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

Diplomarbeit aus dem Jahr 1997 im Fachbereich Ingenieurwissenschaften - Knstliche Intelligenz, Note: 1,0, Technische Universitt Carolo-Wilhelmina zu Braunschweig (Unbekannt), Sprache: Deutsch, Abstract: Inhaltsangabe:Einleitung:
Das Plazierungsproblem bei FPGA-Chips stellt eine interessante Optimierungsaufgabe dar, zu der es bislang noch keine optimale Lsungsstrategie gibt. Der FloorPlanner versucht das Problem durch Einsatz eines genetischen Algorithmusses (GA) zu lsen, 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 Gteberechnung fr verschiedene Bewertungskriterien, mit denen sich eine konkrete Plazierung beurteilen lt.
- Erweiterung der genetischen Operatoren des Gas.
- Optimierung des Fuzzy-Reglers.
- Test und Performancebeurteilung des optimierten Fuzzy-Reglers.
Zum Verstndnis 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 zusammengefat. Erstens ist das die Implementierung der Gteberechnungen fr den aus insgesamt 8 Elementen bestehenden Bewertungsvektor.
In Kapitel 3 werden mit Hilfe von Tests die GA-Parameter fr einen GA mit statischen Parameter optimiert. Dieser optimierte GA kann dann spter fr Vergleiche mit fuzzy-geregelten GAs verwendet werden, um den durch den Fuzzy-Regler erzielten Performancegewinn besser beurteilen zu knnen.
Kapitel 4 befat 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-Rege