论基于遗传算法的模拟电路优化设计方法

王泽华

(湖南省长沙市中南大学,湖南长沙 410012)

论基于遗传算法的模拟电路优化设计方法

王泽华

(湖南省长沙市中南大学,湖南长沙 410012)

遗传算法可以有效解决电路优化设计面临的速度和规模瓶颈,虽然有固定的编解码方案,但是从结构设计角度看,电路优化的创造空间很大,影响参数可以满足适度调节需要。围绕遗传算法,设定的调节参数,其功能性很强,可以为元件控制设计、电路优化设计提供稳定的运算规范。基于此,本文将结合遗传算法相关内容,深度解析电路优化设计的若干问题。

遗传算法 模拟电路 优化设计 研究方法

电路优化设计空间大,需挖掘的潜在空间很广。编辑模拟器作为电路的核心组件,其自动测试功能、运算功能、间接编码功能必须加速优化,只有这样,电路才能完成“与日俱增”的运算量。遗传算法可以利用放大器、过滤器、三极管等双端元件,适量简化电路的运算操作模式,使其能在标准运算的基础上,自动生成电路结构。

1 编解码方案与仿真技术

编解码是电路自动化设计的关键点,它直接参与到电路结构的构建工作。所以,根据遗传算法原理,编解码需设置多个节点,选择适当、合理的元件种类和个数,使自动生成的电路设计结构能够满足设计需要。同时,仿真技术也应适当升级、更新,因为以网表格为基础的电路结构,其二进制编码的设计需求和模式转型变化复杂,需依靠计算获得。电阻、电容等双端元件的编码计算公式为:

2 适应度评估方法

2.1 子目标集合

电路想满足多个运行要求,所以其电路结构中的运行目标是多样化的。在整合电路结构时,需利用遗传算法的子目标合成优势,转移信号,突显综合目标的主导优势,以顺利完成运算设计的适应度评估工作。

式中, wi表示电路适应度的权值系数,反映遗传算法的优化权重; Fit(X)i表示电路的各子运行目标,待X到达极限值时,子目标便可以统一规划适应度,形成标准的个体集合,集合中的每个参数都能表示电路设计目标。

2.2 权值系数的动态更新

因为遗传算法的标的值具有动态变化的特征,所以与人工神经网络工作原理相同,电路设计结构的权值系数也应随之变化,这样才能显现出电路与遗传算法的统一性和同步性。同时,权值系数的变化情况不是混乱的,是遵循一定规律的,如下:

(0≤a≤常数)

2.3 频响曲线

遗传算法在计算响应频率时,幅度-时间曲线是随着电路设计结构的变化而变化的,个体的电路特性,其运算量仿真效果不明显、不理性、不规范。为此,要想降低误差,使个体适应度能够高度吻合电路设计结构,遗传算法必须利用频响曲线,丰富设计功能。简化公式为:

式中, fj表示电路设计频率采样位置;表示理想状态下,遗传算法计算出来的频响特性表示电路实际运行状态下的仿真效果。

3 遗传参数调整策略

通过上文分析可知,遗传算法在电路设计中各参量值、权值系数计算上起到了很强的影响作用,在没有确定交叉概率之前,Pc和变异概率对电路设计的影响也很大。为此,要防止电路低能粗略搜索,影响结构稳定,需适当调整遗传参数,并根据其变化情况,分析整体电路设计的优化策略,具体内容如下。

3.1 确定基因段的取值范围

因为电路中染色体对子目标的控制能力有限,所以染色体中的基因段很难测试出遗传参数的变化范围。如果电路的遗传进程被改变,则电路的响应功能会立即崩溃,相应元件的功能性也会随即减弱。由此可见,遗传参数调整策略的首要前提是,优化内容需根据基因段的取值范围,测算元件类型、遗传进程、遗传参数变化等内容。

3.2 电路结构、类型的统一设定

除基因段之外,电路的结构类型也会干扰遗传算法的准确度,在高位序基因段中,电路子目标所体现的权值系数根本无法解决结构差异问题,也无法满足调节遗传参数系数的运行要求。因此,电路优化设计需采用“先定结构,后定参数”的设计模式,在排除个体适应度影响的基础上,合理分配电路各设计层的工作任务和设计要求,尽可能做到“共同决定”。同时,如果调整后的遗传参数仍不能满足电路正常运行,则应从电路设计入手,根据信号响应力差异,缩短检索范围,增强遗传进程的主导能力,提高遗传运算量。

3.3 增进遗传参数的相互配合

因为遗传运算进化中隐含多个电路结构,其设计参数、结构变化区段、系数取值范围各不相同,为连接不同阶段的层级电路,需利用遗传参数的交叉概率、变异概率,测算电路拓扑结构的影响范围,并确定元件类型。如果支撑电路的元件、遗传参数、电路规模无法满足适应度,深受其他设计要素影响,则需在保持电路基本设计结构的基础上,调节各元件参数。

4 结语

通过上文对遗传算法在电路优化设计中的应用内容进行系统分析可以,可自动生成的电路结构,其元件参数、设计结构、运行特点都是可计算的,通过优化元件参数,逐步得到具备预期功能且经过简化的电路,是最为有效的电路优化设计方法。

[1]殷时蓉,陈光,谢永乐.基于遗传算法的模拟电路故障诊断激励优化[J].测控技术,2007,13(06):120-122.

[2]游海龙,贾新章,王少熙.基于遗传算法的Kriging元模型及其在模拟集成电路优化设计中的应用[J].半导体学报,2007,12(08):1325-1329.