Abstract—This paper discusses novel

Abstract—This paper discusses novel dedicated hardware architecture for hybrid optimization based on Genetic algorithm (GA) and Simulated Annealing (SA). The proposed architecture achieves high speed processing. Moreover, it achieves the searching not only globally, but also locally. To keep general purpose, self-control processing by a handshake system is introduced. By adopting the handshake system, the proposed architecture can be applied to various combinatorial
optimization problems by only changing an encoder, a decoder, and an evaluation circuit. Furthermore, the proposed architecture realizes flexibility for many genetic operations on
GA. In order to evaluate the proposed architecture, we conduct two kinds of experiments. One is an experiment which applies the proposed architecture to TSP, and the other is an experiment which applies it to VLSI floorplanning. These experiment results prove that the proposed architecture achieves high speed processing, while keeping the quality of the solutions.
Index Terms—Genetic algorithm, Simulated annealing,
Dedicated hardware, General-purpose properties
I. INTRODUCTION
Genetic Algorithm (GA)[1] was proposed by Holland as
an algorithm for probabilistic search, learning, and
optimization, and is based in part on the mechanism of
biological evolution and Darwin’s theory of evolution. This
algorithm is a powerful search tool, particularly when applied
for combinatorial optimization problems[2]-[7]. However,
the implementation of an efficient GA often faces two major
problems, on one side, the premature convergence to local
optima and on the other the requirements for the GA search
of long times in order to reach an optimal or a good
suboptimal solution.
In order to prevent the premature convergence, the
coupling of GA and one point search algorithm (local search
algorithm), such as Simulated Annealing (SA)[8]-[11], to
form hybrid GA can be advantageous. SA repeatedly
generates succeeding solutions using the local search
procedure. Some of them are accepted and some will be
rejected, according to a predefined acceptance rule. The
acceptance rule is motivated by an analogy with annealing
processes in metallurgy as shown in Fig.1 (a).
On the other hand, GA repeatedly propagates generation

Kết quả (Việt) 1:

Trừu tượng-bài báo này thảo luận về cuốn tiểu thuyết phần cứng chuyên dụng kiến trúc để tối ưu hóa kết hợp dựa trên thuật toán di truyền (GA) và làm cho deo mô phỏng (SA). Kiến trúc đề xuất đạt được tốc độ cao chế biến. Hơn nữa, nó đạt được các tìm kiếm không chỉ trên toàn cầu, nhưng cũng tại địa phương. Để giữ cho mục đích chung, tự kiểm soát xử lý bởi một hệ thống bắt tay được giới thiệu. Bằng việc áp dụng hệ thống bắt tay, kiến trúc được đề xuất có thể được áp dụng cho tổ hợp khác nhautối ưu hóa các vấn đề bằng cách thay đổi chỉ một bộ mã hóa, một bộ giải mã, và một mạch đánh giá. Hơn nữa, kiến trúc được đề xuất nhận ra sự linh hoạt cho nhiều hoạt động di truyền trênDAM Để đánh giá đề xuất kiến trúc, chúng tôi tiến hành hai các loại thí nghiệm. Một là một thử nghiệm áp dụng kiến trúc được đề xuất để muỗng cà phê, và khác là một thử nghiệm áp dụng nó cho VLSI floorplanning. Các kết quả thử nghiệm chứng minh rằng kiến trúc được đề xuất đạt được tốc độ cao chế biến, trong khi vẫn giữ chất lượng của các giải pháp.Chỉ số điều khoản — thuật toán di truyền, mô phỏng làm cho deo,Phần cứng chuyên dụng, thuộc tính đa năngI. GIỚI THIỆU Thuật toán di truyền (GA) [1] được đề xuất bởi Holland nhưmột thuật toán cho xác suất tìm kiếm, học tập, vàtối ưu hóa, và được dựa một phần trên cơ chếsự tiến hóa sinh học và lý thuyết tiến hóa của Darwin. Điều nàythuật toán là một công cụ tìm kiếm mạnh mẽ, đặc biệt là khi áp dụngcho các vấn đề tối ưu hóa tổ hợp [2]-[7]. Tuy nhiên,thực hiện một GA hiệu quả thường phải đối mặt với hai chínhvấn đề, trên một mặt, hội tụ sớm để localOptima và mặt khác yêu cầu đối với GA tìm kiếmLong lần để đạt được một tối ưu hoặc một tốtsuboptimal giải pháp.Để ngăn chặn sự hội tụ sớm, cáckhớp nối của GA và một trong những điểm giải thuật tìm kiếm (tìm kiếm địa phươngthuật toán), chẳng hạn như mô phỏng ủ (SA) [8]-[11], đếnhình thức lai GA có thể được thuận lợi. SA liên tụctạo ra các giải pháp thành công bằng cách sử dụng tìm kiếm địa phươngthủ tục. Một số người trong số họ được chấp nhận và một số sẽbị từ chối, theo một quy tắc được xác định trước chấp nhận. Cácchấp nhận quy tắc thúc đẩy bởi một tương tự với tôiquy trình trong ngành luyện kim như thể hiện trong Fig.1 (a).Mặt khác, GA liên tục lan truyền thế hệ

Kết quả (Việt) 2:

Tóm tắt Bài viết này thảo luận về-tiểu thuyết kiến trúc phần cứng chuyên dụng để tối ưu hóa hybrid dựa trên thuật toán di truyền (GA) và Simulated Annealing (SA). Các kiến trúc đề xuất đạt tốc độ xử lý cao. Hơn nữa, nó đạt được không chỉ tìm kiếm trên toàn cầu, nhưng cũng tại địa phương. Để giữ cho mục đích chung, xử lý tự kiểm soát bằng một hệ thống bắt tay được giới thiệu. Bằng việc áp dụng hệ thống bắt tay, những kiến trúc được đề xuất có thể được áp dụng cho các tổ hợp khác nhau
các vấn đề tối ưu hóa bằng cách chỉ thay đổi một bộ mã hóa, giải mã, và một mạch đánh giá. Hơn nữa, các kiến trúc đề xuất nhận ra sự linh hoạt cho nhiều hoạt động di truyền
GA. Để đánh giá các kiến trúc đề xuất, chúng tôi tiến hành hai loại thí nghiệm. Một là một thử nghiệm mà áp dụng các kiến trúc đề xuất để TSP, và người kia là một thử nghiệm mà áp dụng nó để VLSI floorplanning. Những kết quả thí nghiệm chứng minh rằng các kiến trúc đề xuất đạt tốc độ xử lý cao, trong khi vẫn giữ chất lượng của các giải pháp.
Index Điều khoản-Genetic thuật toán, ủ Simulated,
phần cứng chuyên dụng, tài sản chung mục đích
I. GIỚI THIỆU
Genetic Algorithm (GA) [1] đã được đề xuất bởi Hà Lan là
một thuật toán để tìm kiếm xác suất, học tập, và
tối ưu hóa, và được dựa một phần vào cơ chế của
quá trình tiến hóa sinh học và lý thuyết tiến hóa của Darwin. Đây
là một thuật toán công cụ tìm kiếm mạnh mẽ, đặc biệt khi áp dụng
cho bài toán tối ưu tổ hợp [2] - [7]. Tuy nhiên,
việc thực hiện một GA hiệu quả thường phải đối mặt với hai chính
vấn đề, ​​trên một mặt, sự hội tụ quá sớm để địa phương
optima và trên các yêu cầu cho việc tìm kiếm GA khác
của thời gian dài để đạt được tối ưu hoặc một tốt
giải pháp tối ưu.
Trong Để ngăn chặn sự hội tụ sớm, các
khớp nối của GA và một điểm thuật toán tìm kiếm (tìm kiếm địa phương
thuật toán), chẳng hạn như Simulated Annealing (SA) [8] - [11], để
tạo lai GA có thể được thuận lợi. SA liên tục
tạo thành công các giải pháp sử dụng tìm kiếm địa phương
làm thủ tục. Một số trong số họ được chấp nhận và một số sẽ được
từ chối, theo một quy tắc chấp nhận được xác định trước. Các
quy tắc chấp nhận được thúc đẩy bởi một tương tự với ủ
quá trình luyện kim như trong hình 1 (a).
Mặt khác, GA tục lan truyền thế hệ