эволюционные алгоритмы имеют свои ограничения - необходимо ограничить размер области поиска, но одновременно с этим сохранить разнообразие ее проектов Область поиска обычно ограничивается выбором максимального размера для схем, среди которых будет производиться выборка Еще одной проблемой является добавление специальных методов в алгоритм поиска для того, чтобы успешно находить схему, соответствующую всем

спецификациям Новые методы вводятся, чтобы улучшить средства поиска, и применяются для обработки специфических свойств процесса электронного проектирования, таких как его многокритериальность и непредсказуемость размера решения

Эволюционные алгоритмы предоставляют возможность объединить в одно целое все эти методологии, что позволяет улучшить производительность проектирования электронных устройств, дает возможность находить новые методы проектирования схем и способность рассматривать большое количество параметров

Таким образом, диссертационная работа посвящена решению актуальной и важной научно-технической проблемы разработке и исследованию новых алгоритмов для проектирования электронных схем на основе методов эволюционного моделирования и генетического поиска, позволяющего сократить время поиска решений в задачах с большой областью поиска, и в то же время повысить качество получаемых решений

Цель диссертационной работы заключается в разработке и исследовании новых моделей и алгоритмов структурного и параметрического синтеза радиоэлектронных устройств (РЭУ) на основе методов эволюционной адаптации, позволяющих повысить качество решений для задач большой размерности

Для достижения поставленной цели были решены следующие основные задачи

1) Разработана методика представления схемотехнических решений в виде альтернативных решений (кодирование и декодирование хромосом),

2) Разработаны новые эволюционные алгоритмы синтеза топологии и параметров схемотехнических решений,

3) Построены модифицированные генетические операторы, адаптированные к требованиям решаемой задачи (операторы кроссинговера, селекции, мутации, отбора и генерации начальной популяции),

4) Найден метод оценки качества получаемых альтернативных решений (оценка ЦФ),

5) Проведены экспериментальные исследования разработанных методов и алгоритмов, а также их сравнение с известными алгоритмами синтеза РЭУ

В качестве методов решения поставленных задач в диссертационной работе использовались элементы теории множеств, теории алгоритмов и теории генетического поиска, теории графов и гиперграфов, теории выбора и принятия решений, теории разработки систем автоматизированного проектирования

Научная новизна работы заключается в решении задач синтеза схемотехнических решений с использованием эволюционных методов В работе

1) Предложены новые методы представления схемотехнических решений в виде альтернативных решений (хромосом), позволяющие для случая структурного синтеза схем значительно сократить получение неработоспособных схемотехнических решений,

2) Разработаны новые генетические алгоритмы для структурного и параметрического синтеза РЭУ, учитывающие особенности решаемой задачи,

3) Разработаны модифицированные генетические и эволюционные операторы, адаптированные к требованиям решаемой задачи,

4) Предложены методики для оценки качества полученных схемотехнических решений

К числу наиболее важных научных результатов диссертации относятся

1 Новые методики представления схемотехнических решений в виде альтернативных решений (хромосом), позволяющие закодировать схемы большой размерности и свести к минимуму получение неработоспособных схем

2 Новые генетические алгоритмы структурного и параметрического синтеза РЭУ, основанные на методах эволюционного поиска, позволяющие сократить время поиска и повысить качество получаемых решений

3 Модифицированные операторы генетического поиска, обеспечивающие уменьшение времени поиска

Практическая ценность работы заключается в реализации программного комплекса для синтеза топологии и параметров РЭУ, разработанного на основе предложенных генетических алгоритмов, позволяющих найти работоспособное решение за приемлемое время Использование разработанного программного комплекса позволяет на 10-15% ускорить процесс синтеза схемотехнических решений, при этом получать решения, не уступающие по качеству по сравнению с существующими аналогами, благодаря использованию новых методов представления альтернативных решений, а так же модифицированной архитектуре генетического поиска Алгоритмы реализованы на языке С# под ОС Windows Данный программный комплекс позволяет автоматизировать процесс синтеза схем и сделать его доступным для инженеров по радиоэлектронике, не обладающих навыками программирования

Реализация и внедрение результатов работы. Основные теоретические и практические результаты диссертационной работы использованы в госбюджетной работе «Разработка теории и принципов построения интеллектуальных систем принятия решений при проектировании на основе квантовых вычислений и бионических методов поиска», а также в научно-исследовательской, выполненной по гранту РФФИ «Разработка теории и принципов построения систем автоматизированного проектирования на основе эволюционной адаптации» Кроме того, материалы диссертации использованы в учебном процессе на кафедре САПР ТТИ ЮФУ при проведении лабораторных и курсовых работ по дисциплинам «Эволюционное моделирование и генетические алгоритмы», «Методы оптимизации», «Автоматизация проектирования печатных плат» и «Математические основы дискретной техники»

Апробация основных теоретических и практических результатов работы проводилась на научных семинарах кафедры САПР «Генетические алгоритмы» (с 2004 по 2007 гг, ТРТУ), всероссийской научной конференции студентов и аспирантов с международным участием «Робототехника, мехатроника и интеллектуальные системы» (г Таганрог, 2005 г), всероссийской научно-практической конференции молодых ученых и аспирантов «Новые информационные технологии» (г Таганрог, 2004 г), международной конференции «Интеллектуальные системы (IEEE AIS'04)» (с Дивноморское, 2004 г), всероссийской научной конференции студентов и аспирантов базовых кафедр ЮНЦ РАН (г Таганрог, 2005 г), международной конференции «Интеллектуальные системы (IEEE AIS'06)» (с Дивноморское, 2006 г )

Публикации По теме диссертационной работы опубликовано 9 печатных работ, сделано 4 доклада на Всероссийских и Международных научно-технических конференциях

Структура и объем работы. Диссертационная работа состоит из введения, четырех глав, заключения, списка литературы и приложения Работа содержит 153 стр, а также 36 рисунков, 10 таблиц, список литературы из 110 наименований, 17 стр приложений и актов об использовании

КРАТКОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении дано обоснование актуальности темы диссертационной работы, описаны цель работы и основные научные положения, выносимые на защиту, определены круг задач, объект и предмет исследования, указаны методы исследования, показаны научная новизна и практическая значимость, приведены сведения о внедрении результатов работы, дано общее описание выполненной работы

В первой главе рассмотрено состояние проблемы, проведен аналитический обзор существующих подходов и методов решения задачи синтеза радиоэлектронных устройств, дана классификация алгоритмов структурного и параметрического синтеза, показано, что перспективным методом являются алгоритмы синтеза, использующие в своей основе эволюционный подход

В связи со сложностью разработки радиоэлектронных устройств и систем, ее осуществление не представляется возможным без использования средств автоматизированного проектирования Синтез радиоэлектронных устройств нацелен на получение новых (отвечающих требованиям технического задания на проектирование) вариантов элементов или схем Процесс синтеза РЭУ разделен на два этапа структурный синтез и параметрический синтез

Задача структурного синтеза заключается в поиске оптимальной или рациональной структуры радиоэлектронного устройства, удовлетворяющей всем требованиям технического задания При этом в процессе поиска возможно появление дополнительных элементов радиоэлектронного устройства Результаты структурного синтеза могут быть представлены в виде схемного решения, либо в виде перечня элементов с указанием соединений между ними Параметрический синтез направлен на определение параметров элементов схемотехнического решения, при которых устройство будет работоспособным, и будет удовлетворять требованиям технического задания

В ходе сравнения существующих методов и алгоритмов синтеза были показаны преимущества и недостатки каждого из этих методов Отмечено, что основным средством для повышения быстродействия и точности решений является применение алгоритмов, основанных на эволюционных вычислениях Для оценки качества решений предложено использовать целевую функцию (ЦФ) В зависимости от типа задачи целевая функция может минимизироваться или максимизироваться

Вторая глава диссертационной работы посвящена разработке эволюционных алгоритмов структурного синтеза РЭУ Описываются различные методики представления РЭУ в виде альтернативного решения (хромосомы) для структурного синтеза схемотехнических решений Выбор методики представления РЭУ в виде хромосомы является важным этапом структурного синтеза электронных схем, поскольку плохой выбор метода кодировки может привести к потере оптимальных или образованию недопустимых решений Одним из самых простых вариантов представления схем является представление в виде

хромосомы, содержащей информацию об элементах и связях между ними Данная информация может быть представлена в хромосоме в десятичной или двоичной форме, либо с использованием алфавита букв и символов

Таким образом, хромосома представляет список соединений элементов схемы ГТрс^сгг тс' .-см в зЛЛде с "г,хкс сссдлнекий молно закодировать любую схему, однако > этого представления есть существенный недостаток В ходе выполнения генетических операций существует вероятность создания неработоспособной схемы Причиной этого является либо недопустимое соединение выводов какого-нибудь из п-полюсников, либо отсутствие подключения одного из выводов п-полюсника к узлам схемы Для решения этой проблемы предлагается использовать граф недопустимых соединений в первом случае и удалять элементы с отсутствующими подключениями во втором Однако это потребует дополнительных вычислительных и временных затрат, что крайне нежелательно

Для того чтобы представление было эффективным при использовании в эволюционном поиске, оно должно обладать следующими критериями 1) представление должно позволять закодировать любую схему, или, по крайней мере, широкий диапазон схем, 2) представление должно быть синтаксически завершенным, чтобы генетические операторы не создавали недопустимых графов схемы, 3) алфавит, используемый для кодирования схемы должен быть небольшим, поскольку его размер влияет на время выполнения алгоритма Поэтому был разработан способ кодирования схем, основанный на наборе инструкций для построения схемы Набор инструкций построения схемы обладает требуемыми свойствами — практически все возможные последовательности инструкций приводят к работоспособной схеме проектируемого устройства и позволяют закодировать широкий диапазон схем Для пассивных элементов существует пять основных типов инструкций х-перейти-к-новому, х-соединить-с-предыдущим, х-соединить-с-землей, х-соединить-с-входом, х-соединить-с-выходом, где х - может быть заменен на Л (резистор), С (конденсатор), Ь (катушку индуктивности) Значения всех 5 типов инструкций приведены в таблице 1

Таблица 1

Код Инструкция Исходящий узел Активный узел

1 х-перейти-к-новому вновь созданный узел становится вновь созданным узлом

2 х-соединить-с-предыдущим предыдущий узел остается без изменений

3 х-соединить-с-землей земля остается без изменений

4 х-соединить-с-входом вход остается без изменений

5 х-соединить-с-выходом выход остается без изменений

Инструкции работают, создавая новые элементы между активным и исходящим узлами В зависимости от используемой инструкции, активный узел может изменяться, или оставаться без изменений Для кодирования типа элемента были использованы следующие обозначения 1 - резистор, 2 - конденсатор, 3 — катушка индуктивности Каждой инструкции также был присвоен свой собственный код (таблица 1)

Для структурного синтеза схем каждый ген хромосомы содержит информацию о типе элемента и код операции, определяющей его связи с другими элементами Первая позиция в гене представляет код операции, а вторая код типа элемента Тогда хромосома возможного схемотехнического решения, состоящего из 8

элементов будет выглядеть, как показано на рисунке 1 При структурном синтезе определенных типов схем некоторые позиции в генах могут быть зафиксированы Остальные позиции в генах заполняются случайным образом

Фиксированное значение

\ Ген п Генп+1 Ген п+2 Ген п+3 Ген п+4 Ген п+5 Ген п+6 Ген п+7

ГУ I I 3 I 2 I 1 I 2 I 2 I 3 I 3 М I 3 I 2 I 1 I 3 I 3 I "Л

7 К

Код Код типа операции эл-та

Рисунок 1 Хромосома синтезируемой схемы

После того как выбрано представление схемотехнического решения для задачи структурного синтеза и получена популяция хромосом, применяются генетические операторы

В данной главе был разработан генетический алгоритм структурного синтеза схемотехнических решений, адаптированный к решаемой задаче Структура данного алгоритма приведена на рисунке 2

Рисунок 2 Структура генетического алгоритма структурного синтеза схемотехнических решений

В первом блоке алгоритма задаются требования и ограничения технического задания, параметры генетического алгоритма, определяется тип и количество элементов синтезируемой схемы Для представления схемы в закодированном виде использовано представление, основанное на наборе инструкций для построения схемы Далее определяется структура хромосомы длина, ограничения, фиксированные гены и т д Поскольку для начала эволюционного процесса необходимо наличие популяции, то следующим этапом является генерация начальной популяции При структурном синтезе популяция инициализируется случайным образом На следующем шаге алгоритма производится оценка популяции, при помощи целевой функции, те каждой хромосоме присваивается определенное значение В следующих блоках алгоритма содержатся генетические операторы Они отвечают непосредственно за ход эволюционного процесса

Рассмотрены традиционные и разработаны модифицированные генетические операторы селекции, кроссинговера и мутации, учитывающие специфику решаемой задачи На примере структурного синтеза схемы пассивного фильтра показано практическое применение предложенных модифицированных генетических операторов

Разработана целевая функция, позволяющая оценивать получаемые схемотехнические решения, и показывающая насколько точно они соответствуют желаемым характеристикам В зависимости от типа задачи целевая функция может минимизироваться или максимизироваться Структурный синтез является сложным и неоднозначным процессом Часто приходится выбирать среди нескольких структур с одинаковыми свойствами оптимальную по каким-то определенным параметрам Такими параметрами являются число элементов и количество связей между ними, которые необходимо минимизировать Поэтому целевая функция для задачи структурного синтеза будет многокритериальной и составной Целевая функция для структурного синтеза схем записывается в следующем виде

= + + © (1) где Р](Н) - количество элементов схемотехнического решения, Е2(Н) -количество связей между элементами в схемотехническом решении, со -коэффициент, оценивающий выходные характеристики схемотехнического решения при фиксированных значениях элементов

Задачей генетического алгоритма структурного синтеза ставится минимизация целевой функции

Р(Н) -» ПИП (2)

Для разработанного алгоритма найдена теоретическая оценка временной сложности, которая пропорциональна V2), где /3 - переменная, зависящая

от размера популяции М и числа генераций Nполн, N - число внутренних

переменных (параметров элементов) синтезируемого схемотехнического решения Поскольку алгоритм структурного синтеза обладает полиномиальной временной теоретической сложностью, то он будет эффективным и практически полезным при решении задач структурного синтеза

В третьей главе приведена методика представления РЭУ в виде альтернативного решения (хромосомы) для параметрического синтеза

схемотехнических решений В ходе параметрического синтеза РЭУ определяются параметры (номинальные значения) элементов синтезируемого устройства, при которых будут удовлетворены условия ТЗ При этом структура устройства уже

задана Для параметрического синтеза выбран простой вариант представления хромосомы в ьиде двоичной строки фиксированной длины Тргдиционно хромосома состоит из трех частей генотипа, фенотипа и значения целевой функции При решении задачи параметрического синтеза в фенотипе представлена информация о значениях параметров элементов в десятичном представлении, которое удобно при моделировании и для восприятия человеком Для пассивных элементов задаются их значения, а для активных элементов (транзисторы, диоды и т д) перечисляются возможные модели Генотип получается после десятично-двоичного преобразования соответствующих элементов фенотипа, и представлен в виде бинарной гомологичной строки В ходе работы генетического алгоритма генетические операторы целенаправленно изменяют информацию, содержащуюся в генотипе Целевая функция представляет оценку схемотехнического решения и принимает любое значение из интервала от 0 до 1 Длина хромосомы (генотипа) определяется формулой

где Л^, - количество ген в хромосоме, а ^ - длина 1-го гена Длина гена определяется выражением

где В, и Н1 - это верхняя и нижняя граница значений элемента 1-го гена, Ш. -

шаг изменения значения элемента 1-го гена

После того как определена структура хромосомы и схемотехническое решение представлено в виде бинарной гомологичной строки, т е получен генотип, применяются генетические операторы

При проектировании электронных устройств важным моментом является адаптация структуры алгоритма под конкретную задачу Хотя большая часть структуры алгоритма остается неизменной, существует, как минимум, несколько отличий, которые необходимо учитывать каждый раз при решении новой задачи В данной главе был разработан генетический алгоритм параметрического синтеза усилителей, учитывающий особенности решаемой задачи Структура алгоритма показана на рисунке 3 Для начала эволюционного процесса, в первую очередь, необходимо наличие совокупности индивидуумов или популяции При параметрическом синтезе популяция инициализируется случайным образом или из определенной библиотеки элементов, и представляет собой значения или модели элементов Для каждого типа пассивных элементов задаем интервал поиска и точность его решения (шаг изменения значения) В случае оптимизации параметров уже готового усилителя, когда известны значения и модели элементов, в качестве начальной популяции используются значения этих элементов, которые заносятся в хромосому в бинарной форме После того как начальная популяция индивидуумов сгенерирована и закодирована, производится

(3)

(4)

ее оценка Оценка популяции производится при помощи целевой функции, которая была разработана для параметрического синтеза усилителей и определяется следующей формулой

*■(#)=!>, (.ивьа(1)~ивх(1)), (5)

1=1

где идх и ивЬ1Х - это напряжение на входе и на выходе усилителя, представленные в децибелах, п - общее количество выходных экземпляров, ч>1 -весовой коэффициент Поскольку напряжения представлены в децибелах, то (Цгы*(О-^аДО) ~ это коэффициент усиления усилителя на определенной частоте г

Рисунок 3 Структура генетического алгоритма структурного синтеза схемотехнических решений

После того как для всех индивидуумов популяции определены значения ЦФ, применяется селекция усечения Предложено использовать селекцию усечения до начала основного блока операторов для повышения эффективности генетического поиска Применение селекции усечения позволяет удалить из популяции малопригодные решения (с низким значением ЦФ), что соответственно приводит к сокращению временных затрат на выполнение алгоритма Далее следуют три блока генетических операторов, которые отвечают за ход эволюционного процесса Для алгоритма параметрического синтеза были разработаны модифицированные генетические операторы селекции, кроссинговера и мутации, учитывающие специфику решаемой задачи Практическое применение предложенных модифицированных генетических операторов показано на примере параметрического синтеза усилителя для радиоприемника

Найдена теоретическая оценка временной сложности алгоритма параметрического синтеза Также как и для алгоритма структурного синтеза, она

л

пропорциональна 0(/ЗЫ ) Поэтому разработанный алгоритм будет

эффективным и практически полезным при решении задач параметрического синтеза

Четвертая глава посвящена экспериментальным исследованиям разработанных алгоритмов Поставлены цели экспериментальных исследований Проведены серии экспериментов для определения оптимальных параметров алгоритмов Выполнено сравнение разработанных алгоритмов с известными аналогами По результатам исследований определены оптимальные управляющие параметры для алгоритмов

Целью исследования разработанных алгоритмов является определение оптимальных параметров, при которых алгоритм находит наилучшие решения за минимальное время работы, а также доказательство его эффективности (оптимальности), по сравнению с существующими алгоритмами По результатам экспериментов, даны рекомендации о параметрах генетических алгоритмов (размер популяции, вероятность кроссинговера, вероятность мутации, количество генераций (поколений)), обеспечивающих возможность получения наиболее оптимальных решений Для разработанных алгоритмов оптимальное значение размера начальной популяции «100, вероятность выполнения оператора кроссинговера «60-80%, вероятность выполнения оператора мутации - «15-25%, число поколений зависит от количества элементов схемотехнического решения -пространства поиска

Результаты экспериментов показали эффективность разработанных алгоритмов по сравнению с существующими аналогами Основными критериями эффективности являются качество получаемого решения (количество элементов для структурного синтеза) и временная сложность алгоритма Для задачи структурного синтеза, применение разработанного алгоритма позволило избежать появления неработоспособных схем и уменьшить количество элементов на 3-5%, по сравнению с существующими аналогами При этом процесс поиска схемотехнических решений стал на 10-15% быстрее

Для проведения исследований разработан программный комплекс синтеза схем на основе полученных алгоритмов Программный комплекс написан на языке С# для операционных систем семейства \Утс1олУ5 Эксперименты проводились на

IBM PC совместимом компьютере с процессором Intel Р4 3 0 Ггц, объемом ОЗУ 1Гб

Экспериментальные исследования подтвердили, что временная сложность алгоритмов находится в степенной зависимости от числа элементов альтернативного решения, и пропорциональна 0(N2)

В заключении сформулированы основные выводы и результаты диссертационной работы

В приложении приведены акты об использовании результатов диссертационной работы, примеры полученных схемотехнических решений и исходные тексты основных процедур программы структурного и параметрического синтеза РЭУ на языке С#

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

В ходе выполнения диссертационной работы получены результаты

1 Предложена классификация задач структурного и параметрического синтеза электронных схем Даны постановки задач структурного и параметрического синтеза РЭУ На основе проведенного анализа обоснован выбор метода синтеза радиоэлектронных устройств, основанный на эволюционных вычислениях

2 Исследованы различные способы представления РЭУ в виде альтернативных решений (хромосом), учитывающие специфику решаемой задачи и позволяющие улучшить качество получаемых решений Для структурного синтеза электронных схем предложен метод представления, основанный на формировании хромосомы при помощи списка инструкций

3 Разработаны целевые функции для различных классов электронных схем, позволяющие точно оценивать синтезируемые схемотехнические решения

4 Разработаны модифицированные генетические алгоритмы структурного и параметрического синтеза Для алгоритма параметрического синтеза предложено использовать оператор селекции усечения до блока основных операторов, что позволит улучшить качество получаемых решений и сократить время работы

алгоритма на 0(т N2), где т - переменная, зависящая от количества элементов

схемотехнического решения, принимающая значения 0,05 до 0,15

5 Рассмотрены особенности использования различных генетических операторов Предложены модифицированные генетические операторы селекции, кроссинговера и мутации В задачах структурного синтеза применение модифицированных генетических операторов позволило избежать превышения ограничений по количеству элементов синтезируемой схемы Для задач параметрического синтеза это позволяет сократить время работы алгоритма на 10-15%, в сравнении с существующими алгоритмами

6 Найдены теоретические оценки временной сложности разработанных алгоритмов Они пропорциональны 0{JiN2) Полученные алгоритмы являются полиномиальными, поэтому их можно считать эффективными и использовать при решении практических задач структурного и параметрического синтеза РЭУ

7 Разработан пакет программ на объектно-ориентированном языке программирования С++, для структурного и параметрического синтеза пассивных

13

фильтров и усилителей Проведены экспериментальные исследования разработанных алгоритмов, определена их временная сложность В ходе экспериментальных исследований были определены оптимальные значения управляющих параметров генетических алгоритмов Разработанный алгоритм структурного синтеза позволяет сократить количество элементов в получаемых схемотехнических решениях на 3-5% Время поиска оптимальных схемотехнических решений, полученных алгоритмов, на 10-15% меньше, чем у известных аналогов

ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИОННОЙ РАБОТЫ

1 Шкамардин И А «Видообразование в эволюционных алгоритмах» Известия ТРТУ Тематический выпуск «Интеллектуальные САПР» Таганрог Изд-во ТРТУ, 2006 №8(63) с 62-66

2 Шкамардин И А «Генетические алгоритмы с представлением переменной длины» Известия ТРТУ Технические науки Таганрог Изд-во ТРТУ, 20062007 №9 с 104-105

3 Шкамардин И А «Применение генетических алгоритмов в задачах оптимизации схемотехнических решений» Журнал «Перспективные информационные технологии и интеллектуальные системы» №1/2004 (17) Таганрог Изд-во ТРТУ, 2004 с 23-29

4 Шкамардин И А «Алгоритмы эволюционного проектирования электронных устройств» Журнал «Перспективные информационные технологии и интеллектуальные системы» №4/2004 (20) Таганрог Изд-во ТРТУ, 2004 с 39-43

5 Шкамардин И А «Применение эволюционных методов при решении задач параметрического синтеза схемотехнических решений» Журнал «Перспективные информационные технологии и интеллектуальные системы» №1/2005 (21) Таганрог Изд-во ТРТУ, 2005 с 23-28

6 Шкамардин И А «Применение генетических алгоритмов при проектировании РЭА» Материалы научно-практической конференции «Новые информационные технологии» Таганрог Изд-во ТРТУ, 2004 с 266269

7 Шкамардин И А «Использование генетических алгоритмов в задачах параметрического синтеза схемотехнических решений» Материалы первой всероссийской научной конференции студентов и аспирантов (с международным участием) «Робототехника, мехатроника и интеллектуальные системы (РМиИС'05)» Таганрог Изд-во ТРТУ, 2005 с 189-196

8 Шкамардин И А «Применение эволюционных алгоритмов при решении задач синтеза схемотехнических решений» Материалы 1-й ежегодной научной конференции студентов и аспирантов базовых кафедр ЮНЦ РАН Сборник трудов молодых ученых ЮНЦ РАН, Ростов-на-Дону, 2005 с 115117

9 Шкамардин И А «Использование генетических алгоритмов в задачах параметрического синтеза схемотехнических решений» Материалы международной конференции «Интеллектуальные системы (АК'Об)», М Физматлит, 2006 ТомЗ с 70-76

Все включенные в диссертацию результаты получены лично соискателем

Соискатель

И А Шкамардин

ВВЕДЕНИЕ.

1. АНАЛИЗ МЕТОДОВ И АЛГОРИТМОВ СИНТЕЗА РЭУ.

1.1. Постановка задачи синтеза РЭУ.

1.2. Анализ существующих подходов синтеза РЭУ.

1.3. Применение эволюционных методов при решении задачи синтеза РЭУ.

1.4. Выбор метода синтеза РЭУ.

1.5. Выводы.

2. РАЗРАБОТКА ЭВОЛЮЦИОННЫХ АЛГОРИТМОВ СТРУКТУРНОГО СИНТЕЗА РЭУ.

2.1. Представление модели РЭУ в виде хромосомы для структурного синтеза.

2.2. Определение целевой функции.

2.3. Генетические операторы и структура генетических алгоритмов структурного синтеза РЭУ.

2.4. Теоретическая оценка алгоритмов синтеза.

2.5. Выводы.

3. РАЗРАБОТКА ЭВОЛЮЦИОННЫХ АЛГОРИТМОВ ПАРАМЕТРИЧЕСКОГО СИНТЕЗА РЭУ.

3.1. Представление модели РЭУ в виде хромосомы для параметрического синтеза.

3.2. Определение целевой функции.

3.3. Структура генетических алгоритмов параметрического синтеза РЭУ.

3.4. Теоретическая оценка алгоритмов синтеза.

3.5. Выводы.

4. ЭКСПЕРИМЕНТАЛЬНЫЕ ИССЛЕДОВАНИЯ РАЗРАБОТАННЫХ АЛГОРИТМОВ.

4.1. Цель экспериментальных исследований.

4.2. Определение основных параметров генетических алгоритмов для структурного и параметрического синтеза РЭУ.

4.3. Результаты экспериментальных исследований, сравнение с существующими алгоритмами.

4.4. Выводы.

Роль начальных стадий проектирования при разработке радиоэлектронных устройств (РЭУ) велика. Здесь закладываются основы новой разработки. Поэтому экономия средств и времени на начальной стадии оборачивается огромными затратами на последующих стадиях, связанных с устранением недоработок и ошибок.

Эффективность работ по проектированию технических устройств определяется их организацией на каждой стадии, и применяемой методикой. Это особенно важно на начальной стадии проектирования [1].

При проектировании электронных устройств разработчик сталкивается одновременно с проблемами поиска топологии и определения параметров схемы, а также с жесткими ограничениями к срокам проектирования. Поэтому традиционные методы проектирования являются малоэффективными, а отсутствие в используемых моделях и алгоритмах возможности изменения системы ограничивает область поиска решения только типовыми схемами. Современным и эффективным методом решения данной проблемы является использование эволюционного проектирования электронных устройств.

Методы эволюционного моделирования появились в начале 70-х годов двадцатого века. Однако только последние 10 лет эволюционное моделирование стало активно применяться в различных областях человеческой деятельности. Существует множество задач, решаемых с его использованием: автоматизация проектирования, создание искусственной жизни, эстетическое проектирование и др. [2]. В основе эволюционного проектирования лежит вычислительная техника, проектирование и эволюционная биология.

Эволюционное моделирование представляет собой одно из быстро развивающихся направлений математического моделирования, которое объединяет в себе компьютерные методы моделирования эволюционных процессов в естественных и искусственных системах, такие как генетические алгоритмы, эволюционные стратегии, эволюционное программирование и другие эвристические методы. Основной сложностью при построении вычислительных систем, основанных на принципах эволюции живой природы и применения этих систем в прикладных задачах, является то, что природные системы достаточно хаотичны, а действия исследователей носят направленный характер [3]. Исследователи используют компьютер как инструмент для решения поставленных задач, которые сами и формулируют, при этом внимание акцентируется на максимально быстром выполнении при минимальных затратах. Природные системы не имеют никаких таких целей или ограничений, во всяком случае, они не очевидны. Однако биологические системы обладают свойствами воспроизводства, адаптации, самоисправления, устойчивости, гибкости и многими другими, которые лишь фрагментарно присутствуют в искусственных системах [3].

Основная идея эволюционного проектирования заключается в поиске решения на основе эволюционной адаптации [4]. Набор схемных решений (текущая популяция) генерируется и итерационно развивается в соответствии с определенными правилами. Для каждой последующей популяции выживает только несколько особей, в то время как остальные, оказавшиеся недостаточно приспособленными, погибают. Новые решения создаются заново путем смешивания накопленного генетического материала родителей [5, 6].

Эволюционная оптимизация является наиболее простым этапом эволюционного проектирования. Процесс проектирования начинается с существующего проектного решения, отдельные параметры которого могут быть изменены в определенных пределах [7]. Для всех возможных электронных схем учитываются все доступные элементы и технологические ограничения, такие как, сколько элементов может быть использовано, и то, как они могут взаимодействовать. Далее эти параметры кодируются как генотип, который затем развивается на основе эволюционного поиска. После этого, полученные проектные решения оцениваются по степени полезности. Подобная оценка называется целевой функцией (ЦФ) [6].

Эволюционное проектирование имеет дело с обширной областью поиска и большим количеством требований, поэтому используются мощные методы поиска, для разрешения поставленной задачи. Естественно, когда область поиска очень большая, может иметь место случайное решение. Поэтому выбор размера области поиска это сложный вопрос, поскольку он должен быть достаточно большим, чтобы включить обильное разнообразие топологий новой схемы. Однако если область проектных параметров будет увеличиваться без ограничения, шансы найти хорошее решение будут очень малы [7]. Это важная проблема для методики поиска, решением которой являются эволюционные алгоритмы.

Эволюционные алгоритмы хорошо приспособлены, чтобы производить выборку большой области проектных параметров, выполняя ее лучше, чем стандартные методы оптимизации. Тем не менее, для больших областей поиска, даже эволюционные алгоритмы имеют свои ограничения -необходимо ограничить размер области поиска, но одновременно с этим сохранить разнообразие ее проектов. Область поиска обычно ограничивается выбором максимального размера для схем, среди которых будет производиться выборка [7]. Еще одной проблемой является добавление специальных методов в алгоритм поиска для того, чтобы успешно находить схему, соответствующую всем спецификациям. Новые методы вводятся, чтобы улучшить средства поиска, и применяются для обработки специфических свойств процесса электронного проектирования, таких как его многокритериальность и непредсказуемость размера решения.

Эволюционные алгоритмы предоставляют возможность объединить в одно целое все эти методологии, что позволяет улучшить производительность проектирования электронных устройств, дает возможность находить новые методы проектирования схем и способность рассматривать большое количество параметров.

Из всего вышеизложенного следует, что задача разработки новых алгоритмов для проектирования электронных схем на основе методов эволюционного моделирования и генетического поиска, позволяющего сократить время поиска решений в задачах с большой областью поиска, и в то же время повысить качество получаемых решений является АКТУАЛЬНОЙ.

ЦЕЛЬЮ диссертационной работы является исследование и разработка новых моделей и алгоритмов структурного и параметрического синтеза радиоэлектронных устройств на основе методов эволюционной адаптации, позволяющих повысить качество решений для задач большой размерности.

Для достижения поставленной цели необходимо решить следующие основные задачи:

1) Разработать метод представления схемотехнических решений в виде альтернативных решений (кодирование и декодирование хромосом);

2) Разработать новые эволюционные алгоритмы синтеза топологии и параметров схемотехнических решений;

3) Разработать новые модифицированные генетические и эволюционные операторы, адаптированные к требованиям решаемой задачи (операторы кроссинговера, селекции, мутации, отбора и генерации начальной популяции);

4) Разработать целевые функции для оценки качества получаемых схемотехнических решений;

5) Провести экспериментальные исследования разработанных методов и алгоритмов, а также их сравнение с известными алгоритмами синтеза РЭУ.

Для решения поставленных задач использовались следующие МЕТОДЫ ИССЛЕДОВАНИИ: элементы теории множеств, теории алгоритмов и теории генетического поиска, теории графов и гиперграфов, теории выбора и принятия решений.

НАУЧНАЯ НОВИЗНА диссертационной работы заключается в следующем:

1) Разработке новых методов представления схемотехнических решений в виде альтернативных решений (хромосом), позволяющих для случая структурного синтеза схем значительно сократить получение неработоспособных схем;

2) Разработке новых генетических алгоритмов для структурного и параметрического синтеза РЭУ, учитывающих особенности решаемой задачи;

3) Разработке модифицированных генетических и эволюционных операторов, позволяющих сократить время работы алгоритма;

4) Разработке целевых функций для различных классов электронных схем.

ПРАКТИЧЕСКУЮ ЦЕННОСТЬ работы представляют:

1) Новые методы представления схемотехнических решений в виде хромосом;

2) Пакет программ для синтеза топологии и параметров РЭУ, разработанный на основе генетических алгоритмов, позволяющих найти работоспособное решение за приемлемое время.

РЕАЛИЗАЦИЯ РЕЗУЛЬТАТОВ РАБОТЫ. Основные теоретические и практические результаты диссертационной работы использованы в госбюджетной работе №12354 «Разработка теории и принципов построения интеллектуальных систем принятия решений при проектировании на основе квантовых вычислений и бионических методов поиска», а также в научно-исследовательской, выполненной по гранту РФФИ №12381 (№05-08-18115) «Разработка теории и принципов построения систем автоматизированного проектирования на основе эволюционной адаптации». Кроме того, материалы диссертации использованы в учебном процессе на кафедре САПР ТТИ ЮФУ при проведении лабораторных и курсовых работ по дисциплинам: «Эволюционное моделирование и генетические алгоритмы», «Методы оптимизации», «Автоматизация проектирования печатных плат» и «Математические основы дискретной техники».

АПРОБАЦИЯ основных теоретических и практических результатов работы проводилась на научных семинарах кафедры САПР «Генетические алгоритмы» (с 2004 по 2007 гг., ТРТУ), всероссийской научно-практической конференции молодых ученых и аспирантов «Новые информационные технологии» (г. Таганрог, 2004 г.), международной конференции «Интеллектуальные системы (IEEE AIS'04)» (с. Дивноморское, 2004 г.), всероссийской научной конференции студентов и аспирантов базовых кафедр ЮНЦ РАН (г. Таганрог, 2005 г.), всероссийской научной конференции студентов и аспирантов с международным участием «Робототехника, мехатроника и интеллектуальные системы» (г. Таганрог, 2005 г.), международной конференции «Интеллектуальные системы (IEEE AIS'06)» (с. Дивноморское, 2006 г.).

ПУБЛИКАЦИИ. Результаты диссертации отражены в 9 печатных работах.

СТРУКТУРА И ОБЪЕМ ДИССЕРТАЦИОННОЙ РАБОТЫ.

Диссертационная работа состоит из введения, четырех глав, заключения, списка использованной литературы, приложения и примеров. Работа содержит 155 страниц, включая 31 рисунок, 10 таблиц, список использованной литературы из 105 наименований, 32 страницы приложений и актов об использовании.

4.4. Выводы

1. Определены оптимальные сочетания используемых параметров для разработанных генетических алгоритмов. По результатам экспериментов, для каждого алгоритма даны рекомендации по выбору параметров (размер популяции, тип и вероятности применения генетических операторов), что делает возможным получение оптимальных решений.

2. Экспериментально определены временные сложности алгоритмов для структурного и параметрического синтеза, подтвердившие теоретические оценки.

3. Проведены экспериментальные исследования разработанных генетических алгоритмов на тестовых примерах, сравнение с существующими аналогами. Разработанные алгоритмы показали преимущество в быстродействии на 8 - 12%, по сравнению с существующими алгоритмами.

112

ЗАКЛЮЧЕНИЕ

1. Проведен аналитический обзор существующих подходов и методов решения задачи синтеза радиоэлектронных устройств, выявлены их достоинства и недостатки. Приведена классификация задач структурного и параметрического синтеза электронных схем. Даны постановки задач структурного и параметрического синтеза РЭУ. На основе проведенного анализа обоснован выбор метода синтеза радиоэлектронных устройств, основанный на эволюционных вычислениях.

2. Исследованы различные способы представления РЭУ в виде альтернативных решений (хромосом), учитывающие специфику решаемой задачи и позволяющие улучшить качество получаемых решений. Для структурного синтеза электронных схем предложен метод представления основанный на построении хромосомы из списка инструкций.

3. Разработаны целевые функции для различных классов электронных схем, позволяющие точно оценивать синтезируемые схемотехнические решения.

4. Предложены модифицированные генетические алгоритмы структурного и параметрического синтеза. Для алгоритма параметрического синтеза предложено использовать оператор селекции усечения до блока основных операторов, что позволит улучшить качество получаемых решений и сократить время работы алгоритма на 7 - 10%.

5. Рассмотрены особенности использования различных генетических операторов. Предложены модифицированные генетические операторы. Применение модифицированных генетических операторов в задачах структурного и параметрического синтеза позволило улучшить схемотехническое решение, поэтому они практически полезны.

6. Найдены теоретические оценки временных сложностей разработанных алгоритмов. Полученные сложности являются полиномиальными, поэтому предложенные алгоритмы можно считать эффективными и использовать при решении практических задач.

7. Разработан пакет программ на объектно-ориентированном языке программирования С++, для структурного и параметрического синтеза пассивных фильтров и усилителей.

8. Проведены вычислительные эксперименты и сравнение с аналогами разработанных алгоритмов. В ходе экспериментов были определены оптимальные значения управляющих параметров генетических алгоритмов и подтверждена оценка временной сложности алгоритмов.

114

1. Балим Г.М. Синтез технических решений на начальных стадиях проектирования устройств обработки сигналов: Конспект лекций. -Таганрог: Изд-во ТРТУ, 1994.

2. Bentley P. An introduction to evolutionary design by computers. In Evolutionary design by computers, Morgan Kaufmann, 1999. pp. 1-74.

3. Курейчик B.B. Эволюционное моделирование: Учебное пособие. -Таганрог: Изд-во ТРТУ, 2003. 76 с.

4. Курейчик В.М. Генетические алгоритмы. Таганрог: Изд-во ТРТУ, 1998. - 242 с.

5. Курейчик В.М. Генетические алгоритмы и их применение. Таганрог: Изд-во ТРТУ, 2002.

6. Шкамардин И.А. Применение эволюционных методов при решении задач параметрического синтеза схемотехнических решений. Журнал «Перспективные информационные технологии и интеллектуальные системы» №1/2005 (21). Таганрог: Изд-во ТРТУ, 2005. - с. 23-28.

7. Зинченко JI.A. Алгоритмы численно-аналитического моделирования и средства программной поддержки САПР электронных устройств. -Таганрог: Изд-во ТРТУ, 1999. 194 с.

8. Норенков И.П., Маничев В.Б. Основы теории проектирования САПР. -М.: Высшая школа, 1990.

9. Advanced Design System. Technical overview. Agilent Technologies, электронный ресурс., адрес сайта: http://www.agilent.com.

10. Microwave Office, Applied Wave Research, Inc. электронный ресурс., -адрес сайта: http://www.appwave.com.

11. Genesys 7. Technical overview. Eagleware Corporation, электронный ресурс., адрес сайта: http://www.eagleware.com.

12. Курейчик В.М., Гулевич А.И., Зинченко JI.A. Эволюционное проектирование на основе численно-аналитических моделей. Известия вузов, №2, Таганрог, ТРТУ, 2002. - с. 8-13.

13. Зыков А.А. Основы теории графов. М.: Наука. Гл. ред. физ. - мат. лит., 1987.-384 с.

14. Береза А.Н., Курейчик В.М. Эволюционные методы синтеза структурных схемотехнических решений для проектирования информационно-телекоммуникационных систем. Известия РАН, 2004.

15. Захаров В.К., Лыпарь Ю.И. Электронные устройства автоматики и телемеханики: учебник для ВУЗов. 3-е изд. - Л.: Энергоатомиздат, 1984.-432 с.

16. Lohn J.D., Colombano S.P. Automated analog circuit synthesis using a linear representation, in Proceedings of the Second International Conference on Evolvable Systems: From Biology to Hardware (ICES98). Lausanne, September, 1998.

17. Сигорский В.П., Калниболотский Ю.М., Королев Ю.В. Оптимальное решение задачи канонического синтеза электронных схем с помощью ЭВМ. Известия ВУЗов. Радиоэлектроника. 1968. - Т.П. - №11. - с. 1182-1197.

18. Калниболотский Ю.М., Королев Ю.В. Синтез электронных схем. Киев: Вища школа. -1979.

19. Глориозов E.J1. Морфологический синтез нелинейных логических схем. Радиоэлектроника. 1977. - Т.20. - №6. - с. 79-84.

20. Глориозов Е.Л., Клычина И.Ю. Модели представления знаний в структурном синтезе функционально-интегральных элементов. В кн.: Электронная вычислительная техника, под ред. Пржиялковского В.В. -М.: Радио и связь. 1989. - Вып.З. - с. 103-116.

21. Brodersen A.J. et al. Simultaneous automated AC and DC design of linear integrated circuit amplifiers. IEEE Trans. 1971. - Vol. CT-18. - №1. - pp. 50-58.

22. Шумилов Ю.М., Эйдельмант B.M. Программное обеспечение автоматизированного проектирования радиоэлектронных схем. Киев: Техника. -1994.

23. Гиллемин Э.А. Синтез пассивных цепей. Пер. с англ. под ред. Айзинова М.М. - М.: Связь, 1970. - 720 с.

24. Текшев В.Б. Параметрическо-структурный синтез СВЧ усилителей. Радиотехника. 1989. - №6. - с. 23-32.

25. Yarman B.S., Carlin H.J. A simplified real frequency technique applied to broadband multistage microwave amplifiers. IEEE Trans., 1982. Vol. MTT-30.-№12.-pp. 2216-2222.

26. Белецкий А.Ф. Теоретические основы электропроводной связи, Ч. 3. М.: Связьиздат, 1959.-390 с.

27. Ланнэ А.А. Оптимальный синтез линейных электронных схем. М.: Связь, 1978.-335 с.

28. Москаленко В.А., Славский Г.Н. Проектирование полиномиальных фильтров с учетом ожидаемой погрешности реализации. -Избирательные системы с ОС, Таганрог, 1991, № 7. с. 62-69.

29. Ланнэ А.А. Потенциальные характеристики линейных фильтрующих цепей. -М.: Связь, 1974. 56 с.

30. Черноруцкий И.Г. Оптимальный параметрический синтез: Электротехнические устройства и системы. Л.: Энергоатомиздат, 1987. -128 с.

31. Демьянов В.Ф., Малоземов В.Н. Вопросы теории и элементы программного обеспечения минимаксных задач. Л.: ЛГУ, 1977. - 192 с.

32. Батищев Д.И. Методы оптимального проектирования. М.: Радио и связь, 1984.-248 с.

33. Ulbrich W. On the generation and optimization of equivalent ladder networks.- Int. J. Circuit Theory and Application, 1980, v.8, № 1. p. 19-30.

34. Huseyin O. Application of equivalent network theory. IEEE Trans. Circuit Theory, 1972, v. 19, № 4. - p. 376-378.

35. Ланнэ А.А. и др. Оптимальная реализация линейных электронных RLC-схем. Киев.: Наук, думка, 1981. - 208 с.

36. Трифонов И.И. Расчет электронных цепей с заданными частотными характеристиками. М.: Радио и связь, 1988. - 304 с.

37. Алексеев О.В. Проектирование радиопередающих устройств с применением ЭВМ. М.: Радио и связь, 1987. - 392 с.

38. Фидлер Д.К., Найтингейл К. Машинное проектирование электронных схем. М.: Высшая школа, 1985. - 216 с.

39. Koza J.R., Bennett F.H. et al. Automated Synthesis of analog electrical circuits by means of genetic programming. IEEE Trans, on Evolutionary Computation.- 1997. -Vol.1- №2. -pp. 109-128.

40. Lohn J.D., Colombano S.P. A circuit representation technique for automated circuit design. IEEE Trans, on Evolutionary Computation. 1999. - Vol.3. -№9.-pp. 105-129.

41. Sripramong Т., Toumazou С. The invention of CMOS amplifiers using genetic programming and current flow analysis. IEEE Trans., on CADS of Integrated Circuits and Systems. - 2002. - Vol. 11. -№ 11.-pp. 1237-1252.

42. El-Turky F., Репу E.E. BLADES: An artificial intelligence approach to analog circuit design. IEEE Trans, on CAD. - 1989. - Vol. 86. - pp. 680-692.

43. Gielen G.G.E., et al. ISAAC: A symbolic simulator for analog integrated circuits. IEEE Journ. of Solid-State Circuits. - 1989. - Vol. 24. - 6. - pp. 1587-1597.

44. Ochotta E.S., Rutenbar R.A., Carley L.R. Synthesis of high-performance analog circuits in ASTRX/OBLX. IEEE Trans, on CAD. - 1996. - Vol. 153.- 3.-pp. 273-294.

45. Phelps R., et al. ANACONDA: Robust synthesis of analog circuit via stochastic pattern search. IEEE Conf. Custom Integrated Circuit. - 1999. -pp. 26.3.1-26.3.4.

46. Koh H.Y., Sequin C.H, Gray P.R. OPASYN: A complier for CMOS operational amplifiers. IEEE Trans, on CAD. - 1990. - Vol. 9. - 2. - pp. 113-125.

47. Harjani R., Rutenbar R.A., Carley L.R. Analog circuit synthesis and exploration in OASYS. In Proc. IEEE Int. Conf. Computer Design: VLSI Computers and Processors. - 1988. - pp. 44-47.

48. Kruiskamp W., Leenaerts D. DARWIN: CMOS Op Amp synthesis by means of a genetic algorithm. In Proc. 23rd Design Automation Conf.: Association for Computing Machinery. - 1995. - pp. 433-438.

49. Zebulum R.S., Pacheco M.A., Vellasco M.M. Evolutionary Electronics: Automatic Design of Electronic Circuits and Systems by Genetic Algorithms.- CRC Press, 2002.-302 p.

50. Cohoon J.P., Paris W.D. Genetic Algorithms in Engineering Systems, The Institute of Electrical Engineers, London, 1997.

51. Louis S.J., Rawlins J.E. Designer genetic algorithms: genetic algorithms in structure design, ICGA-91, in Proc. of the Fourth International Conference on

52. Genetic Algorithms, Belew R.K., Booker L.B., and Kauffman M., Eds., 1991. -53 p.

53. Шкамардин И.А. Алгоритмы эволюционного проектирования электронных устройств. Журнал «Перспективные информационные технологии и интеллектуальные системы» №4/2004 (20). Таганрог: Изд-воТРТУ, 2004.-с. 39-43.

54. Ridley М. Evolution, second ed., Blackwell Science, Cambridge, 1996.

55. Шаффер Дж. Д., Эшельман JI. Дж. Комбинаторная оптимизация с использованием генетических алгоритмов: важность отличия генотипа от фенотипа. Обозрение прикладной и промышленной математики №5, 1996. Изд-во «ТВП».

56. Шкамардин И.А. «Видообразование в эволюционных алгоритмах». Известия ТРТУ. Тематический выпуск «Интеллектуальные САПР». Таганрог: Изд-во ТРТУ, 2006. №8(63). с. 62-66.

57. Шкамардин И.А. Применение генетических алгоритмов в задачах оптимизации схемотехнических решений. Журнал «Перспективные информационные технологии и интеллектуальные системы» №1/2004 (17). Таганрог: Изд-во ТРТУ, 2004. - с. 23-29.

58. Батищев Д.И. Генетические алгоритмы решения экстремальных задач: Учебное пособие. Воронеж, 1995. - 69 с.

59. Holland, J.H., Adaptation in natural and artificial systems, University of Michigan Press, Ann Arbor, 1975.

60. Гладков Л.А., Курейчик B.B., Курейчик B.M. Генетические алгоритмы: Учебное пособие. Под ред. В.М. Курейчика. М.: Физматлит, 2004 - 402 с.

61. Grimbleby J.B. Automatic analogue network synthesis using genetic algorithms, in Proceedings of the First IEE/IEEE International Conference on Genetic Algorithms in Engineering Systems, 1995. — p. 53.

62. Шкамардин И.А. «Применение генетических алгоритмов при проектировании РЭА». Материалы научно-практической конференции

63. Новые информационные технологии». Таганрог: Изд-во ТРТУ, 2004. с. 266-269.

64. Higuchi Т., Iwata M., Eds. Evolvable Systems: From biology to hardware, Proc. of the First International Conference on Evolvable Systems, (Lecture Notes in Computer Science), vol. 1259, Berlin: Springer-Verlag, 1997.

65. Zebulum R.S., Pacheco M.A., Vellasco M. "Comparison of Different Evolutionary Methodologies Applied to Electronic Filter Design", 1998 IEEE Int. Conf. on Evolutionary Computation, Piscat-away, NJ: IEEE Press, 1998. -pp. 434-439.

66. Gielen G., Sansen W. Symbolic analysis for automated design of analog integrated circuits. Boston, MA: Kluwer, 1991.

67. Navid Azizi. Automated analog circuit design using genetic algorithms. Department of Electrical and Computer Engineering University of Toronto. ECE1352 Reading Assignment, 2001.

68. Hancock, P.J.B. An empirical comparison of selection methods in evolutionary algorithms. Evolutionary Computing, AISB Workshop, Leeds, GB, in Lecture Notes in Computer Science, 865, Fogarty, T.C., Ed., 1994. - p. 80.

69. Иорданский H.H. Эволюция жизни: Учебное . пособие по теории эволюции. М.: Академия, 2001. - 425 с.

70. Blickle, Т. Theory of Evolutionary Algorithms and Application to System Synthesis, Ph.D. thesis. Swiss Federal Institute of Technology, Zurich, 1996.

71. Литвиненко В.И., Фефелов А.А., Ткачук А.А. Генетические алгоритмы в математическом моделировании. Вестник Запорожского Государственного Университета, №2, 2001.

72. Лебедев Б.К. Решение задачи покрытия методами генетического поиска. Журнал «Перспективные информационные технологии и интеллектуальные системы» №3/2004 (19). Таганрог: Изд-во ТРТУ, 2004.

73. Шкамардин И.А. «Использование генетических алгоритмов в задачах параметрического синтеза схемотехнических решений». Материалы международной конференции «Интеллектуальные системы (AIS'06)», М.: Физматлит, 2006. Том 3. с. 70-76.

74. Шкамардин И.А. «Генетические алгоритмы ■ с представлением переменной длины». Известия ТРТУ. Технические науки. Таганрог: Изд-во ТРТУ, 2006-2007. №9. с. 104-105.

75. Goldberg, D.E. Genetic Algorithms in Search, Optimization and Machine Learning. MAs, 1989.

76. Тарасов В.Б. Интеллектуальные системы в проектировании. Новости ИИ, №4,1993.-с. 24-67.

77. Норенков И.П. Разработка систем автоматизированного проектирования. Учебник для вузов. М.: Изд-во МГТУ им. Н.Э. Баумана, 1994. - 207 е., ил.

78. Джексон П. Введение в экспертные системы. М.: Издательский дом «Вильяме», 2001.

79. Уотермен О. Руководство по экспертным системам. М.: Мир, 1989.

80. Попов Э.В. Экспертные системы. М.: Наука, 1987.

81. Малышев Н.Г., Берштейн J1.C., Божешок А.В. Нечеткие модели для экспертных систем в САПР. М.: Энергоатомиздат, 1991.

82. Литвак Б.Г. Экспертные технологии в управлении. М.: «Дело», 2004. -с. 67-68.

83. Дейт К. Введение в системы баз данных (седьмое издание). М.: Вильяме. 2001.

84. Курейчик В.М. Генетические алгоритмы: Состояние. Проблемы. Перспективы. Теория и системы управления РАН, Москва, № 1, 1999. -с. 144-160.

85. Фогель Л., Оуенс А., Уолш М. Искусственный интеллект и эволюционное моделирование. М.: Мир, 1969. - 230 с.

86. Холланд Х.Д. Генетические алгоритмы. В мире науки, №9, 1992. - с. 32-40.

87. Кормен Т., Лейзерсон Ч., Ривест Р. Алгоритмы: построение и анализ. Серия: «Классические учебники». М.: МЦНМО, 1999. - 960 с.

88. Применение математических методов и ЭВМ. Планирование и обработка результатов эксперимента: Учебное пособие. Под общ. ред. Останина А.Н. Минск: Вышэйшая школа, 1989. 218 е.: ил.

89. Митропольский А.К. Техника статистических вычислений. М.: Наука, 1971.-576 е.: ил.

90. Carlos Artemio Coello Coello. An Empirical Study of Evolutionary Techniques for Multiobjective Optimization in Engineering Design. PhD thesis, Department of Computer Science, Tulane University, New Orleans, LA, april 1996.

91. Гилани Ф. C# и наука: применение языковых средств С# в проектах для научных вычислений, электронный ресурс., адрес сайта: http://www.microsoft.eom/Rus/Msdn/Magazine/2004/03/ScienceComputing.m spx

92. Зинченко Л.А., Хабарова И.В. Сравнительный анализ экспериментальных исследований алгоритмов эволюционного моделирования с динамическими параметрами. Известия ТРТУ № 1, Таганрог, ТРТУ, 2002. с. 234-235.

93. Методы генетического поиска. Под редакцией В.М. Курейчика. Изд-во ТРТУ, Таганрог, 2002. 145 с.

94. А.В. Осыка. Экспериментальное исследование зависимости скорости сходимости генетического алгоритма от его параметров. Известия РАН. Теории и системы управления № 5, 1997. с. 100-111.

95. Ю2.Костенко В.А., Смелянский Р.Л., Трекин А.Г. Синтез структур вычислительных систем реального времени с использованием генетических алгоритмов. Программирование, 2000.

96. ЮЗ.Редько В.Г., Цой Ю.Р. Оценка эффективности эволюционных алгоритмов. «Информатика», Томск, 2004. - 16 с.

97. Редько В.Г., Цой Ю.Р. Уточнение оценок эффективности эволюционных алгоритмов. Материалы конференции «Интеллектуальные системы». -Томск, 2005.-6 с.

98. Редько В.Г. Эволюционная кибернетика. -М.: Наука, 2001. 156 с.125