Detail publikace
Towards a Scalable EA-based Optimization of Digital Circuits
Cartesian Genetic Programming, Resynthesis, Logic optimization
Škálovatelnost fitness evaluace byla od 90. let slabým místem při využití evoluce v oblasti logické syntézy. Nedávné studie představily řadu formálních řešení tohoto problému. Bylo tak umožněno optimalizovat komplexní obvody obsahující stovky vstupů a tisíce hradel. Bohužel, problémem je také škálovatelnost reprezentace. Efektivita evoluční optimalizace aplikované globálně na celé obvody se snižuje se vzrůstající komplexností obvodů. V této práci představujeme koncept lokální resyntézy. Resyntéza je iterativním procesem založeným na extrakci menších podobvodů z komplexních obvodů, které jsou optimalizovány a navraceny do původního obvodu. Tento postup umožňuje řešit problém škálovatelnosti reprezentace. Naše experimenty na skupině netriviálních benchmarků z reálného světa ukázaly, že námi navrhovaná metoda dosahuje lepších výsledků než globálně aplikovaná evoluční optimalizace. Ve více než 60% případů se podařilo odebrat větší počet redundantních hradel při zachování výpočetní náročnosti na stejné úrovni.
@inproceedings{BUT156846,
author="Jitka {Kocnová} and Zdeněk {Vašíček}",
title="Towards a Scalable EA-based Optimization of Digital Circuits",
booktitle="Genetic Programming 22nd European Conference, EuroGP 2019",
year="2019",
pages="81--97",
publisher="Springer International Publishing",
address="Cham",
doi="10.1007/978-3-030-16670-0\{_}6",
isbn="978-3-030-16669-4",
url="https://www.fit.vut.cz/research/publication/11858/"
}