Open Daily: 10am - 10pm | Alley door pickup 10am - 7pm 3038 Hennepin Ave Minneapolis, MN
612-822-4611

  • Open Daily: 10am - 10pm
    Alley-side Pickup: 10am - 7pm

    3038 Hennepin Ave Minneapolis, MN
    612-822-4611

Open Daily: 10am - 10pm | Alley-side Pickup: 10am - 7pm
3038 Hennepin Ave Minneapolis, MN
612-822-4611
Anwendung und Optimierung eines Plazierungssystems für FPGAs basierend auf einem fuzzygesteuerten genetischen Algorithmus

Anwendung und Optimierung eines Plazierungssystems für FPGAs basierend auf einem fuzzygesteuerten genetischen Algorithmus

Bodenstein, Matthias

Paperback

Technology & EngineeringGeneral Computers

ISBN10: 3838617630
ISBN13: 9783838617633
Publisher: Diplom.de
Published: Sep 3 1999
Pages: 184
Weight: 0.54
Height: 0.42 Width: 5.83 Depth: 8.27
Language: German
Inhaltsangabe: Einleitung: Das Plazierungsproblem bei FPGA-Chips stellt eine interessante Optimierungsaufgabe dar, zu der es bislang noch keine optimale Lösungsstrategie gibt. Der FloorPlanner versucht das Problem durch Einsatz eines genetischen Algorithmusses (GA) zu lösen, dessen Parameter dynamisch durch einen Fuzzy-Regler gesteuert werden. Er wurde 1995 von HENRIK PUTZER im Rahmen einer Diplomarbeit entwickelt, konnte aber bisher nur wenig praktisch eingesetzt werden. Diese Arbeit hat nun das Ziel, diesen letzten Schritt zu vollenden, und den FloorPlanner praxistauglich zu machen. Das beinhaltet im Wesentlichen die folgenden Punkte: - Implementierung der Güteberechnung für verschiedene Bewertungskriterien, mit denen sich eine konkrete Plazierung beurteilen lä t. - Erweiterung der genetischen Operatoren des Gas. - Optimierung des Fuzzy-Reglers. - Test und Performancebeurteilung des optimierten Fuzzy-Reglers. Zum Verständnis dieser Arbeit wird empfohlen, die zugrundeliegende Diplomarbeit [9] zu lesen, auf die an vielen Stellen verwiesen wird. Gang der Untersuchung: In Kapitel 2 werden alle neu implementierten Erweiterungen des FloorPlanners zusammengefa t. Erstens ist das die Implementierung der Güteberechnungen für den aus insgesamt 8 Elementen bestehenden Bewertungsvektor. In Kapitel 3 werden mit Hilfe von Tests die GA-Parameter für einen GA mit statischen Parameter optimiert. Dieser optimierte GA kann dann später für Vergleiche mit fuzzy-geregelten GAs verwendet werden, um den durch den Fuzzy-Regler erzielten Performancegewinn besser beurteilen zu können. Kapitel 4 befa t sich mit dem eigentlichen Kern dieser Arbeit, der Optimierung des Fuzzy-Reglers, wobei zwei verschiedene Strategien verfolgt werden sollen. Mit der ersten Strategie sollen einzelne Fuzzy-Regeln bzw. kleine Mengen von Fuzzy-Regeln einzeln darauf getestet werden, ob ihr Einsatz lohnenswert ist. Der optimierte Fuzzy-Regler setzt sich dann aus der Kombination der im Test erfolgreichen Ei

Also in

Technology & Engineering

View All