Ewolucyjne projektowanie i optymalizacja kombinacyjnych układów cyfrowych ze względu na liczbę tranzystorów
|
|
- Alicja Staniszewska
- 6 lat temu
- Przeglądów:
Transkrypt
1 Adam Słowik Michał Białko Wydział Elektroniki i Informatyki Politechnika Koszalińska ul. JJ Śniadeckich 2, Koszalin Ewolucyjne projektowanie i optymalizacja kombinacyjnych układów cyfrowych ze względu na liczbę tranzystorów Słowa kluczowe: sztuczna inteligencja, algorytmy ewolucyjne, kombinacyjne układy cyfrowe, projektowanie, optymalizacja. STRESZCZENIE W artykule przedstawiono zastosowanie algorytmu ewolucyjnego do projektowania i optymalizacji kombinacyjnych układów cyfrowych ze względu na liczbę tranzystorów. Przy użyciu proponowanej metody zaprojektowano cztery układy kombinacyjne o tablicach prawdy wybranych z literatury. Otrzymane wyniki są w wielu przypadkach lepsze od wyników uzyskanych innymi metodami. 1. WPROWADZENIE W przypadku projektowania kombinacyjnych układów cyfrowych można wyróżnić dwa kryteria optymalizacji: ze względu na liczbę bramek oraz ze względu na liczbę tranzystorów. W obu przypadkach ich minimalizacja prowadzi do zmniejszenia kosztów fizycznej implementacji danego układu. Minimalizacja liczby bramek jest szczególnie wymagana w przypadku gdy otrzymana funkcja logiczna ma być realizowana przy pomocy istniejących już elementów przetwarzających (EP) wchodzących w skład np. układu FPGA. Wówczas każdy element przetwarzający może realizować jedną wybraną funkcję logiczną reprezentowaną przez poszczególną bramkę. W tym przypadku im z mniejszej liczby bramek składa się układ, tym mniej EP będzie wymaganych do jego realizacji. Natomiast minimalizacja liczby tranzystorów jest szczególnie ważna w przypadku implementacji układu bezpośrednio w krzem. Wówczas im mniejsza liczba tranzystorów tym mniejszy rozmiar układu a tym samym mniejszy koszt produkcji. Do najbardziej popularnych metod projektowania kombinacyjnych układów cyfrowych można zaliczyć metodę Map Karnaugh a [1] oraz metodę Quine a-mccluskey a [2, 3]. Również od pewnego czasu do omawianego zagadnienia stosuje się algorytmy ewolucyjne. Proces ewolucyjnego tworzenia nowych układów jest zasadniczo różny od tradycyjnego projektowania, gdyż nie opiera się on na wiedzy i doświadczeniu projektanta lecz na procesie ewolucji [4]. Ewolucyjne projektowanie układów posiada mniej ograniczeń od projektowania opartego na wiedzy i doświadczeniu projektanta, w którym projektanci są nie tylko ograniczeni przez technologię w jakiej układ zostanie wytworzony, ale również przez własne III Układy cyfrowe 207
2 przyzwyczajenie (rutynę), inteligencję, wyobraźnię oraz twórcze myślenie [4]. Natomiast zastosowanie metod ewolucyjnych do projektowania układów pozwala uciec od opisywanych wcześniej ograniczeń i uzyskać dostęp do nowych możliwości [4]. Wśród metod ewolucyjnych można wymienić algorytmy: NGA (Genetic Algorithm with N-cardinality representation) [5, 6], MGA (Multiobjective Genetic Algorithm) [7] czy też opracowany przez autorów niniejszej pracy algorytm MLCEA (Multi-Layer Chromosome Evolutionary Algorithm) [8]. Głównym celem tych algorytmów jest projektowanie i optymalizacja kombinacyjnych układów cyfrowych ze względu na liczbę bramek. W niniejszym artykule przedstawiono ewolucyjną metodę projektowania i optymalizacji kombinacyjnych układów cyfrowych ze względu na liczbę tranzystorów. Metodę tą, będąca modyfikacją algorytmu MLCEA nazwano MLCEA-TC (Multi-Layer Chromosome Evolutionary Algorithm Transistor Count). Wyniki otrzymane przy jej użyciu porównano z wynikami otrzymanymi przy pomocy innych metod. 2. METODA MLCEA-TC Metoda MLCEA-TC różni się od wcześniej opracowanej metody MLCEA [8] tym, że kryterium optymalizacji jest minimalizacja liczby tranzystorów a nie liczby bramek. W związku z tym dokonano zmian funkcji celu oraz podobnie jak w pracy [10] przyjęto następujący zbiór bramek: NOT, NOR, XOR, NAND, BP (bezpośrednie połączenie wejścia z wyjściem bramki) zamiast zbioru: NOT, OR, XOR, AND, BP. Zmiany odnośnie zbioru bramek dokonano z tego względu, ponieważ fizyczna implementacja bramek NAND i NOR wymagana mniejszej liczby tranzystorów niż w przypadku bramek AND i OR oraz ze względu na porównywalność wyników pomiędzy prezentowaną metodą, a wynikami otrzymanymi w pracy [10]. Metoda MLCEA-TC działa w następujący sposób. Na początku, w celu utworzenia populacji startowej, tworzy się szablon projektowanego układu, który pokazano na rys. 1a, a strukturę i kodowanie osobników przedstawiono na rys. 1b. Rys. 1. Struktura: szablonu bramek (a), wielowarstwowego chromosomu reprezentującego ten szablon (b) W miejscu Wejście nr x chromosomu wpisuje się numer bramki szablonu (lub numer wejścia układu), której wyjście ma być podłączone do tego wejścia, w miejsce Typ Bramki nr x wpisuje się jedną z pięciu cyfr, które odpowiednio reprezentują: 1-bramka NOT, 2- bramka NAND, 3-bramka XOR, 4-bramka NOR, 5-bezpośrednie połączenie (BP) danego wejścia bramki z jej wyjściem. Cyfra 0 oznacza brak połączenia danego wejścia bramki szablonu, natomiast cyfra 6 oznacza wyjście układu. W miejsce Wyjście nr x wpisuje się numer bramki szablonu, której wyjście ma być podłączone do danego wyjścia układu. Wejścia całego układu są reprezentowane poprzez liczby ujemne np. wejście pierwsze jest oznaczone liczbą 1, itd. 208
3 Każdy osobnik w populacji przedstawia sobą określony układ kombinacyjny. Dla przykładu na rys. 2 przedstawiono trójwejściowy układ realizujący tabelę prawdy Układu nr 1 z tab. 1. Temu układowi odpowiada szablon dwuwejściowych bramek, wraz z połączeniami pomiędzy nimi, zaprezentowany na rys. 3. Natomiast szablon ten w populacji jest reprezentowany przez wielowarstwowy chromosom przedstawiony na rys. 4, w którym każda kolumna odpowiada jednej bramce szablonu. Bramki wchodzące w skład układu z rys. 2, wyróżniono na rys. 3 i rys. 4 kolorem szarym. Rys. 2. Przykładowy układ realizujący tabelę prawdy dla Układu nr 1 z tab. 1 Rys. 3. Szablon bramek odpowiadający układowi z rys. 2 Rys. 4. Wielowarstwowy chromosom odpowiadający szablonowi bramek z rys. 3 Rozmiar szablonu t dla projektowanego układu określa się eksperymentalnie według zależności: t=max(lwe,lwy) (1) gdzie: LWe liczba wejść układu, LWy liczba wyjść układu. W przypadku gdy przyjęty rozmiar nie powoduje znalezienia układu spełniającego określoną tabelę prawdy, wówczas zwiększa się go o jeden i powtarza obliczenia. Po utworzeniu populacji początkowej każdy osobnik jest oceniany przy pomocy funkcji celu FC1: v j, gdy O( ci) C I i 2 fc1i = ; FC1= ( ) 0, gdy O( ci) fc1i + Sc t LTMAX LT (2) = Ci i= 1 III Układy cyfrowe 209
4 gdzie: v liczba rzeczywista dodatnia (podczas eksperymentów przyjęto v=10), c i wektor zawierający i-tą kombinację sygnałów wejściowych (tabela prawdy), O(c i ) wektor odpowiedzi układu dla wektora c i, podanego na wejście układu, C i wektor zawierający poprawną odpowiedź układu (tabela prawdy), j liczba różnic na poszczególnych pozycjach pomiędzy wektorem O(c i ) a wektorem C i, I liczba wektorów wejściowych układu wynikająca z tabeli prawdy, t rozmiar szablonu, LT liczba tranzystorów w zaprojektowanym układzie, LT MAX maksymalna liczba tranzystorów przypadająca na bramkę z przyjętego zbioru, Sc współczynnik skalujący, określany według zależności (podczas eksperymentów przyjęto Sc = 0.007): v 0 < Sc < (3) 2 t LTMAX Wartość funkcji FC1 jest tym większa im dany osobnik (układ) w mniejszym stopniu spełnia zadaną tabelę prawdy. Podczas pracy algorytm dąży do jej minimalizacji. W przypadku gdy nie zostanie znalezniony układ spełniający tabelę prawdy ( FC1 v ), wówczas stosuje się takie operatory jak: krzyżowanie, mutację oraz selekcję wachlarzową [9]. Operator krzyżowania polega na cięciu wszystkich warstw dwóch losowo wybranych chromosomów w losowo wybranym punkcie i wymianie odciętych fragmentów pomiędzy nimi. Dzięki zastosowaniu chromosomów wielowarstwowych możliwe jest wycinanie całych bramek szablonu bez naruszania ich struktury. Operator mutacji natomiast polega na losowej zmianie typu bramki szablonu (w przypadku wybrania do mutacji genu leżącego w ostatniej warstwie chromosomu) lub zmianie połączenia pomiędzy bramkami szablonu (gdy do mutacji wybrany jest gen z pozostałych warstw). W przypadku znalezienia układu spełniającego tabelę prawdy ( FC1 < v ) następuje zamiana funkcji celu i algorytm przechodzi do drugiej fazy pracy. Celem nowej funkcji FC2 jest minimalizacja liczby tranzystorów w układzie. Funkcja FC2 jest tym mniejsza im układ składa się z mniejszej liczby tranzystorów i jest opisana zależnością: LT, gdy FC1< v FC2 = (4) w + LT, gdy FC1 v gdzie: w wartość kary, przy czym w powinno być większe od t 2 LT MAX (podczas eksperymentów przyjęto w = 10 5 ), pozostałe oznaczenia identycznie jak w zależności (1). Podczas pracy algorytm dąży do minimalizacji funkcji FC2. W drugie fazie pracy algorytmu zamiast selekcji wachlarzowej stosowano selekcję elitarystyczną, aby nie zagubić rozwiązania (układu spełniającego tabelę prawdy) znalezionego podczas pierwszego etapu pracy algorytmu. Kryterium zatrzymania algorytmu jest jego zbieżność (niezmienność najlepszego rozwiązania przez k pokoleń), a wynikiem jego działania jest układ reprezentowany przez najlepszy chromosom (cechujący się najmniejszą wartością funkcji celu FC2) w populacji. 3. PRZEPROWADZONE EKSPERYMENTY Do eksperymentów wybrano cztery układy testowe (identyczne jak w pracy [8]), których tabele prawdy przedstawiono w tab. 1. Symbol O reprezentuje wyjścia układu, symbol In oznacza wejścia układu. Podczas przeprowadzonych eksperymentów przyjęto wielkość populacji algorytmu ewolucyjnego równą 100, prawdopodobieństwo krzyżowania równe 0.5, prawdopodobieństwo mutacji równe 0.05, współczynnik a selekcji wachlarzowej [9] wynosił 0.3. Rozmiar szablonu określano zgodnie z zależnością (1). Dla wszystkich układów otrzymano wartość t=5 (matryca składająca się z 25 bramek). 210
5 Tab. 1. Tabele prawdy projektowanych układów Układ nr 1 Układ nr 2 Układ nr 3 Układ nr 4 In O In O In O In O X Y Z F Z W X Y F A B C D F A 1 A 0 B 1 B 0 X 2 X 1 X W tab. 2 przedstawiono uzyskane wyniki przy użyciu metody MLCEA-TC. Dane porównawcze odnośnie innych metod zaczerpnięto z prac [8, 10]. Oznaczenie GA-TC reprezentuje wyniki otrzymane przy pomocy metody opisanej w pracy [10]. Symbole oznaczają: LB - liczba bramek, LT - liczba tranzystorów. Znak w zapisie otrzymanej funkcji oznacza negację. Wszystkie układy projektowano w oparciu o bramki dwuwejściowe. Zgodnie z pracą [10] przyjęto, że bramka NOT składa się z 2 tranzystorów, bramka NOR i NAND posiada 4 tranzystory, natomiast bramka XOR zbudowana jest z 16 tranzystorów. Tab. 2. Otrzymane wyniki dla projektowanych układów Układ numer 1 Human Design F=(X Y Z)+(X (Y Z)) 6 42 Genetic Algorithm F=(Z (X+Y)) (X Y) 4 34 GA-TC F=(((Y Z) X)+(Y+Z) ) 4 28 MLCEA-TC F=(((X Z) Y)+(X+Z) ) 4 28 Układ numer 2 Human Design F=((Z X)+(Y W ))+((X Y)(Z W )) Genetic Algorithm F=(((W Y)+(W X)) ((Z+X+Y) Z)) 8 74 GA-TC F=((Z Y)+(X+Y) ((X Y) W) 6 48 MLCEA-TC F=(((X+Y) +Z) Y) ((X Y) W) 6 48 III Układy cyfrowe 211
6 Tab. 2. Kontynuacja Układ numer 3 Human Design F=((A B) ((A D)(B+C)))+((A+C)+D) 9 74 Genetic Algorithm F=((A B) A D)+(C+(A D)) 7 68 GA-TC F=((A+D) (B D) ((C+(B D)) +((A D) +C) ) ) 8 56 MLCEA-TC F=(((A B) (A D) ) (((A D) D) (B+C) )) 7 52 Układ numer 4 Human Design X 0 =A 0 B 0 ; X 1 =(A 1 B 1 ) B 0 +((A 1 B 1 ) A 0 ) B 0 X 2 =(A 1 B 1 )+(A 0 B 0 ) (A 1 +B 1 ) Genetic Algorithm X 0 =A 0 B 0 ; X 1 =(A 0 B 0 ) (A 1 B 1 ) X 2 =(A 1 B 1 )+(A 0 B 0 ) (A 1 B 1 ) 7 72 GA-TC MLCEA-TC X 0 =A 0 B 0 ; X 1 =(B 1 A 1 ) (A 0 B 0 ) X 2 =(((A 0 B 0 ) +(B 1 A 1 ) ) (B 1 A 1 ) ) PODSUMOWANIE Z tab. 2 widać, że przy użyciu proponowanej metody możliwe jest projektowanie i optymalizacja kombinacyjnych układów cyfrowych ze względu na liczbę tranzystorów. We wszystich przypadkach uzyskane wyniki metodą MLCEA-TC są lepsze (układy składają się z mniejszej liczby tranzystorów w 9 przypadkach na 11 możliwych) lub porównywalne (w pozostałych 2 przypadkach) do wyników uzyskanych innymi metodami. Również można zauważyć, że minimalizacja liczby tranzystorów w układzie nie musi pociągać za sobą minimalizacji liczby bramek, co widać szczególnie w przypadku układu numer cztery. BIBLIOGRAFIA [1] M. Karnaugh, A Map Method for Synthesis of Combinational Logic Circuits, Transaction of the AIEE, Communications and Electronic, 72(I): , November, 1953, [2] W. V. Quine, A Way to Simplify Truth Function, American Mathematical Monthly, 62(9): , 1955, [3] E. J. McCluskey, Minimization of Boolean Function, Bell Systems Technical Journal, 35 (5): , November 1956, [4] J. Greene, Simulated Evolution and Adaptive Search in Engineering Design, Experiences at the University of Cape Town, in 2 nd Online Workshop on Soft Computing, July, 1997, [5] C. A. Coello, A. D. Christiansen, A. H. Aguirre, Use of Evolutionary Techniques to Automate the Design of Combinational Circuits, International Journal of Smart Engineering System Design, 2000, [6] C. A. Coello, A. D. Christiansen, and A. H. Aguirre, Automated Design of Combinational Logic Circuits using Genetic Algorithms, Proceedings of the International Conference on Artificial Neural Nets and Genetic Algorithms, pages , April, 1997, [7] C. A. Coello, A. H. Aguirre, and B. P. Buckles, Evolutionary Multiobjective Design of Combinational Logic Circuits, Proceedings of the 2 nd NASA/DoD Workshop on Evolvable Hardware, pages , Los Alamitos, California, July 2000, [8] A. Słowik, M. Białko, Design and Optimization of Combinational Digital Circuits Using Modified Evolutionary Algorithm, Proceedings of 7 th International Conference on Artifficial Intelligence and Soft Computing, Lecture Notes in Artificial Intelligence, Volume 3070/2004, pp , Springer-Verlag, [9] A. Słowik, M. Białko, Modified Version of Roulette Selection for Evolution Algorithm The Fan Selection, Proceedings of 7 th International Conference on Artifficial Intelligence and Soft Computing ICAISC 2004, Lecture Notes in Artificial Intelligence, Volume 3070/2004, pp , Springer-Verlag, [10] P. Nilagupta, N. Ou-thong, Logic Function Minimization Base On Transistor Count Using Genetic Algorithm, in Proceedings of the 3 rd Information and Computer Engineering Postgraduate Workshop 2003 (ICEP 2003), Songkla, Thailand, January
ZESZYTY NAUKOWE WYDZIAŁU ETI POLITECHNIKI GDAŃSKIEJ Nr 5 Seria: Technologie Informacyjne 2007
ZESZYTY NAUKOWE WYDZIAŁU ETI POLITECHNIKI GDAŃSKIEJ Nr 5 Seria: Technologie Informacyjne 2007 Katedra Inżynierii Komputerowej, Politechnika Koszalińska ALGORYTMY EWOLUCYJNE O WIELOWARSTWOWYCH CHROMOSOMACH
Bardziej szczegółowoWykorzystanie bramek prądowych i napięciowych CMOS do realizacji funkcji bloku S-box algorytmu Whirlpool
Magdalena Rajewska Robert Berezowski Oleg Maslennikow Adam Słowik Wydział Elektroniki i Informatyki Politechnika Koszalińska ul. JJ Śniadeckich 2, 75-453 Koszalin Wykorzystanie bramek prądowych i napięciowych
Bardziej szczegółowoWSTĘP. Budowa bramki NAND TTL, ch-ka przełączania, schemat wewnętrzny, działanie 2
WSTĘP O liczbie elementów użytych do budowy jakiegoś urządzenia elektronicznego, a więc i o możliwości obniżenia jego ceny, decyduje dzisiaj liczba zastosowanych w nim układów scalonych. Najstarszą rodziną
Bardziej szczegółowoDobór parametrów algorytmu ewolucyjnego
Dobór parametrów algorytmu ewolucyjnego 1 2 Wstęp Algorytm ewolucyjny posiada wiele parametrów. Przykładowo dla algorytmu genetycznego są to: prawdopodobieństwa stosowania operatorów mutacji i krzyżowania.
Bardziej szczegółowoWstęp do Sztucznej Inteligencji
Wstęp do Sztucznej Inteligencji Algorytmy Genetyczne Joanna Kołodziej Politechnika Krakowska Wydział Fizyki, Matematyki i Informatyki Metody heurystyczne Algorytm efektywny: koszt zastosowania (mierzony
Bardziej szczegółowoALGORYTMY GENETYCZNE ćwiczenia
ćwiczenia Wykorzystaj algorytmy genetyczne do wyznaczenia minimum globalnego funkcji testowej: 1. Wylosuj dwuwymiarową tablicę 100x2 liczb 8-bitowych z zakresu [-100; +100] reprezentujących inicjalną populację
Bardziej szczegółowoLaboratorium podstaw elektroniki
150875 Grzegorz Graczyk numer indeksu imie i nazwisko 150889 Anna Janicka numer indeksu imie i nazwisko Grupa: 2 Grupa: 5 kierunek Informatyka semestr 2 rok akademicki 2008/09 Laboratorium podstaw elektroniki
Bardziej szczegółowoCzęść 2. Funkcje logiczne układy kombinacyjne
Część 2 Funkcje logiczne układy kombinacyjne Zapis funkcji logicznych układ funkcjonalnie pełny Arytmetyka Bool a najważniejsze aksjomaty i tożsamości Minimalizacja funkcji logicznych Układy kombinacyjne
Bardziej szczegółowoUkłady logiczne. Wstęp doinformatyki. Funkcje boolowskie (1854) Funkcje boolowskie. Operacje logiczne. Funkcja boolowska (przykład)
Wstęp doinformatyki Układy logiczne komputerów kombinacyjne sekwencyjne Układy logiczne Układy kombinacyjne Dr inż. Ignacy Pardyka Akademia Świętokrzyska Kielce, 2001 synchroniczne asynchroniczne Wstęp
Bardziej szczegółowoTechnika cyfrowa Synteza układów kombinacyjnych
Sławomir Kulesza Technika cyfrowa Synteza układów kombinacyjnych Wykład dla studentów III roku Informatyki Wersja 2.0, 05/10/2011 Podział układów logicznych Opis funkcjonalny układów logicznych x 1 y 1
Bardziej szczegółowoLekcja na Pracowni Podstaw Techniki Komputerowej z wykorzystaniem komputera
Lekcja na Pracowni Podstaw Techniki Komputerowej z wykorzystaniem komputera Temat lekcji: Minimalizacja funkcji logicznych Etapy lekcji: 1. Podanie tematu i określenie celu lekcji SOSOBY MINIMALIZACJI
Bardziej szczegółowoSZTUCZNA INTELIGENCJA
SZTUCZNA INTELIGENCJA WYKŁAD 17. ALGORYTMY EWOLUCYJNE Częstochowa 2014 Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska KODOWANIE BINARNE Problem różnych struktur przestrzeni
Bardziej szczegółowoTab. 1 Tab. 2 t t+1 Q 2 Q 1 Q 0 Q 2 Q 1 Q 0
Synteza liczników synchronicznych Załóżmy, że chcemy zaprojektować licznik synchroniczny o następującej sekwencji: 0 1 2 3 6 5 4 [0 sekwencja jest powtarzana] Ponieważ licznik ma 7 stanów, więc do ich
Bardziej szczegółowoArchitektura komputerów Wykład 2
Architektura komputerów Wykład 2 Jan Kazimirski 1 Elementy techniki cyfrowej 2 Plan wykładu Algebra Boole'a Podstawowe układy cyfrowe bramki Układy kombinacyjne Układy sekwencyjne 3 Algebra Boole'a Stosowana
Bardziej szczegółowoRys. 2. Symbole dodatkowych bramek logicznych i ich tablice stanów.
Cel ćwiczenia Celem ćwiczenia jest zapoznanie się z funktorami realizującymi podstawowe funkcje logiczne poprzez zaprojektowanie, wykonanie i przetestowanie kombinacyjnego układu logicznego realizującego
Bardziej szczegółowoPodejście memetyczne do problemu DCVRP - wstępne wyniki. Adam Żychowski
Podejście memetyczne do problemu DCVRP - wstępne wyniki Adam Żychowski Na podstawie prac X. S. Chen, L. Feng, Y. S. Ong A Self-Adaptive Memeplexes Robust Search Scheme for solving Stochastic Demands Vehicle
Bardziej szczegółowoTranzystor JFET i MOSFET zas. działania
Tranzystor JFET i MOSFET zas. działania brak kanału v GS =v t (cutoff ) kanał otwarty brak kanału kanał otwarty kanał zamknięty w.2, p. kanał zamknięty Co było na ostatnim wykładzie? Układy cyfrowe Najczęściej
Bardziej szczegółowoUkłady kombinacyjne 1
Układy kombinacyjne 1 Układy kombinacyjne są to układy cyfrowe, których stany wyjść są zawsze jednoznacznie określone przez stany wejść. Oznacza to, że doprowadzając na wejścia tych układów określoną kombinację
Bardziej szczegółowoStrefa pokrycia radiowego wokół stacji bazowych. Zasięg stacji bazowych Zazębianie się komórek
Problem zapożyczania kanałów z wykorzystaniem narzędzi optymalizacji Wprowadzenie Rozwiązanie problemu przydziału częstotliwości prowadzi do stanu, w którym każdej stacji bazowej przydzielono żądaną liczbę
Bardziej szczegółowoTechnika cyfrowa Synteza układów kombinacyjnych (I)
Sławomir Kulesza Technika cyfrowa Synteza układów kombinacyjnych (I) Wykład dla studentów III roku Informatyki Wersja 2.0, 05/10/2011 Podział układów logicznych Opis funkcjonalny układów logicznych x 1
Bardziej szczegółowoStrategie ewolucyjne (ang. evolution strategies)
Strategie ewolucyjne (ang. evolution strategies) 1 2 Szybki przegląd Rozwijane w Niemczech w latach 60-70. Wcześni badacze: I. Rechenberg, H.-P. Schwefel (student Rechenberga). Typowe zastosowanie: Optymalizacja
Bardziej szczegółowoPLAN WYKŁADU OPTYMALIZACJA GLOBALNA OPERATOR KRZYŻOWANIA ETAPY KRZYŻOWANIA
PLAN WYKŁADU Operator krzyżowania Operator mutacji Operator inwersji Sukcesja Przykłady symulacji AG Kodowanie - rodzaje OPTYMALIZACJA GLOBALNA Wykład 3 dr inż. Agnieszka Bołtuć OPERATOR KRZYŻOWANIA Wymiana
Bardziej szczegółowoWykorzystanie metod ewolucyjnych w projektowaniu algorytmów kwantowych
Wykorzystanie metod ewolucyjnych w projektowaniu algorytmów kwantowych mgr inż. Robert Nowotniak Politechnika Łódzka 1 października 2008 Robert Nowotniak 1 października 2008 1 / 18 Plan referatu 1 Informatyka
Bardziej szczegółowoBramki logiczne. 2. Cele ćwiczenia Badanie charakterystyk przejściowych inwertera. tranzystorowego, bramki 7400 i bramki 74132.
Bramki logiczne 1. Czas trwania: 3h 2. Cele ćwiczenia Badanie charakterystyk przejściowych inwertera. tranzystorowego, bramki 7400 i bramki 74132. 3. Wymagana znajomość pojęć stany logiczne Hi, Lo, stan
Bardziej szczegółowox x
DODTEK II - Inne sposoby realizacji funkcji logicznych W kolejnych podpunktach zaprezentowano sposoby realizacji przykładowej funkcji (tej samej co w instrukcji do ćwiczenia "Synteza układów kombinacyjnych")
Bardziej szczegółowoAKADEMIA MORSKA KATEDRA NAWIGACJI TECHNICZEJ
KDEMI MORSK KTEDR NWIGCJI TECHNICZEJ ELEMETY ELEKTRONIKI LORTORIUM Kierunek NWIGCJ Specjalność Transport morski Semestr II Ćw. 4 Podstawy techniki cyfrowej Wersja opracowania Marzec 5 Opracowanie: mgr
Bardziej szczegółowoBramki logiczne Podstawowe składniki wszystkich układów logicznych
Układy logiczne Bramki logiczne A B A B AND NAND A B A B OR NOR A NOT A B A B XOR NXOR A NOT A B AND NAND A B OR NOR A B XOR NXOR Podstawowe składniki wszystkich układów logicznych 2 Podstawowe tożsamości
Bardziej szczegółowoAlgorytm genetyczny (genetic algorithm)-
Optymalizacja W praktyce inżynierskiej często zachodzi potrzeba znalezienia parametrów, dla których system/urządzenie będzie działać w sposób optymalny. Klasyczne podejście do optymalizacji: sformułowanie
Bardziej szczegółowoInwerter logiczny. Ilustracja 1: Układ do symulacji inwertera (Inverter.sch)
DSCH2 to program do edycji i symulacji układów logicznych. DSCH2 jest wykorzystywany do sprawdzenia architektury układu logicznego przed rozpoczęciem projektowania fizycznego. DSCH2 zapewnia ergonomiczne
Bardziej szczegółowoOdkrywanie algorytmów kwantowych za pomocą programowania genetycznego
Odkrywanie algorytmów kwantowych za pomocą programowania genetycznego Piotr Rybak Koło naukowe fizyków Migacz, Uniwersytet Wrocławski Piotr Rybak (Migacz UWr) Odkrywanie algorytmów kwantowych 1 / 17 Spis
Bardziej szczegółowoAlgebra Boole a i jej zastosowania
lgebra oole a i jej zastosowania Wprowadzenie Niech dany będzie zbiór dwuelementowy, którego elementy oznaczymy symbolami 0 oraz 1, tj. {0, 1}. W zbiorze tym określamy działania sumy :, iloczynu : _ oraz
Bardziej szczegółowoPodstawy Automatyki. Wykład 13 - Układy bramkowe. dr inż. Jakub Możaryn. Warszawa, Instytut Automatyki i Robotyki
Wykład 13 - Układy bramkowe Instytut Automatyki i Robotyki Warszawa, 2015 Układy z elementów logicznych Bramki logiczne Elementami logicznymi (bramkami logicznymi) są urządzenia o dwustanowym sygnale wyjściowym
Bardziej szczegółowoPaństwowa Wyższa Szkoła Zawodowa
Państwowa Wyższa Szkoła Zawodowa w Legnicy Laboratorium Podstaw Elektroniki i Miernictwa Ćwiczenie nr 4 BADANIE BRAMEK LOGICZNYCH A. Cel ćwiczenia. - Poznanie zasad logiki binarnej. Prawa algebry Boole
Bardziej szczegółowoKatedra Informatyki Stosowanej. Algorytmy ewolucyjne. Inteligencja obliczeniowa
Wydział Zarządzania AGH Katedra Informatyki Stosowanej Algorytmy ewolucyjne Treść wykładu Wprowadzenie Zasada działania Podział EA Cechy EA Algorytm genetyczny 2 EA - wprowadzenie Algorytmy ewolucyjne
Bardziej szczegółowoEwolucja Różnicowa Differential Evolution
Ewolucja Różnicowa Differential Evolution Obliczenia z wykorzystaniem metod sztucznej inteligencji Arkadiusz Kalinowski Szczecin, 2016 Zachodniopomorski Uniwersytet Technologiczny w Szczecinie 1 / 22 Plan
Bardziej szczegółowoSynteza logiczna układu realizującego zespół funkcji przełączających z użyciem bramek XOR w strukturach CPLD
BIULETYN WAT VOL. LVIII, NR 3, 29 Synteza logiczna układu realizującego zespół funkcji przełączających z użyciem bramek XOR w strukturach CPLD DARIUSZ KANIA 1, WALDEMAR GRABIEC 1 Politechnika Śląska, Wydział
Bardziej szczegółowoWstęp do Techniki Cyfrowej... Algebra Boole a
Wstęp do Techniki Cyfrowej... Algebra Boole a Po co AB? Świetne narzędzie do analitycznego opisu układów logicznych. 1854r. George Boole opisuje swój system dedukcyjny. Ukoronowanie zapoczątkowanych w
Bardziej szczegółowodr inż. Małgorzata Langer Architektura komputerów
Instrukcja współfinansowana przez Unię Europejską w ramach Europejskiego Funduszu Społecznego w projekcie Innowacyjna dydaktyka bez ograniczeń zintegrowany rozwój Politechniki Łódzkiej zarządzanie Uczelnią,
Bardziej szczegółowoAutomatyka Treść wykładów: Literatura. Wstęp. Sygnał analogowy a cyfrowy. Bieżące wiadomości:
Treść wykładów: Automatyka dr inż. Szymon Surma szymon.surma@polsl.pl pok. 202, tel. +48 32 603 4136 1. Podstawy automatyki 1. Wstęp, 2. Różnice między sygnałem analogowym a cyfrowym, 3. Podstawowe elementy
Bardziej szczegółowo2019/09/16 07:46 1/2 Laboratorium AITUC
2019/09/16 07:46 1/2 Laboratorium AITUC Table of Contents Laboratorium AITUC... 1 Uwagi praktyczne przed rozpoczęciem zajęć... 1 Lab 1: Układy kombinacyjne małej i średniej skali integracji... 1 Lab 2:
Bardziej szczegółowoZadania laboratoryjne i projektowe - wersja β
Zadania laboratoryjne i projektowe - wersja β 1 Laboratorium Dwa problemy do wyboru (jeden do realizacji). 1. Water Jug Problem, 2. Wieże Hanoi. Water Jug Problem Ograniczenia dla każdej z wersji: pojemniki
Bardziej szczegółowoAlgorytmy ewolucyjne. Łukasz Przybyłek Studenckie Koło Naukowe BRAINS
Algorytmy ewolucyjne Łukasz Przybyłek Studenckie Koło Naukowe BRAINS 1 Wprowadzenie Algorytmy ewolucyjne ogólne algorytmy optymalizacji operujące na populacji rozwiązań, inspirowane biologicznymi zjawiskami,
Bardziej szczegółowoElementy cyfrowe i układy logiczne
Elementy cyfrowe i układy logiczne Wykład 5 Legenda Procedura projektowania Podział układów VLSI 2 1 Procedura projektowania Specyfikacja Napisz, jeśli jeszcze nie istnieje, specyfikację układu. Opracowanie
Bardziej szczegółowoBramki logiczne V MAX V MIN
Bramki logiczne W układach fizycznych napięcie elektryczne może reprezentować stany logiczne. Bramką nazywamy prosty obwód elektroniczny realizujący funkcję logiczną. Pewien zakres napięcia odpowiada stanowi
Bardziej szczegółowoAlgorytmy genetyczne
9 listopada 2010 y ewolucyjne - zbiór metod optymalizacji inspirowanych analogiami biologicznymi (ewolucja naturalna). Pojęcia odwzorowujące naturalne zjawiska: Osobnik Populacja Genotyp Fenotyp Gen Chromosom
Bardziej szczegółowoUkłady cyfrowe. Najczęściej układy cyfrowe służą do przetwarzania sygnałów o dwóch poziomach napięć:
Układy cyfrowe W układach cyfrowych sygnały napięciowe (lub prądowe) przyjmują tylko określoną liczbę poziomów, którym przyporządkowywane są wartości liczbowe. Najczęściej układy cyfrowe służą do przetwarzania
Bardziej szczegółowoUkłady kombinacyjne Y X 4 X 5. Rys. 1 Kombinacyjna funkcja logiczna.
Układy kombinacyjne. Czas trwania: 6h. Cele ćwiczenia Przypomnienie podstawowych praw Algebry Boole a. Zaprojektowanie, montaż i sprawdzenie działania zadanych układów kombinacyjnych.. Wymagana znajomość
Bardziej szczegółowoZadanie 5 - Algorytmy genetyczne (optymalizacja)
Zadanie 5 - Algorytmy genetyczne (optymalizacja) Marcin Pietrzykowski mpietrzykowski@wi.zut.edu.pl wersja 1.0 1 Cel Celem zadania jest zapoznanie się z Algorytmami Genetycznymi w celu rozwiązywanie zadania
Bardziej szczegółowoZadania do wykładu 1, Zapisz liczby binarne w kodzie dziesiętnym: ( ) 2 =( ) 10, ( ) 2 =( ) 10, (101001, 10110) 2 =( ) 10
Zadania do wykładu 1,. 1. Zapisz liczby binarne w kodzie dziesiętnym: (1011011) =( ) 10, (11001100) =( ) 10, (101001, 10110) =( ) 10. Zapisz liczby dziesiętne w naturalnym kodzie binarnym: (5) 10 =( ),
Bardziej szczegółowoAlgorytmy genetyczne. Materiały do laboratorium PSI. Studia niestacjonarne
Algorytmy genetyczne Materiały do laboratorium PSI Studia niestacjonarne Podstawowy algorytm genetyczny (PAG) Schemat blokowy algorytmu genetycznego Znaczenia, pochodzących z biologii i genetyki, pojęć
Bardziej szczegółowoLABORATORIUM 4: Algorytmy ewolucyjne cz. 2 wpływ operatorów krzyżowania i mutacji na skuteczność poszukiwań AE
Instytut Mechaniki i Inżynierii Obliczeniowej Wydział Mechaniczny Technologiczny, Politechnika Śląska www.imio.polsl.pl METODY HEURYSTYCZNE LABORATORIUM 4: Algorytmy ewolucyjne cz. 2 wpływ operatorów krzyżowania
Bardziej szczegółowoLABORATORIUM 3: Wpływ operatorów krzyżowania na skuteczność poszukiwań AE
Instytut Mechaniki i Inżynierii Obliczeniowej Wydział Mechaniczny Technologiczny, Politechnika Śląska www.imio.polsl.pl OBLICZENIA EWOLUCYJNE LABORATORIUM 3: Wpływ operatorów krzyżowania na skuteczność
Bardziej szczegółowoSynteza układów kombinacyjnych
Sławomir Kulesza Technika cyfrowa Synteza układów kombinacyjnych Wykład dla studentów III roku Informatyki Wersja 4.0, 23/10/2014 Bramki logiczne Bramki logiczne to podstawowe elementy logiczne realizujące
Bardziej szczegółowoTomasz Pawlak. Zastosowania Metod Inteligencji Obliczeniowej
1 Zastosowania Metod Inteligencji Obliczeniowej Tomasz Pawlak 2 Plan prezentacji Sprawy organizacyjne Wprowadzenie do metod inteligencji obliczeniowej Studium wybranych przypadków zastosowań IO 3 Dane
Bardziej szczegółowoPOZNAN UNIVE RSITY OF TE CHNOLOGY ACADE MIC JOURNALS No 72 Electrical Engineering 2012
POZNAN UNIVE RSITY OF TE CHNOLOGY ACADE MIC JOURNALS No 72 Electrical Engineering 2012 Wiktor HUDY* Kazimierz JARACZ* ANALIZA WYNIKÓW SYMULACJI EWOLUCYJNEJ OPTYMALIZACJI PARAMETRYCZNEJ UKŁADU STEROWANIA
Bardziej szczegółowoPodstawy Automatyki. Wykład 13 - Układy bramkowe. dr inż. Jakub Możaryn. Warszawa, Instytut Automatyki i Robotyki
Wykład 13 - Układy bramkowe Instytut Automatyki i Robotyki Warszawa, 2015 Układy z elementów logicznych Bramki logiczne Elementami logicznymi (bramkami logicznymi) są urządzenia o dwustanowym sygnale wyjściowym
Bardziej szczegółowoElektronika cyfrowa i optoelektronika - laboratorium
Państwowa Wyższa Szkoła Zawodowa w Nowym Sączu Instytut Techniczny Elektronika cyfrowa i optoelektronika - laboratorium Temat: Minimalizacja funkcji logicznych multiplekser demultiplekser. Koder i dekodedr.
Bardziej szczegółowoAlgorytmy stochastyczne, wykład 02 Algorytmy genetyczne
Algorytmy stochastyczne, wykład 02 Algorytmy genetyczne J. Piersa Wydział Matematyki i Informatyki, Uniwersytet Mikołaja Kopernika 2014-02-27 1 Mutacje algorytmu genetycznego 2 Dziedzina niewypukła abstrakcyjna
Bardziej szczegółowoZastosowanie sztucznej inteligencji w testowaniu oprogramowania
Zastosowanie sztucznej inteligencji w testowaniu oprogramowania Problem NP Problem NP (niedeterministycznie wielomianowy, ang. nondeterministic polynomial) to problem decyzyjny, dla którego rozwiązanie
Bardziej szczegółowoĆwiczenie 25 Temat: Interfejs między bramkami logicznymi i kombinacyjne układy logiczne. Układ z bramkami NOR. Cel ćwiczenia
Ćwiczenie 25 Temat: Interfejs między bramkami logicznymi i kombinacyjne układy logiczne. Układ z bramkami NOR. Cel ćwiczenia Zapoznanie się z techniką połączenia za pośrednictwem interfejsu. Zbudowanie
Bardziej szczegółowoĆwiczenie ZINTEGROWANE SYSTEMY CYFROWE. Pakiet edukacyjny DefSim Personal. Analiza prądowa IDDQ
Ćwiczenie 2 ZINTEGROWANE SYSTEMY CYFROWE Pakiet edukacyjny DefSim Personal Analiza prądowa IDDQ K A T E D R A M I K R O E L E K T R O N I K I I T E C H N I K I N F O R M A T Y C Z N Y C H Politechnika
Bardziej szczegółowoElementy logiki. Algebra Boole a. Analiza i synteza układów logicznych
Elementy logiki: Algebra Boole a i układy logiczne 1 Elementy logiki dla informatyków Wykład III Elementy logiki. Algebra Boole a. Analiza i synteza układów logicznych Elementy logiki: Algebra Boole a
Bardziej szczegółowoSeminarium IO. Zastosowanie metody PSO w Dynamic Vehicle Routing Problem (kontynuacja) Michał Okulewicz
Seminarium IO Zastosowanie metody PSO w Dynamic Vehicle Routing Problem (kontynuacja) Michał Okulewicz 26.10.2012 Plan prezentacji Problem VRP+DR Algorytm PSO Podejścia MAPSO + 2-Opt 2-phase PSO Wyniki
Bardziej szczegółowoAlgebra Boole a. Ćwiczenie Sprawdź, czy algebra zbiorów jestrównież algebrą Boole a. Padaj wszystkie elementy takiej realizacji.
Algebra Boole a Algebrą Boole a nazywamy zbiór B, wyróżnione jego podzbiory O i I oraz operacje dwuargumentowe +;, które dla dowolnych elementów X, Y, Z zbioru B spełniają następujące aksjomaty: X+Y B;
Bardziej szczegółowoAlgorytmy genetyczne. Paweł Cieśla. 8 stycznia 2009
Algorytmy genetyczne Paweł Cieśla 8 stycznia 2009 Genetyka - nauka o dziedziczeniu cech pomiędzy pokoleniami. Geny są czynnikami, które decydują o wyglądzie, zachowaniu, rozmnażaniu każdego żywego organizmu.
Bardziej szczegółowoO dwóch modyfikacjach algorytmu PSO
Wydział Matematyki i Nauk Informacyjnych Politechnika Warszawska Seminarium: Inteligencja Obliczeniowa 24 listopada 2011 Plan prezentacji 1 Wprowadzenie 2 3 4 5 6 Definicja problemu Wprowadzenie Definicja
Bardziej szczegółowoJęzyk opisu sprzętu VHDL
Język opisu sprzętu VHDL dr inż. Adam Klimowicz Seminarium dydaktyczne Katedra Mediów Cyfrowych i Grafiki Komputerowej Informacje ogólne Język opisu sprzętu VHDL Przedmiot obieralny dla studentów studiów
Bardziej szczegółowoAlgorytmy genetyczne. Materiały do laboratorium PSI. Studia stacjonarne i niestacjonarne
Algorytmy genetyczne Materiały do laboratorium PSI Studia stacjonarne i niestacjonarne Podstawowy algorytm genetyczny (PAG) Schemat blokowy algorytmu genetycznego Znaczenia, pochodzących z biologii i genetyki,
Bardziej szczegółowoAlgorytm memetyczny w grach wielokryterialnych z odroczoną preferencją celów. Adam Żychowski
Algorytm memetyczny w grach wielokryterialnych z odroczoną preferencją celów Adam Żychowski Definicja problemu dwóch graczy: P 1 (minimalizator) oraz P 2 (maksymalizator) S 1, S 2 zbiory strategii graczy
Bardziej szczegółowoOptymalizacja optymalizacji
7 maja 2008 Wstęp Optymalizacja lokalna Optymalizacja globalna Algorytmy genetyczne Badane czasteczki Wykorzystane oprogramowanie (Algorytm genetyczny) 2 Sieć neuronowa Pochodne met-enkefaliny Optymalizacja
Bardziej szczegółowoAlgorytmy genetyczne. Dariusz Banasiak. Katedra Informatyki Technicznej Wydział Elektroniki
Dariusz Banasiak Katedra Informatyki Technicznej Wydział Elektroniki Obliczenia ewolucyjne (EC evolutionary computing) lub algorytmy ewolucyjne (EA evolutionary algorithms) to ogólne określenia używane
Bardziej szczegółowoWstęp do sieci neuronowych, wykład 02 Perceptrony c.d. Maszyna liniowa.
Wstęp do sieci neuronowych, wykład 02 Perceptrony c.d. Maszyna liniowa. Maja Czoków, Jarosław Piersa Wydział Matematyki i Informatyki, Uniwersytet Mikołaja Kopernika 2011-10-11 1 Modelowanie funkcji logicznych
Bardziej szczegółowoArchitektura komputerów ćwiczenia Bramki logiczne. Układy kombinacyjne. Kanoniczna postać dysjunkcyjna i koniunkcyjna.
Architektura komputerów ćwiczenia Zbiór zadań IV Bramki logiczne. Układy kombinacyjne. Kanoniczna postać dysjunkcyjna i koniunkcyjna. Wprowadzenie 1 1 fragmenty książki "Organizacja i architektura systemu
Bardziej szczegółowoPodstawowe operacje arytmetyczne i logiczne dla liczb binarnych
1 Podstawowe operacje arytmetyczne i logiczne dla liczb binarnych 1. Podstawowe operacje logiczne dla cyfr binarnych Jeśli cyfry 0 i 1 potraktujemy tak, jak wartości logiczne fałsz i prawda, to działanie
Bardziej szczegółowoLaboratorium elektroniki i miernictwa
Numer indeksu 0 Michał Moroz Imię i nazwisko Numer indeksu 0 Paweł Tarasiuk Imię i nazwisko kierunek: Informatyka semestr grupa II rok akademicki: 00/00 Laboratorium elektroniki i miernictwa Ćwiczenie
Bardziej szczegółowoAlgorytmy ewolucyjne
Algorytmy ewolucyjne wprowadzenie Piotr Lipiński lipinski@ii.uni.wroc.pl Piotr Lipiński Algorytmy ewolucyjne p.1/16 Cel wykładu zapoznanie studentów z algorytmami ewolucyjnymi, przede wszystkim nowoczesnymi
Bardziej szczegółowoAlgorytmy stochastyczne, wykład 01 Podstawowy algorytm genetyczny
Algorytmy stochastyczne, wykład 01 J. Piersa Wydział Matematyki i Informatyki, Uniwersytet Mikołaja Kopernika 2014-02-21 In memoriam prof. dr hab. Tomasz Schreiber (1975-2010) 1 2 3 Różne Orientacyjny
Bardziej szczegółowoTRANSCOMP XV INTERNATIONAL CONFERENCE COMPUTER SYSTEMS AIDED SCIENCE, INDUSTRY AND TRANSPORT ALGORYTMY SYMULACJI UKŁADÓW CYFROWYCH
TRANSCOMP XV INTERNATIONAL CONFERENCE COMPUTER SYSTEMS AIDED SCIENCE, INDUSTRY AND TRANSPORT PNIEWSKI Roman 1 KORNASZEWSKI Mieczysław 2 Technika cyfrowa, Zjawiska szkodliwe, Symulacja ALGORYTMY SYMULACJI
Bardziej szczegółowoMinimalizacja funkcji boolowskich - wykład 2
SWB - Minimalizacja funkcji boolowskich - wykład 2 asz 1 Minimalizacja funkcji boolowskich - wykład 2 Adam Szmigielski aszmigie@pjwstk.edu.pl Laboratorium robotyki s09 SWB - Minimalizacja funkcji boolowskich
Bardziej szczegółowoZastosowanie optymalizacji rojem cząstek (PSO) w procesie uczenia wielowarstwowej sieci neuronowej w problemie lokalizacyjnym
Zastosowanie optymalizacji rojem cząstek (PSO) w procesie uczenia wielowarstwowej sieci neuronowej w problemie lokalizacyjnym Jan Karwowski Wydział Matematyki i Nauk Informacyjnych PW 17 XII 2013 Jan Karwowski
Bardziej szczegółowoTEMAT: PROJEKTOWANIE I BADANIE PRZERZUTNIKÓW BISTABILNYCH
Praca laboratoryjna 2 TEMAT: PROJEKTOWANIE I BADANIE PRZERZUTNIKÓW BISTABILNYCH Cel pracy poznanie zasad funkcjonowania przerzutników różnych typów w oparciu o różne rozwiązania układowe. Poznanie sposobów
Bardziej szczegółowoAlgorytmy genetyczne
Algorytmy genetyczne Motto: Zamiast pracowicie poszukiwać najlepszego rozwiązania problemu informatycznego lepiej pozwolić, żeby komputer sam sobie to rozwiązanie wyhodował! Algorytmy genetyczne służą
Bardziej szczegółowoFOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Folia Pomer. Univ. Technol. Stetin. 2009, Oeconomica 275 (57), 53 58
FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Folia Pomer. Univ. Technol. Stetin. 2009, Oeconomica 275 (57), 53 58 Anna LANDOWSKA ROZWIĄZANIE PROBLEMU OPTYMALNEGO PRZYDZIAŁU ZA POMOCĄ KLASYCZNEGO
Bardziej szczegółowoĆwiczenie nr 1 Temat: Ćwiczenie wprowadzające w problematykę laboratorium.
Ćwiczenie nr 1 Temat: Ćwiczenie wprowadzające w problematykę laboratorium. Zagadnienia do samodzielnego opracowania: rola sygnału taktującego (zegara) w układach synchronicznych; co robi sygnał CLEAR (w
Bardziej szczegółowoAlgorytmy ewolucyjne - algorytmy genetyczne. I. Karcz-Dulęba
Algorytmy ewolucyjne - algorytmy genetyczne I. Karcz-Dulęba Algorytmy klasyczne a algorytmy ewolucyjne Przeszukiwanie przestrzeni przez jeden punkt bazowy Przeszukiwanie przestrzeni przez zbiór punktów
Bardziej szczegółowoLABORATORIUM PODSTAW ELEKTRONIKI. Komputerowa symulacja układów różniczkujących
ZESPÓŁ LABORATORIÓW TELEMATYKI TRANSPORTU ZAKŁAD TELEKOMUNIKACJI W TRANSPORCIE WYDZIAŁ TRANSPORTU POLITECHNIKI WARSZAWSKIEJ LABORATORIUM PODSTAW ELEKTRONIKI INSTRUKCJA DO ĆWICZENIA NR 23 Komputerowa symulacja
Bardziej szczegółowoz ćwiczenia nr Temat ćwiczenia: BADANIE UKŁADÓW FUNKCJI LOGICZNYCH (SYMULACJA)
Zespół Szkół Technicznych w Skarżysku-Kamiennej Sprawozdanie PRCOWNI ELEKTRCZN I ELEKTRONICZN imię i nazwisko z ćwiczenia nr Temat ćwiczenia: DNIE UKŁDÓW FUNKCJI LOGICZNCH (SMULCJ) rok szkolny klasa grupa
Bardziej szczegółowoĆwiczenie 26. Temat: Układ z bramkami NAND i bramki AOI..
Temat: Układ z bramkami NAND i bramki AOI.. Ćwiczenie 26 Cel ćwiczenia Zapoznanie się ze sposobami konstruowania z bramek NAND różnych bramek logicznych. Konstruowanie bramek NOT, AND i OR z bramek NAND.
Bardziej szczegółowoStandardowy algorytm genetyczny
Standardowy algorytm genetyczny 1 Szybki przegląd 2 Opracowany w USA w latach 70. Wcześni badacze: John H. Holland. Autor monografii Adaptation in Natural and Artificial Systems, wydanej w 1975 r., (teoria
Bardziej szczegółowoObrona rozprawy doktorskiej Neuro-genetyczny system komputerowy do prognozowania zmiany indeksu giełdowego
IBS PAN, Warszawa 9 kwietnia 2008 Obrona rozprawy doktorskiej Neuro-genetyczny system komputerowy do prognozowania zmiany indeksu giełdowego mgr inż. Marcin Jaruszewicz promotor: dr hab. inż. Jacek Mańdziuk,
Bardziej szczegółowoPodstawowe układy cyfrowe
ELEKTRONIKA CYFROWA SPRAWOZDANIE NR 4 Podstawowe układy cyfrowe Grupa 6 Prowadzący: Roman Płaneta Aleksandra Gierut CEL ĆWICZENIA Celem ćwiczenia jest zapoznanie się z podstawowymi bramkami logicznymi,
Bardziej szczegółowoProgram "FLiNN-GA" wersja 2.10.β
POLSKIE TOWARZYSTWO SIECI NEURONOWYCH POLITECHNIKA CZĘSTOCHOWSKA Zakład Elektroniki, Informatyki i Automatyki Maciej Piliński Robert Nowicki - GA Program "FLiNN-GA" wersja 2.10.β Podręcznik użytkownika
Bardziej szczegółowoĆwiczenie 1 Program Electronics Workbench
Systemy teleinformatyczne Ćwiczenie Program Electronics Workbench Symulacja układów logicznych Program Electronics Workbench służy do symulacji działania prostych i bardziej złożonych układów elektrycznych
Bardziej szczegółowoĆWICZENIE 4 Zapoznanie ze środowiskiem CUPL Realizacja układów kombinacyjnych na układach PLD
ĆWICZENIE 4 Zapoznanie ze środowiskiem CUPL Realizacja układów kombinacyjnych na układach PLD ZAGADNIENIA algebra Boola, bramki logiczne, Przygotowanie plików źródłowych w języku CUPL, Zasady kompilacji
Bardziej szczegółowoKomputerowa symulacja bramek w technice TTL i CMOS
ZESPÓŁ LABORATORIÓW TELEMATYKI TRANSPORTU ZAKŁAD TELEKOMUNIKACJI W TRANSPORCIE WYDZIAŁ TRANSPORTU POLITECHNIKI WARSZAWSKIEJ LABORATORIUM ELEKTRONIKI INSTRUKCJA DO ĆWICZENIA NR 27 Komputerowa symulacja
Bardziej szczegółowoAlgorytm Genetyczny. zastosowanie do procesów rozmieszczenia stacji raportujących w sieciach komórkowych
Algorytm Genetyczny zastosowanie do procesów rozmieszczenia stacji raportujących w sieciach komórkowych Dlaczego Algorytmy Inspirowane Naturą? Rozwój nowych technologii: złożone problemy obliczeniowe w
Bardziej szczegółowoAutomatyzacja i robotyzacja procesów produkcyjnych
Automatyzacja i robotyzacja procesów produkcyjnych Instrukcja laboratoryjna Technika cyfrowa Opracował: mgr inż. Krzysztof Bodzek Cel ćwiczenia. Celem ćwiczenia jest zapoznanie studenta z zapisem liczb
Bardziej szczegółowoAlgorytm hybrydowy dla alokacji portfela inwestycyjnego przy ograniczonych zasobach
Adam Stawowy Algorytm hybrydowy dla alokacji portfela inwestycyjnego przy ograniczonych zasobach Summary: We present a meta-heuristic to combine Monte Carlo simulation with genetic algorithm for Capital
Bardziej szczegółowoProgramowanie genetyczne
Dariusz Banasiak Katedra Informatyki Technicznej Wydział Elektroniki Programowanie genetyczne jest rozszerzeniem klasycznego algorytmu genetycznego i jest wykorzystywane do automatycznego generowania programów
Bardziej szczegółowoW jakim celu to robimy? Tablica Karnaugh. Minimalizacja
W jakim celu to robimy? W projektowaniu układów cyfrowych istotne jest aby budować je jak najmniejszym kosztem. To znaczy wykorzystanie dwóch bramek jest tańsze niż konieczność wykorzystania trzech dla
Bardziej szczegółowo