硬件进化的快速算法模型研究

摘要

针对硬件进化(evolvable hardware,EHW)存在的进化规模的扩展能力问题,研究了以内嵌式EHW的自适应要求为条件的染色体表示及计算复杂性问题.为提高遗传机器学习计算效率,根据FPGA(field programmable gate array)内部的结构特点,将可重构硬件的结构映射为遗传学习的染色体表示,提出一种符合EHW要求的二维染色体的遗传机器学习方法--ISPitts,构造了一种动态遗传机器学习框架.实验结果显示,新方法不仅完成了四位比较器的内嵌式EHW实现,而且具有较高的进化效率.