系统工程与电子技术
文章编号:1(101.5艏x(2003)12—1465-04
基于Elmore模型的Steiner树问题的求解
刘西奎,李艳
(徐州师范大学工学院,江苏徐州,221011)
摘要:建立了一种求解基于ⅡⅡ眦延迟模型的steiner树问题的遗传算法。针对Stelnet树问题的特点.在引
入一种新的具有自适应性的杂交概率和变异概率的基础上,提出了面向Sleiner树问题的遗传算法和一种构造染色
体的新方法。提供了遗传算法的结构并讨论了遗传算子。分析了基于时间和空间的算法复杂性。
关键词:总体布线;遗传算法;自适应;概率
中圈分类号:TPl8 文献标识码:A
s0№fbrSteiⅡer帆掣曲‰basedm陆mmodel
UUXi-kui.LIY蛐
(西扣咖蛳可血d州No,'ma/£蛐挑竹,Aud蛐221011.0‰)
蠊喇:AgeneticalgorithmofⅡleSteiDer№pmb胁isgvenAccorolingtothecharacter0fthe即Mm∞theb日sisaf
iIl血dtil唔anewr惟tI州埘tll鸵啦吐p6vee叫nnuteardnlltatep.曲曲ilityanewgenetic蜊ⅡⅡn岛fSleinerh髓印blemanda
newr呻tllodforc口瑁咖dIIgcIⅡ饼帕oI嘶atept氆咖LedThe咖尬眦ofgenetic且l印血IlⅡ氇ispIDvjdedandlb目enetic如ithra
0p目at015帅di鄙I酬.1he唧lexityof蛔t}Imbased011timeand却峨isⅢ脚y捌
Key啪陆:辨嘴甜wilinlg;目剃calgmidⅡlI;9e盯d—f;asiNe曲岫;prob出lai哆
1引言
总体布线是VIN自动化布图中继布局之后的一个重要
环节.Neiner树问题是总体布线中要解决的关键问题。由于
互连线延迟越来越大,总体布线的目标已经从最小代价发展
到延迟驱动[“。文献[2]提出了以最小代价为目标的最佳启
发式算法,算法精度为0(n3)。以延迟驱动为目标,文献
[3]提出了基于关键汇点的近优Steiner树算法。算法复杂度
为指数级,很难应用到vIsI自动布图中。
遗传算法在算法实现上具备结构上的隐含并行性、计算
原理上的随机性和自适应性,对非线性复杂问题有全局搜索
能力,简单通用、鲁棒性强,已成为学术界和工程界研究的重
点。本文以延迟驱动为布线目标,根据Neiner树的拓扑结构
特点
设计
领导形象设计圆作业设计ao工艺污水处理厂设计附属工程施工组织设计清扫机器人结构设计
适应树形结构的矩阵编码方式和自适应遗传操作
算子,建立了一种求解基于日I砌e延迟摸型的sl如盯树问题
的遗传算法。
2问题描述
一般地。对于某一电路,在布局阶段通过延迟的估算和
分析,指定关键路径。关键路径上的相关线网的汇点称为关
键汇点,关键路径上的线网称为关键线网.布线时将优先考
虑。
2.1延迟驱动的shdlw布线树伺琏
设网络c=(。o,"l,”2.⋯,‰),。o和"。(1≤i≤n)分别
为网络的源点和汇点,则该网络的Sloiner布线树为T=(P,
E),其中y=(s,p1.也,⋯,‰),P.∈E为点q到其父节点的
边。对于布线树r(y,E),任意两个互连的汇点口.,坼间的延
迟记作d(i,j),从源点”o到汇点q的延迟记作t。,源点和汇
点q权值记作q≥o;令c(r)为T(nE)的代价,则面向路
径的延迟驱动sIeiner布线树问题可描述如下。
给定网络c=(%,w,,”2.⋯,"。),源点和汇点q权值记
作啦≥0,构造布线树r(V,E).使
.k
ming(r)=^1∑吖。+^2×c(T)
式中:第一项——各汇点的ⅡIIHe延迟加权和,且A,4-^2=
1.^I≥0,^2≥0o
2.2Ⅱ呻on延迟模型
本文采用基于Elf舯fe延迟模型。给定网络G和r=
(P,E),边q的电阻和电容分别为‘和仁。设t=(K.丘)
为以汇点址为根点的r的子树,记C,为t中所有汇点与边的
收稿日期:2002—119一16;修回日期:2003—03—20。
基金项目:国家自然科学基金资助课题(6027d026和60174047)。
作者筒介:刘西奎(1973一),男.博士研究生,主要研究方向为DNA计算,遗传算法厦网络优化方向的研究。
万方数据
,』!!;彗; !. 至釜苫堡主皇王兰銮翌翌王
集总电容,rd为源点的驱动电阻,则汇点w,的El啪雎延迟定
义为
t=编+∑r,(c。/2+G)(1)
呼”
式中:P——s到“的路。
Ehnom延迟模型有如下优点’31。
(1)计算量小。计算树的所有汇点的延迟时间复杂度
为O(n);
(2)计算精度高。Elmore延迟模型的计算精度比线性
延迟模型的计算精度高;
(3)保真度高。El咖m延迟模型所得到的近优(或最优)
布线树和其它高阶延迟模型得到的近优(或最优)布线树具
有等优性。
2.3树形结构的矩阵编码方法
树形结构个体一般采用LISP语言中的S式进行编码,
但这种编码方法不够直观,遗传操
作不方便,存储量大。本文采用一
种有效的树结构编码方法——矩阵
编码。矩阵编码方式简单、直观,适
合遗传算法操作。图1是关于6个
汇点的Steirer树个体的平面图,编
码的矩阵T(“O”表示无)为
T=
图16个{L点的Steiner
树个体的平呵圈
l 2 3 O]
I
2 0 O l
3 6 7 l
6 12 133I
7 0 o 3}
12 0 0 6l
13 o o 6J
2.4群体栩始化
遗传算法的群体适宜规模可保证算法的全局收敛性,也
可以有效控制计算量。群体规模依赖于编码长度,一般为编
码长度的两倍。由于本文采用树的矩阵编码
方案
气瓶 现场处置方案 .pdf气瓶 现场处置方案 .doc见习基地管理方案.doc关于群访事件的化解方案建筑工地扬尘治理专项方案下载
,即将群体
规模Ⅳ设定在10~加之间,并且把树的深度d加以固定,从
而避免了过大的计算量。
首先根据Steiner树结构的特点,设给定网络G=(‰
吣%⋯,‰),根据编码的根节点的第一个子节点的不同.
把初始种群划分为n个不同的子群。按群体的规摸肘,在
每个子群中随机均匀地产生M/n个个体;然后+采用如下的
模拟退火更瓤策略对群体进行更新。
(1)当子个体的适应度高于父个体时,用子个体替代父
个体;
(2)否则以概率exp(一。×鱼厂/以)替换父个体。△,为父
个体和子个体的适应度差异;a≥0为常数,且当B≥l时,
口=E+1;否则口=1;e,定义为
耳=击薯(“班,))2
式中:“一)——个体n的不考虑遗传环境影响的基丁目标
函数值的基准适应度.产一平均基准适应度。B的作用类
似于模拟退火算法中的温度控制参数。节点关系如表l所
示。
表1节点关系衰
节点 左节点 右符点 父H点
2 3 0
2 0 0 l
3 6 ,
——
6 12 j3 3
O 0 3
12 0 0 6
13 0 0 6
2.s自适应变异算子
树结构的变异算子与二进制和l‘进制编码的变异算子
有本质的区别。本文设计了如下几种变异操作。
(1)个体变异:在树个体上随机选取⋯个子树,用一个
随机产生的树替换该子树,变异概率为Pk;
(2)将节点的第^个节点用另个元素替换,变异概率
为一;
(3)交换节点的左右于树,采用一种变异概率与父代染
色体串的相对欧氏距离成反比,随相对遗传代数指数下降的
自适应变异概率.公式为
fp⋯·exp(一17E/f一)·(1一R/月~)P二>p⋯
Pm2
I%.~ 矗≤‰。
(2)
式中:R——父代之间的欧氏距离,R一——父代之间的最
大欧氏距离,l——最大遗传代数⋯P一——最大变异概
率⋯P岫——最小变异概率,目一一常数。
变异概率选择逐渐变小,有两方面的优点:在进化初期,
较大的变异概率可以使搜索空间变大,避免出现局部最优
解;在进化的后期,较小的变异概率可以提高搜索效率.使搜
索速度不致过低。
2.6自适应交叉算子
交叉算于采用节点交叉的策略,将Steiner树结构的子树
作为·个整体进行交叉.即在两个交叉个体中独立随机地选
取交叉点。交叉时,两个个体以其交叉点作为根节点的两个
子树进行交叉互换,生成两个新个体。图2所示为两个个体
的交叉操作过程。
常用的最优交叉概率的取值范围是P,=0.5—095。
本文采用相对于遗传代数双曲线下降的自适应交叉概率.公
式为
万方数据
第t2期 基于E11蛳模型的s曲时树问题的求解 .1467.
P::{瓦肌’儿一 (3)
【n.岫 正《n.m
式中:p}一第t代的杂交概率,Pc.—一最大的杂交概
率,p⋯——最小的杂交概率.£——遗传代数.1一——最
大遗传代数。
,<。
3父蠢
愈\
图2西个个体的交卫操作过程(虚线框足参与交叉的子树)
2.7选择算子和适应度函数
采用适应度选择方式,个体梭选择的概率为
上
p(正)=“正)/2』“t)
虽优Steiner树问题的要求是寻找满足如下条件的
Steit’ex树T,使
raing(r)=^l∑8^+^2×C(r)
算法采用的适应度函数为
“T)=2w√s—g(I)
式中:5——线网G的边界矩形面积。
2.8剪枝算子
经过上述操作后,会产生更椿的树,使计算量加大,因此
要对超过给定深度d的树个体进行剪枝,即把超过给定探度
的树的节点删除。
3算法描述和收敛性分析
3.1算法描述
求解网络的优化stei地r树问题的遗传算法描述如下。
随机产生初始化种群x(o)=l,,(0),≈(0).⋯.
zM(0)};//M:种群规模t=O;//t:演化代敷,初值l=0
根据适应度函数定义,计算x(o)中每个个体的适应度
值“黾);
while(,m。(x(t))一允。(*(t))>E)/∥o(』(f))一
A。(x(1))>£)为停机准则
计算种群X(£)中各个体的适应度值比例,确定
选择概率P。;
’
for(t=1;k≤Ⅳ;k;‘4-2)
根据选择概率P/和转盘式选择策略在X(£)中选
择两个个体‰,‰;
以概率蹁对个体岛,‰执行变异操作,得到两个新个
体#叽,5h5
rdm=random[0.1];
if(rdm≤n)//n为杂交概率
{对个体#嘶,‰执行杂交操作,得到两个新个体
x∽t1*kwl
{对个体z一,x押执行剪枝检查校正操作,得到两
个新个体4l,。2;
else
zI2‰
将xl,。2插入到新种群x(1+1)中
计算':r(£+1)中个体的适应度值,并用置(t)中适应度
值最大的个体x一(I)替换x(1+1)中适应度值最小的个体
Xmin(t+1);
£=I+1:
输出x(o)
3.2算法收敛性分析
定义1设I‰Im≥0}为一系列取值为离散变量的随
机变量,离散值集合为n=⋯,称为状态空间。若对于任意
的m≥1和“∈n(^≤m+1)有
P{‰+l=“/z。=i。,⋯.xfJ=i。}
=PI#m+12‘+l/Xm=im}
则称{‰Im≥0}为‰链。
.№rbF描述了穿越状态空间n的概率轨迹,是分析遗
传算法收敛性的有力工具。在时问l内,从状态i转换到状态
,的概率^(‘)称为时间步I从i到,的转移概率,M吼叫链被
称为是葡构的;若转移概率与时间l无关,则设初始串岛突
变为C,。由于CI优于c0的概率越大,越有利于进化,所以对
于适应值,'将选用概率P(“C-)≥一co))的大小作为选择
变异概率p。的依据。
定义2串Cl,co的汉明距离为
警
//(c1.co)=∑I且(c1)一且(Co)I
式中:B。(c)——串C中在第i个基因位上韵值0,l,i=l,
2,⋯,R一。
定义3对于串c0定义n5”={CI“C)《以co).
日(C.,Co)=i}和如下的类嗡”,力5”,⋯,n5“,⋯。称f】5‘’
为co的i位改进子空间,U乩2,n50为c0的改进空问,筒
记为big:up蹦”。
\他缝豳
蠢、<鞴
万方数据
!』!望霎二.-!一 至笙三堡主皇王茎查 竺:兰
引理l【41 Co突变为C1进人i改进子空间的概率
P(n刖(C1)≥咖f(Co))在变异概率几=i/N时取最大值,
_】、T为基因串长度。
由引理1知,快速搜索要求变异概率具有自适应性,总
体上应该是随进化代数的增加而增强,与汉明距离成反比。
因此有如下定理。
定理1按照式(3)的自适应变异概率匕进行变异,可
以保证算法是最快收敛的。
设遗传算法的状态空问为n={n,,n:,⋯,吼},且c。
为状态0.经过交叉操作转移到状态n,的概率.记交叉矩阵
C=(cg)^。^.显然∑co,即c是随机矩阵。同理,状态n.经
过变异操作、选择操作转移到状态n,的概率分别形成的变
异矩阵.!If和选择矩阵s也是随机的。
在变异操作中,根据所设计的3种操作,设采用3种不
同的变异策略进行变异的个体数目分别为n.口,7,则状态
o.经过变异操作转移到状态q,哪=儿p。lpm2Pm≥0,所
以变异矩阵是正的。
引理2【5】若C,M,S是随机的,其中M≥0,S是列可
容的,则CMS≥0。
引理3【副若P是本原随机矩阵,则当k一∞时,收敛
到一个正的稳定随机矩阵,并与初始分布无关。
引理4悼】设P是可约随机矩阵,其中o,。是本原随
机矩阵,R和r不为0,则
r c^01
一艘P=艘l莹刺p|=【:;×。蒿 。
盟
是稳定的随机矩阵且P。=JP。,其中R。是∑PRO一的
极限,是唯一的且与初始分布无关。
显然在树结构遗传算法中,矩阵乘积P=cMs是算法
的转移矩阵,由引理2知,P是本原的,根据引理3得到如下
定理。
定理2 采用适应度比例选择策略的树编码遗传算法
是一个遍历的Markov链,即遗传算法的各个状态是非零概
率可达的,这个最终的状态与初始状态无关。
此种遗传算法对原有的数值编码的遗传算法的收敛性
理论都适用。根据文献[5],
标准
excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载
的遗传算法不能收敛到最优
解,因此对遗传算法进行了改造:进化的每一代,记录前面的
最优解,把最优解加入染色体的最右端,作为符号,事实上不
参加运算,从而在遗传到下一代时+保留最佳个体。于是由文
献[5]和}l理4得到以下定理。
定理3树结构的遗传算法在交叉、变异、选择后保留
当前的最优值.能够收敛到全局最优解。
4 实验仿真
对本文设计的算法进行了实验,末加说明的时间单位是
So实验时首先确定了遗传算法中需要的参数,最后选取的参
数如表2所示。然后根据参数^.,^2对结果的影响.选取了适
当的^】和也值。实验中,连线总长随^.的增大而单调递
降,同时关键路径长度单调增加。本文中,选定^l=A2=0.5。
表3中的数据是实验中^.从01逐渐变化到1时所得到的
有关连线总长、关键路径长度和延迟时间。
裹2实验’数和实验分析
Pm.mⅡ
‘~和pep—size 最佳收敛代数一
10∞ I.0 045 27
200 O.5 0∞1 10
表3工.对结果的影响
^l 连线总长 关键路径长度 延迟时间
0.1 ll704 42"78 21.43
0.4 9662 4284 20.48
0.5 9417 5190 23.66
0.6 9299 6749 24.07
l 883l 7508 25.28
通过对实际问题的仿真.得到了训练时间和目标函数的
关系,如图3所示。从图3可以看出,具有自适应概率的遗
传算法的收敛性是比较好的。
最后用本文的算法对 70
实验电路进行r测试。实 垂一50
验中采用了两种方案:方案 辱帅
1是采用传统计算技术(动 120
态规划和非线性优化技
1u
术);方案2是采用本文的
0 20 40 60 80100
训练时『开J/s
算法。方案1虽然可以获图3训练时间和目标函数的关系
得问题的解,但是搜索时间
长,时间复杂性随顶点数增加呈指数增长,不适合求解多顶
点的线网。而按照方案2进行实验,对于多顶点的线网也可
以很快地达到稳定,获得最佳解。通过对顶点较少的线网分
别按照方案1和方案2得到的解进行比较,发现两种方案所
得的结果误差不大,从而可以说明本文算法的有效性。表4
是实验中得到的结果对比。
寰4实验站幂对比
线罔 连线总长 延迟时衙 搜索时间 平均
散目 方素l 方案2 误差 方案l方案2 谋差 方案l 方案2 误差
髑 4让7玎 稍∞7 1 lO%7183 瑚l0捣 08l O卯 05%
l唰190嘶193粥L33%12677d26930∞% 2 33 0%%
h,嘲%9l如562叫1m17唧97107目l4% 52 97 l弱%
f1:转第1516页)
万方数据
::i:!: 至苎三堡主皇:茎銮:竺王
具有对目标机动加速度估计的能力。
嗡[≯i旦锈匹卫
o 4;J2”20⋯;,?2”20o 4 8,b121620
,/s
;嚣固1.蠢区羽
(a)情况2下视(b)情况2下视线角(c)情况2下导弹制
线角变化曲 速度变化曲线 导指令加建度变
线 化曲线
图2情况2的仿真结果
7结论
根据以上分析与数字仿真结果,得出以下结论。
(1)变结构制导律依赖于滑动模态的存在,因而能够消
除系统中存在的结构参数摄动和外界干扰所带来的影响,基
于这种思想.可以把目标的机动加速度视为一类具有有界扰
动的不确定因素,从而本文所提出的变结构制导律具有很强
的鲁棒性;
(2)基于Lyapunov稳定性原理所确定的适应律,实质上
是对外界不确定扰动因素的界的估计,引入这种适应律不但
能够使系统稳定.改善控制特性,而且能提高导弹的导引精
度;
(3)本文的这种变结构制导律不需要太多的观测信息+
其控制结构简单,计算量小,因此易于工程实现。
参考文献:
[1]高为炳变结构控制理论基础[M]北京:巾国科学技术出版
社,1990
【2]mDi,MuO-mndi.)【l|Wenli.0pIiⅢSlidlng-ModeGuidance0f
}hnir学蛐BB如[c]h唧既di“铲0fthe38Coafef,moa叽脑两叩&
Cd删.2000.5131—5136
[3]Z]louDi,MuChundi,XuWenliA埘vPSllding-ModeC.uidaace0fa
H∞衄Missile[J].JoumaldGuldanⅢ,Contnd,andD】“∞,
1.999,22(4):589—594
[4]Ravindm岫K,S口'maI C-,Sw∞ayK N.S“tehBimPrOlXdOaat
MI喇∞forH岫Guidance增血哦HighlyManeuveringTarl酽ls[J].
^J,J唧al0fC.tfid,m慢.Cantm],and脚枷曲,1994.17C6):1357一
■
1363
[5]GerardkngOddeaeeAlgafithmI.k“gn:ANoalinearIn一廿
proⅢda[J]Journal0fGuidance.GaatrolmdD]mamia,1998.21
(5):742—746.
[6]JinY伽≈c嫡,nI水严mgch,}hPil‰№血m旺^dl灿铒
Gtddanee喇dcd%TaⅫetU“nfiesmdControlLoop功Ⅲa
[c].n眦啪血驿0ftheAmeclcauc。“hdc【llIi皿傥,Adinglon,VA,
200l25—27
(上接第1468页)
S结论
本文设计的具有白适应杂交概率和变异概率的遗传算
法能够对延迟驱动的S',einer布线树问题进行求解。本文给
出了利用遗传算法求解背包问题的适应度函数和自适应遗
传算法操作算子,采用的自适应杂交概率和变异概率能够保
证遗传算法快速收敛,有很高的收敛精度。本文设计的自适
应遗传算法具有全局收敛性。
参考文献:
[1]洪先龙,一个以时延优化为目标的力指向蜘树算法[J]半
导体学报,1995.16(3):218—223.
[2]JeffC.tⅫllth,RobinsG.da1.coI她thecq:Near-OptimalSteiaer
TreePrdo]日n岫P(dvr”向越1k[J].IEEETram肌CAD,1994.13
(11):1351—1365
[3]BoeaeKD,KahngAB.Rdoimc.一性0I·idCriticalSinkR椰tillg
TreeC.omtmeficas[c]№,ACM/IEEEDesignAukmm∞(hf,
1993.IB2一l舒.
[4]张良杰.遗传算法中突变因子的分析及改进策略[J]电子学报
学刊,1996,18(6):590—595
[5]陈国良.遗传算法厦其应用[M]北京:人民邮电出版社,1996
130—136
万方数据
基于Elmore模型的Steiner树问题的求解
作者: 刘西奎, 李艳
作者单位: 徐州师范大学工学院,江苏,徐州,221011
刊名: 系统工程与电子技术
英文刊名: SYSTEMS ENGINEERING AND ELECTRONICS
年,卷(期): 2003,25(12)
参考文献(5条)
1.陈国良 遗传算法及其应用 1996
2.张良杰 遗传算法中突变因子的分析及改进策略 1996(06)
3.Boese K D;Kahng A B;Robins G Near Optimal Critical Sink Routing Tree Constructions 1993
4.Jeff Griffith;Robins G Colsing the Gap: Near-Optimal Steiner Tree Problem in Polynomial Time
1994(11)
5.洪先龙 一个以时延优化为目标的力指向Steiner树算法[期刊论文]-半导体学报 1995(03)
本文链接:http://d.g.wanfangdata.com.cn/Periodical_xtgcydzjs200312007.aspx