一、硬件演化技术及其应用基础研究（论文文献综述）
卜亚男[1]（2014）在《基于支持向量机的单变量非线性时间序列研究》文中提出单变量非线性时间序列广泛存在于金融、物理、工程、气象等领域中。对非线性时间序列预测可以帮助人类控制、管理以及规划未来，确保资源有效利用和收益最大化。更加重要的是它可以帮助人类规避风险。因此，对非线性时间序列进行研究具有重大的理论意义和实用价值。在单变量非线性时间序列建模过程中，首要解决的问题是预测模型中滞后阶数的确定，在混沌时间序列中表现为延迟时间间隔和嵌入维数的确定。目前，单独确定延迟时间间隔的方法有：自相关函数法、平均互信息法和重构展开法等。单独确定嵌入维数的方法有：试算法、虚假邻近点法和奇异值分解法等。联合确定延迟时间间隔和嵌入维数的方法有C-C方法等。遗憾的是，上述所有方法在求延迟时间间隔和嵌入维数时都没有结合模型的预测效果进行评估，因此未必是最优的参数。近年来，研究学者提出了利用智能算法选择相空间重构的最优参数，具有一定的自适应性，但该方法仅单独考虑相空间重构参数的优化或者模型参数的优化。基于遗传算法（GA）和支持向量回归机（SVR）的优点，本文利用GA联合优化滞后阶数（在混沌时间序列中表现为相空间重构参数）和SVR参数，通过选择预测效果最优的模型来确定最优参数。为了说明本文方法的有效性，我们在四个混沌时间序列和两个非线性时间序列上做了实验。实验结果表明：新的方法具有更好的预测效果。
刘春草[2]（2014）在《基于改进遗传算法的电路进化容错修复技术研究》文中认为演化硬件是一种将进化算法与可重构器件有机结合的硬件系统，其研究的开展在实现电子系统自适应、自修复功能方面具有重要的理论意义和实用价值。演化硬件包含两个重要的研究领域：电路进化设计和实时自适应系统。本文以基于硬件演化技术的电路进化设计的相关技术为背景，对以下内容进行研究：在阐述电路进化的基本原理和实现方法的基础上，针对数字电路拓扑结构特点，将其与人工神经网络进行映射，构建了类神经网络电路模型，研究了矩阵编码算子及染色体编码方式，为电路进化与修复提供了基础。在讨论遗传算法分类和特点的基础上，针对电路进化前期，适应度增长迅速，进化后期，适应度增长“停滞”现象，设计了改进自适应遗传算法。该算法采用跨世代精英保留机制与轮盘赌相结合的混合算子协同自适应策略共同作用，保证算法的全局搜索性和收敛速度；引入多亲本并行变异思想，提高进化后期收敛速度，为电路进化与修复提供算法基础。在分析电路模型与编码结构特点的基础上，设计了电路故障快速诊断方法和基于同层冗余单元的快速重构方法，对能够实现故障定位的故障单元用同层的冗余单元进行替换；对不能实现快速重构的电路，进行电路修复。文中构建了电路进化与修复实验仿真平台，并以其为基础进行了一位全加器与二位乘法器的进化与电路修复实验，实验结果表明，用演化硬件方法实现简单电路的进化与修复是可行的。
李海霞[3]（2014）在《高分辨率遥感影像对象分类方法研究及其城乡规划监测应用》文中提出随着遥感技术的发展,更高空间分辨率的航天遥感数据产品不断出现,以及航空遥感技术的日臻成熟,为城乡规划遥感监测提供了有效而适用的数据源。本文以WorldView-Ⅱ卫星遥感数据结合高分辨率的航空遥感数据,针对我国迅速城市化过程中城乡规划与建设的监测问题,开展适合高空间分辨率遥感影像的面向对象特征构建、特征选择和城市地物分类等技术研究,并进一步应用于城乡规划的控制性详细规划监测。主要研究内容与结果如下：（1）在影像多尺度分割生成对象的基础上,研究了对象特征构建算法,重点研究了城市地物较突出的纹理特征和形状特征构建算法。首先研究了基于半变异函数的纹理计算尺度问题,并进一步研究了基于灰度共生矩阵的对象纹理特征计算算法。针对城市建筑地物形状规整的特点,研究了多种形状特征计算算法。（2）分割后的高分遥感影像对象有光谱、纹理和形状等多种特征的特点,众多特征参与分类,分类效率会降低,但分类精度也未必能提高。针对面向对象分类有益特征选择问题,研究了对象特征选择的技术流程,首先基于改进的ReliefF去除无关特征,再利用特征间的互信息初步去除冗余特征,形成特征粗集,最后利用遗传算法,以类内、类间距离为适应度函数,对影像对象分类的最优特征子集进行搜索和评价,最终得到有益于城乡地物对象分类的特征子集。（3）针对面向对象分类的小样本问题,结合SVM适合小样本的特点,本文针对基于SVM的面向对象分类中的部分环节进行了研究。针对径向基核函数SVM的C和γ参数对分类精度影响大的问题,在前人研究的基础上,结合城市监测的需要,研究了三步搜索法的参数优化算法。SVM是针对二分类问题,本文设计了多类分类的流程,即在投票法SVM分类的基础上,进一步利用最近邻法,对票数相同或相差一票的情况进一步分类。最后,以北京市某2个区域为研究区,以高分辨率的WorldView-Ⅱ航天卫星遥感影像为数据源,辅以研究区航空遥感影像,构建遥感城乡土地利用分类体系。在影像分割的基础上,利用本文研究的特征构建算法、特征优选技术流程,以及基于改进SVM分类算法,完成研究区的城市地类分类。最后以研究区的城市规划图为依据,对该区域的城市规划执行情况进行监测和评价。
张青[4]（2014）在《基于演化硬件的电磁仿生电路分析》文中提出演化硬件（Evolvable Hardware, EHW）是一项集合了可编程逻辑器件、人工智能学、自动控制系统和容错机制学的多学科研究。它实质上是一种硬件电路，可依据外部环境的变化而动态地、自主地改变自身的结构和功能以适应周围生存环境的变化。目前，EHW技术是实现电磁仿生电路初期研究的技术平台和实验基础，以实现繁杂电路的自动设计、从而获得新颖、优化和具备自我修复功能的电路系统结构为研究目的；包括演化算法（Evolutionary Algorithm, EA）和可编程逻辑器件（ProgrammableLogic Devices, PLDs）两方面内容，是二者的有机融合。本论文分析了进化算法的实现及可编程器件的编码配置，以Xilinx公司的Spartan3E系列开发板为演化实验平台、以硬件设计工具集成软件开发环境（IntegratedSoftware Environment, ISE）及嵌入式开发套件（Embedded Development Kit, EDK）相结合，研究了基于现场可编程门阵列（Field Programmable Gate Array, FPGA）的软硬件协同工作模式，并完成了对简单数字电路的在片自演化设计。具体工作为：1、硬件系统设计构建了基于虚拟可重构技术（Virtual Reconfigurable Circuits, VRC）的可编程片上系统（System On Programmable Chip, SOPC）自演化过程的硬件电路，该部分内容包括对虚拟可重构电路阵列及Microblaze软核处理器的建立。其中，虚拟可重构电路是演化硬件实现的演化模板，而Microblaze处理器完成对该虚拟可重构电路的可进化核（Intelligent Property, IP）定制，二者相连并通过硬件描述语言设计、生成配置位流被下载至可编程器件内运行。2、软件系统的应用开发设计编制了演化算法的C语言程序，并确定算法的运行参数以实现对可进化核的演化操作。依据适应度值评估标准找到最优个体，通过Microblaze和VRC之间通信的建立，将最优个体配置给VRC电路，运行、得到满足功能要求的目标演化电路。3、实验验证以2位乘法器和加法器为例，验证了硬件电路的内部进化设计过程。结果显示，演化硬件在数字电路的自动设计和优化方面的自主特性，较传统电路而言，设计者可以在不具备任何关于电路的先验知识条件下完成对电路的设计。
吕小巧[5]（2010）在《一种基于FPGA的改进遗传算法硬件设计研究》文中进行了进一步梳理遗传算法（GA）作为一门新兴学科,从二十世纪八十代开始迅速发展。遗传算法存在自然并行性,而并行遗传算法作为GA的一个重要分支,也得到越来越多专家们的重视。本论文针对传统并行遗传算法容易早熟并且收敛速度慢的问题,提出一种改进的并行遗传算法。并将这种算法应用到FPGA中,从硬件实现的角度提高算法的收敛速度。本论文的主要工作和创新点有以下几个方面:（1）将遗传算法天然的并行性与FPGA （Field Programmable Gate Array）本质上的并行特性结合起来,提出了一种基于FPGA的改进的并行遗传算法。该算法由几个独立的子群体组成,各个子群体并行的、独立的运行改进的并行遗传算法,当进化到满足迁移条件时,通过迁移算子的引用,在子群体之间进行最优个体的迁移,促进群体的共同进化,并抑制群体早熟。（2）采用FPGA进行硬件实现的特点,本论文选取二进制编码的方法作为设计遗传算法的关键步骤,选取比例选择算子来避免基因缺失,提高全局收敛性和计算效率,同时采用双点交叉的交叉算子进行部分基因的变换,从而产生新的个体,最后使用变异算子来调整个体编码串中的部分基因值,从局部的角度出发使个体更加逼近最优解,从而提高了遗传算法的局部搜索能力。（3）依据硬件模块化的思想,建立一个可靠、有效的模块化的改进遗传算法的设计流程,包括整个硬件体系结构、子种群内部的模块划分和流水线操作等步骤。（4）详细介绍各个功能模块的工作过程,利用硬件描述语言编写各个模块的源代码。并在Xilinx公司ISE10.1的集成环境下完成功能仿真、综合、布局布线、时序仿真、下载等一系列步骤,最终验证设计的正确性。（5）按照本论文提出的模块化设计思路完成了一个基于FPGA的改进的并行遗传算法的模块化设计与实现,利用具体的测试函数检验算法性能。实验表明,利用硬件来实现改进的并行遗传算法,不仅结构简单,而且大大提高了算法的运算速度,为算法在实时、高速场合的应用打下基础。
吴彩华,彭世蕤,李海鸿,刘俊涛[6]（2009）在《利用演化硬件技术提高控制系统可靠性的新方法》文中研究说明利用演化硬件技术改进了提高控制系统可靠性的传统方法,即在控制系统中增加演化装置,依靠演化算法实现系统的自维护和自修复,以此进一步提高系统的可靠性.并以改进FPGA实现的三模块冗余系统为例,详细说明了改进的方法,对改进后的系统进行了可靠性分析,结果表明,改进后的三模块冗余系统能够更持久的正常运行.
关琳[7]（2008）在《基于Bitstream的演化硬件适应度评估技术研究》文中研究表明随着单芯片集成度不断提高至接近十亿量级,传统的基于EDA工具软件的人工设计方法所能提供的设计能力越来越达不到市场的要求,演化硬件作为一种有希望的解决方案成为了计算机体系结构和电子设计自动化领域的研究热点。而支持动态部分可重构技术的FPGA器件的出现,为演化硬件的不断发展提供了良好的研究和设计平台。本文研究了基于Bitstream技术的动态部分可重构FPGA的演化硬件技术,并基于Xilinx公司的Virtex-Ⅱpro系列FPGA设计了演化硬件模型,称之为B-Chameleon平台。本文首先分析了演化硬件适应度评估的要求,根据其对速度的要求,决定采用动态部分可重构技术来实现这一目标。然后分析了动态部分可重构技术的原理,详细分析了Virtex-Ⅱpro系列FPGA所支持的三种主要的重构方式。由于基于Bitstream的技术相比于模块化技术和基于硬件宏差异技术更加灵活且生成的下载位串更少,重构速度更快,因而更加适合演化硬件应用。接下来本文根据实际情况,分析了实验所用平台的Bitstream的结构,设计了B-Chameleon平台原型,将基于Bitstream的动态可重构技术应用到演化硬件的适应度评估中。首先,将演化硬件的适应度评估过程分解为回读、过滤、修改、配置和测试五个功能模块并分析了使用该平台的耗时和评估的精确性;然后,为验证设计的正确性,基于Xilinx公司的XUP系列FPGA开发板对所设计B-Chameleon平台原型的Bitstream的配置和回读进行了实验验证。为避免非法的Bitstream对器件可能造成的损坏,对过滤Bitstream的相关算法进行了分析。
刘睿[8]（2006）在《组合电路设计演化算法及软件框架》文中提出演化计算是人工智能领域中的基于生物进化理论的一个分支。它模拟自然界生物演化过程，采用某种编码技术表示问题的可能解，并通过对编码表示进行遗传操作和自然选择来解决问题。由于演化计算具有自组织、自适应、自学习等智能特性，同时拥有且描述简单、使用灵活、易于操作和对问题要求的限制条件少、以及适合于大规模并行计算等特点，它已在复杂优化问题求解、机器学习和众多工程领域中取得了很大成功，成为许多科学关注的一个热点。演化硬件是由演化算法衍生出的一个分支。是将演化算法和计算机硬件结合的一个全新领域，演化硬件的目的是赋予硬件和生物一样的自适应、自修复、自学习特性。这个概念在1992年由Hugo de Garis和瑞士联合工学院共同提出。在1992年，H．deGaris与一位电子工程师讨论硬件时，获悉可编程集成电路，如PLD的结构是由结构位串决定的，由此想到将结构位串作为演化算法中的染色体，通过演化计算来完成硬件功能的设计。十余年来，演化硬件随着演化计算和可编程器件的进展，发展成为演化计算领域中一个很有活力的分支。美国宇航局（NASA）对演化硬件非常重视，专门成立了演化硬件小组进行演化硬件的研究，并且每年召开一次国际演化硬件大会，推动演化硬件的研究发展。日本对演化硬件也非常重视，Higuchi教授等的研究得到了日本政府的大力支持，取得了很多令人瞩目的成果。欧洲近年来的演化硬件研究发展很快，也引起了欧洲空间局的关注，今年就将在土耳其召开2006年自适应硬件系统国际会议（AHS 2006）。另外，在墨西哥等国也开展了演化硬件的研究。这些年来，演化天线、机器自学习、自适应容错等领域的研究都取得了很多成果。这些成果，初步展现了演化硬件的应用前景。 但是，同时我们也应该看到，在演化硬件使用的演化算法方面，近年来并没有很大的提高，演化硬件的主要成果，还是局限于如何将演化硬件模型应用到各种可重配置器件上。算法上难以突破，导致演化硬件的成果还停留在一个较低的层次上，很难大范围，大规模的应用。例如J．F．Miller等的演化开方函数、Sin函数电路，A．Stoica等进行的演化正弦波发生器[14]等等，虽然取得了一些成果，但还是在实现过程中避开了算法的某些难点，并且应用的规模都不大。演化硬件算法难于实现的原因主要有以下几点： 1．演化硬件问题描述困难 2．硬件结构复杂，算法搜索域大 3．演化硬件需要实现精密的电路设计，99％意味着0％，问题的求解条件高 4．演化硬件涉及的问题是一个全新的问题。旧有的演化计算方法不适合对其进行求解 5．电路个体及其适应度之间不具备线性关系，难以凸显演化算法的优势 6．演化硬件研究对实验设备要求高，其中一些设备需要专门定制，研究起点高 这些难点中的每一个，解决起来都非常困难，要设计适用于演化硬件的算法，就必须寻求解决这些难点的方法，如果只是一味的去规避，就会导致演化硬件很大的局限性，这
曲瀛[9]（2002）在《硬件演化技术及其应用基础研究》文中提出本文系统介绍了硬件演化技术的原理和实现方法，重点分析了硬件演化的演化算法，对其应用基础技术进行了深入的研究。 论文首先对课题的研究依据、研究方法和研究内容、硬件演化技术和可演化的可编程芯片进行了介绍。然后详细阐述了基本演化算法和改进演化算法的实现方法。结合Altera公司ClassicEP610芯片的结构，研究了将演化算法应用于函数级数字组合逻辑电路的硬件演化，并且对典型实例进行了详细分析。最后，对课题进行了总结，并给出了开展后续研究的建议。 仿真实验结果证明了改进演化算法对于实现函数级数字组合逻辑电路的硬件演化是可行的，并且提高了演化算法的演化效率和收敛性能。
二、硬件演化技术及其应用基础研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、硬件演化技术及其应用基础研究（论文提纲范文）
（1）基于支持向量机的单变量非线性时间序列研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 选题背景及研究意义 |
| 1.2 国内外研究现状 |
| 1.3 研究目标、内容及方法 |
| 1.4 本文创新之处 |
| 1.5 本文组织结构 |
| 第二章 单变量时间序列 |
| 2.1 时间序列分类 |
| 2.2 时间序列预测模型 |
| 2.2.1 单变量线性时间序列预测模型 |
| 2.2.2 单变量非线性时间序列预测模型 |
| 2.3 混沌时间序列 |
| 2.3.1 相空间重构 |
| 2.3.2 延迟时间间隔τ的选择 |
| 2.3.3 嵌入维数 m 的选择 |
| 2.3.4 延迟时间间隔τ和嵌入维数m 联合选择 |
| 2.4 本章小结 |
| 第三章 遗传算法和支持向量回归机 |
| 3.1 遗传算法(GA) |
| 3.1.1 遗传算法流程 |
| 3.1.2 遗传算法实现手段 |
| 3.2 支持向量回归机(SVR) |
| 3.2.1 支持向量机原理 |
| 3.2.2 支持向量回归机 |
| 3.3 本章小结 |
| 第四章 支持向量回归机在时间序列中的应用 |
| 4.1 预测效果评价指标 |
| 4.2 数据预处理 |
| 4.3 GA-SVR 时间序列预测模型 |
| 4.4 GA-SVR 仿真实验 |
| 4.4.1 混沌时间序列仿真实验 |
| 4.4.2 非线性时间序列仿真实验 |
| 4.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（2）基于改进遗传算法的电路进化容错修复技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 论文的研究背景与意义 |
| 1.1.1 演化硬件的概念 |
| 1.1.2 演化硬件的研究背景与意义 |
| 1.2 国内外研究现状及发展趋势 |
| 1.2.1 国外研究概况与主要成果 |
| 1.2.2 国内研究概况与主要成果 |
| 1.3 研究内容与论文结构 |
| 第2章 电路进化基本原理与方法 |
| 2.1 电路进化基本原理 |
| 2.1.1 电路进化设计原理 |
| 2.1.2 电路进化实现方法 |
| 2.2 电路进化方法研究 |
| 2.2.1 编码方法 |
| 2.2.2 电路进化算法 |
| 2.2.3 适应度评估方法 |
| 2.3 电路进化实例分析 |
| 2.4 本章小结 |
| 第3章 电路进化算法分析 |
| 3.1 进化算法概述 |
| 3.1.1 进化算法基本思想 |
| 3.1.2 遗传算法的基本流程 |
| 3.1.3 遗传算法基本实现技术 |
| 3.2 遗传算法分析与比较 |
| 3.2.1 CHC 算法 |
| 3.2.2 自适应遗传算法 |
| 3.3 提高遗传算法搜索效率的途径 |
| 3.4 本章小结 |
| 第4章 基于电路进化的改进遗传算法 |
| 4.1 改进自适应遗传算法 |
| 4.1.1 遗传概率自适应的必要性 |
| 4.1.2 遗传概率自适应策略 |
| 4.1.3 遗传算子设计 |
| 4.1.4 演化修复算子 |
| 4.2 算法运行机理及流程 |
| 4.3 算法验证 |
| 4.4 本章小结 |
| 第5章 数字电路进化及容错修复实验 |
| 5.1 电路进化与修复实验设计 |
| 5.1.1 电路进化模型构建 |
| 5.1.2 染色体编码方式设计 |
| 5.1.3 适应度函数设计 |
| 5.1.4 实验平台模块结构设计 |
| 5.1.5 测试数据集设计 |
| 5.2 电路进化实验 |
| 5.2.1 一位全加器进化实验 |
| 5.2.2 二位乘法器进化实验 |
| 5.3 故障电路修复实验 |
| 5.3.1 修复原理 |
| 5.3.2 修复系统设计 |
| 5.3.3 一位全加器电路修复 |
| 5.3.4 二位乘法器电路修复 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
（3）高分辨率遥感影像对象分类方法研究及其城乡规划监测应用（论文提纲范文）
| 摘要 |
| Abstract |
| 目录 |
| 图表目录 |
| 第一章 绪论 |
| 1.1 研究意义 |
| 1.2 国内外研究现状 |
| 1.3 论文研究目标和主要内容及技术路线 |
| 1.4 论文章节安排 |
| 第二章 研究区与数据及数据预处理 |
| 2.1 研究区概况 |
| 2.2 研究区数据 |
| 2.3 遥感影像处理 |
| 2.4 本章小结 |
| 第三章 高分辨遥感影像对象特征表达算法研究 |
| 3.1 影像多尺度分割对象生成 |
| 3.2 对象特征计算算法研究 |
| 3.3 本章小结 |
| 第四章 遥感影像对象特征选择方法研究 |
| 4.1 对象特征选择概述 |
| 4.2 特征选择相关理论方法基础 |
| 4.3 面向对象分类特征选择方法 |
| 4.4 基于ReliefF的无关特征与筛除 |
| 4.5 基于特征间互信息的冗余特征剔除 |
| 4.6 基于遗传算法的特征子集选择 |
| 4.7 本章小结 |
| 第五章 基于SVM城乡地物类型识别及城乡规划监测应用 |
| 5.1 SVM基本原理 |
| 5.2 SVM参数优选 |
| 5.3 多类SVM |
| 5.4 高分遥感信息提取在城乡规划监测应用示例 |
| 5.5 本章小结 |
| 第六章 结论与展望 |
| 6.1 研究总结与结论 |
| 6.2 创新点 |
| 6.3 研究展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（4）基于演化硬件的电磁仿生电路分析（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景、意义 |
| 1.1.1 课题研究背景 |
| 1.1.2 课题研究意义 |
| 1.2 研究现状 |
| 1.2.1 电磁仿生防护的研究现状 |
| 1.2.2 演化硬件的研究现状 |
| 1.2.3 数字电路演化的研究现状 |
| 1.3 论文思路和内容安排 |
| 第二章 演化硬件原理 |
| 2.1 演化硬件简述 |
| 2.1.1 演化硬件的定义 |
| 2.1.2 演化硬件的特点 |
| 2.1.3 演化硬件的分类 |
| 2.2 演化硬件的基本原理 |
| 2.2.1 EHW 的理论基础 |
| 2.2.2 EHW 的基本原理 |
| 2.3 演化硬件的实现方法 |
| 2.3.1 EHW 的研究方法 |
| 2.3.2 EHW 的实现方式 |
| 2.4 基于 SOPC 技术的演化方法 |
| 2.4.1 硬件描述语言 HDL |
| 2.4.2 SOPC 技术 |
| 2.5 本章小结 |
| 第三章 组合逻辑电路的演化设计与实现 |
| 3.1 数字电路网络模型建立 |
| 3.1.1 多层前馈神经网络结构模型 |
| 3.1.2 多层前馈数字电路网络模型 |
| 3.2 虚拟可重构技术 |
| 3.2.1 虚拟可重构技术的背景 |
| 3.2.2 虚拟可重构演化电路的原理 |
| 3.3 基于 VRC 技术的在片演化设计 |
| 3.3.1 演化硬件的实现平台搭建及软件环境介绍 |
| 3.3.2 虚拟可重构电路 VRC 模型的建立 |
| 3.3.3 Microblaze 软核处理器设计 |
| 3.3.4 适应度值计算 |
| 3.4 本章小结 |
| 第四章 演化算法的运行实现 |
| 4.1 演化算法的概述 |
| 4.2 遗传算法的基本原理 |
| 4.2.1 遗传算法的理论基础 |
| 4.2.2 遗传算法的操作实现 |
| 4.3 遗传算法的应用程序设计实现 |
| 4.4 本章小结 |
| 第五章 结论 |
| 参考文献 |
| 攻读学位期间所取得的相关科研成果 |
| 致谢 |
（5）一种基于FPGA的改进遗传算法硬件设计研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 引言 |
| 1.1 遗传算法的发展历程 |
| 1.2 课题的研究背景及意义 |
| 1.3 课题研究内容和方法 |
| 1.4 本论文的结构安排 |
| 第二章 遗传算法概论 |
| 2.1 遗传算法基本概念 |
| 2.2 遗传算法的要素 |
| 2.2.1 编码方法 |
| 2.2.2 初始种群 |
| 2.2.3 操作算子 |
| 2.2.4 群体的生成 |
| 2.2.5 适应度函数 |
| 2.3 参数控制 |
| 2.4 遗传算法的步骤 |
| 2.5 并行遗传算法 |
| 2.5.1 遗传算法的并行化分析 |
| 2.5.2 遗传算法并行化的模式选择 |
| 2.6 本章小结 |
| 第三章 硬件演化平台 |
| 3.1 硬件演化技术 |
| 3.2 电子电路自动设计方法 |
| 3.2.1 EDA 概述 |
| 3.2.2 FPGA 工作流程 |
| 3.2.3 VHDL 语言设计硬件电路的优点 |
| 3.2.4 实验环境 |
| 3.3 本章小结 |
| 第四章 系统硬件模块化设计 |
| 4.1 改进的并行遗传算法 |
| 4.1.1 并行遗传算法改进的思想 |
| 4.1.2 改进的并行遗传算法的实现方法 |
| 4.1.3 改进的并行遗传算法的实现步骤 |
| 4.1.4 改进的并行遗传算法的FPGA 设计分析 |
| 4.2 硬件体系结构 |
| 4.2.1 系统功能框图 |
| 4.2.2 基于有限状态机的时序控制设计 |
| 4.2.3 改进的并行遗传算法参数设置 |
| 4.3 子种群内部的并行化和流水线设计 |
| 4.4 子种群内部基于FPGA 的遗传算法模块设计分析 |
| 4.4.1 选择choose 模块 |
| 4.4.2 交叉变异crossover_mutation 模块 |
| 4.4.3 适应度fitness 模块 |
| 4.4.3 控制control 模块 |
| 4.4.4 随机数random1 模块和random2 模块 |
| 4.4.5 RAM1 模块和RAM2 模块 |
| 4.4.6 初始化initial 模块 |
| 4.4.7 多路选择器mux4 模块 |
| 4.4.8 顶层模块 |
| 4.5 本章小结 |
| 第五章 系统验证及结果分析 |
| 5.1 验证平台的搭建 |
| 5.2 各个功能模块验证 |
| 5.3 系统级验证 |
| 5.4 结果 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 论文研究工作总结 |
| 6.2 课题研究工作展望 |
| 参考文献 |
（6）利用演化硬件技术提高控制系统可靠性的新方法（论文提纲范文）
| 1 演化硬件基本原理 |
| 2 应用演化硬件技术提高系统可靠性的方法 |
| 2.1 提高可靠性的传统方法 |
| 2.2 利用演化硬件技术提高控制系统可靠性 |
| 3 应用演化硬件技术对三模块冗余系统的改进[6-10] |
| 3.1 传统三模块冗余容错技术的弊端 |
| 3.2 应用演化硬件技术改进TMR容错方法 |
| 3.3 改进后三模块冗余系统的可靠性分析[11-13] |
| 4 结束语 |
（7）基于Bitstream的演化硬件适应度评估技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 可重构技术简介 |
| 1.1.1 可重构问题的提出 |
| 1.1.2 相关技术 |
| 1.1.3 国内外研究现状 |
| 1.2 演化硬件技术简介 |
| 1.2.1 演化硬件技术的提出 |
| 1.2.2 国内外研究现状 |
| 1.3 课题研究意义及主要内容 |
| 1.4 本文的组织 |
| 第2章 可重构技术基本原理 |
| 2.1 可重构技术的硬件基础 |
| 2.1.1 FPGA的基本结构 |
| 2.1.2 快速重构技术 |
| 2.2 可重构系统分类 |
| 2.3 本章小结 |
| 第3章 基于BITSTREAM的演化硬件适应度评估 |
| 3.1 演化硬件适应度评估要求分析 |
| 3.2 可重构方法分析 |
| 3.3 适应度快速评估平台模型 |
| 3.3.1 Bitstream的结构分析 |
| 3.3.2 B-Chameleon平台 |
| 3.3.3 实验条件 |
| 3.4 B-Chameleon平台耗时分析 |
| 3.4.1 配置 |
| 3.4.2 回读 |
| 3.5 B-Chameleon平台的精确性分析 |
| 3.6 本章小结 |
| 第4章 基于B-CHAMELEON平台的应用实例 |
| 4.1 电路演化的快速评估实例 |
| 4.1.1 电路演化 |
| 4.1.2 电路配置 |
| 4.1.3 电路回读 |
| 4.1.4 电路功能测试 |
| 4.1.5 Bitstream过滤 |
| 4.1.6 修改后再配置 |
| 4.2 平台的优势 |
| 4.3 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文和取得的科研成果 |
| 致谢 |
（8）组合电路设计演化算法及软件框架（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 演化计算及演化硬件概述 |
| 1.2.1 演化计算的起源和分支 |
| 1.2.2 演化硬件的起源和发展 |
| 1.3 软件的组件化设计方法概述 |
| 1.3.1 CBSE概述及其在演化计算中应用的必要性 |
| 1.3.2 组件 |
| 1.3.3 设计模式 |
| 1.3.4 组件框架 |
| 1.3.5 UML建模语言 |
| 1.4 本文的研究目标 |
| 第二章 演化电路设计算法及其组件框架实现 |
| 2.1 演化电路设计问题 |
| 2.1.1 演化电路设计问题的起源和概念 |
| 2.1.2 本文对硬件设计自动化演化算法的创新性内容 |
| 2.2 演化电路设计算法 |
| 2.2.1 电路个体的编码方式 |
| 2.2.2 个体的比较和评估 |
| 2.2.3 个体的交叉和变异策略 |
| 2.2.4 输出端的选取 |
| 2.2.5 算法描述 |
| 2.3 演化电路设计算法软件框架设计 |
| 2.3.1 框架简介及使用框架的优势 |
| 2.3.2 设计模式一览 |
| 2.3.3 系统总体设计 |
| 2.4 演化电路设计算法软件的具体实现 |
| 2.4.1 Darwin Document |
| 2.4.2 Genotype |
| 2.4.3 Algorithm |
| 2.4.4 DefaultAlgorithm |
| 2.4.5 MainFrame |
| 2.4.6 ActionAdapter |
| 第三章 演化电路设计算法软件运行实验分析 |
| 3.1 实验1:演化2位全加器 |
| 3.2 实验2演化3位乘法器 |
| 3.3 实验3:演化4位全加器 |
| 第四章 结束语 |
| 致谢 |
| 参考文献 |
（9）硬件演化技术及其应用基础研究（论文提纲范文）
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 课题的研究目的 |
| 1.3 课题的研究方法 |
| 1.4 课题研究的主要内容 |
| 第二章 硬件演化技术原理 |
| 2.1 硬件演化技术简介 |
| 2.2 硬件演化技术的分类和实现方法 |
| 第三章 可演化的编程芯片介绍 |
| 3.1 简单的PLD |
| 3.2 复杂的PLD |
| 第四章 演化算法分析 |
| 4.1 演化计算介绍 |
| 4.1.1 演化计算的特点 |
| 4.1.2 演化计算的分类 |
| 4.2 遗传算法简介 |
| 4.2.1 遗传算法概要 |
| 4.2.2 遗传算法的特点与应用 |
| 4.2.3 遗传算法的运算过程 |
| 4.3 遗传算法的基本定理 |
| 4.3.1 模式定理 |
| 4.3.2 积木块假设与遗传算法欺骗问题 |
| 4.3.3 隐含并行性 |
| 4.3.4 遗传算法的收敛性分析 |
| 4.4 演化算法基本实现技术 |
| 4.4.1 编码方法 |
| 4.4.2 适应度函数 |
| 4.4.3 选择算子 |
| 4.4.4 交叉算子 |
| 4.4.5 变异算子 |
| 4.4.6 遗传算法的运行参数 |
| 4.4.7 运行结束条件 |
| 4.4.8 性能评估 |
| 4.4.9 收敛性 |
| 4.5 基本演化算法设计方法 |
| 4.6 基本演化算法的改进设计方法 |
| 4.6.1 最优化模型保留算法 |
| 4.6.2 加大选择压力算法 |
| 4.6.3 动态调节交叉概率和变异概率算法 |
| 第五章 硬件演化技术的应用实例分析 |
| 5.1 基于最优模型保留算法的数字组合逻辑演化电路 |
| 5.1.1 演化目标与实验方法 |
| 5.1.2 实验结果及分析 |
| 5.2 基于加大选择压力算法的数字组合逻辑演化电路 |
| 5.2.1 演化目标与实验方法 |
| 5.2.2 实验结果及分析 |
| 5.3 基于动态调节交叉概率和变异概率算法的数字组合逻辑演化电路 |
| 5.3.1 演化目标与实验方法 |
| 5.3.2 实验结果及分析 |
| 5.4 综合分析 |
| 第六章 结束语 |
| 6.1 课题研究要点与难点 |
| 6.2 课题研究成果 |
| 6.3 进一步设想 |
| 致谢 |
| 在攻读硕士期间发表的论文 |
| 在攻读硕士期间获得的荣誉 |
| 参考文献 |
| 中英文词汇对照表 |
四、硬件演化技术及其应用基础研究（论文参考文献）
- [1]基于支持向量机的单变量非线性时间序列研究[D]. 卜亚男. 华南理工大学, 2014(01)
- [2]基于改进遗传算法的电路进化容错修复技术研究[D]. 刘春草. 河北科技大学, 2014(09)
- [3]高分辨率遥感影像对象分类方法研究及其城乡规划监测应用[D]. 李海霞. 中国农业大学, 2014(08)
- [4]基于演化硬件的电磁仿生电路分析[D]. 张青. 河北工业大学, 2014(03)
- [5]一种基于FPGA的改进遗传算法硬件设计研究[D]. 吕小巧. 江西理工大学, 2010(08)
- [6]利用演化硬件技术提高控制系统可靠性的新方法[J]. 吴彩华,彭世蕤,李海鸿,刘俊涛. 四川兵工学报, 2009(09)
- [7]基于Bitstream的演化硬件适应度评估技术研究[D]. 关琳. 哈尔滨工程大学, 2008(06)
- [8]组合电路设计演化算法及软件框架[D]. 刘睿. 中国地质大学, 2006(02)
- [9]硬件演化技术及其应用基础研究[D]. 曲瀛. 南京航空航天大学, 2002(02)