遗传算法的FPGA硬件实现

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (20): 9-13.

遗传算法的FPGA硬件实现

周艳聪1，2，顾军华3，董永峰3，刘恩海3

1.河北工业大学电气工程学院，天津 300130
2.天津商业大学信息工程学院，天津 300134
3.河北工业大学计算机科学与软件学院，天津 300130

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-07-11 发布日期:2011-07-11

Hardware implementation of genetic algorithm based on FPGA

ZHOU Yancong1，2，GU Junhua3，DONG Yongfeng3，LIU Enhai3

1.School of Electrical Engineering，Hebei University of Technology，Tianjin 300130，China
2.School of Information Engineering，Tianjin University of Commerce，Tianjin 300134，China
3.School of Computer Science and Engineering，Hebei University of Technology，Tianjin 300130，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-07-11 Published:2011-07-11

摘要/Abstract

摘要： 针对遗传算法软件实现速度慢、效率低的缺点，提出了便于算法实现的串行和流水线两种硬件实现方案。详细描述了设计方案，选择算子、交叉变异算子结构，种群以及适应度的存储和流水线结构，并在流水线中引入并行机制。利用函数极值和旅行商问题分别对方案的资源耗费、运行速度的有效性进行了验证。实验结果显示，这两种硬件实现方法结构简单，资源耗费少，运算速度和运行效率较软件实现大大提高，运行速度平均提升2~3个数量级，为算法在一些实时性要求较高的场合得到应用提供了良好基础。

关键词: 遗传算法, 现场可编程门阵列, 流水线, 旅行商问题, 全局优化

Abstract: To overcome the shortcoming of low speed and low efficiency of genetic algorithm’s software implementation，two hardware implementation schemes of serial and pipelining realization are put forward.The overall design and structure of genetic operators——selection，crossover and mutation，individual population and fitness memory are given.Other parallel mechanisms are also added to the pipelining structure.The optimal solution of function and classical travel sales problem are used to verify the effect of the schemes on resource consumption and running speed.The experimental results show that the schemes have simple structure，low resource consumption，higher running speed and efficiency than software’s implementation.On average the running speed can be advanced 2 to 3 orders.It sets a good basis for the application of genetic algorithm on real time and high speed system.

Key words: Genetic Algorithm（GA）, Field Programmable Fate Arrays（FPGA）, pipelining, Travel Sales Problem（TSP）, global optimization

周艳聪1，2，顾军华3，董永峰3，刘恩海3. 遗传算法的FPGA硬件实现[J]. 计算机工程与应用, 2011, 47(20): 9-13.

ZHOU Yancong1，2，GU Junhua3，DONG Yongfeng3，LIU Enhai3. Hardware implementation of genetic algorithm based on FPGA[J]. Computer Engineering and Applications, 2011, 47(20): 9-13.

[1]	张松灿，普杰信，司彦娜，孙力帆. 基于种群相似度的自适应改进蚁群算法及应用[J]. 计算机工程与应用, 2021, 57(8): 70-77.
[2]	卜冠南，刘建华，姜磊，张冬阳. 一种自适应分组的蚁群算法[J]. 计算机工程与应用, 2021, 57(6): 67-73.
[3]	李昱奇，刘志乾，程凝怡，王莹莹，朱春丽. 多约束条件下无人机航迹规划[J]. 计算机工程与应用, 2021, 57(4): 225-230.
[4]	杨玮，吴莹莹，王婷. 子母式穿梭车仓储系统配置优化问题研究[J]. 计算机工程与应用, 2021, 57(4): 258-265.
[5]	李倩，蒋丽，梁昌勇. 基于模糊时间窗的多目标冷链配送优化[J]. 计算机工程与应用, 2021, 57(23): 255-262.
[6]	杜守信，毋涛. 双种群混合遗传算法的裁剪分床应用研究[J]. 计算机工程与应用, 2021, 57(22): 182-189.
[7]	曹立佳，刘洋. 制造车间自动导引车调度新进展[J]. 计算机工程与应用, 2021, 57(21): 59-67.
[8]	陈倩茹，李雅丽，许科全，刘铱龙，王淑琴. 自调优自适应遗传算法的WKNN特征选择方法[J]. 计算机工程与应用, 2021, 57(20): 164-171.
[9]	石宇强，田永政，张雨琦，石小秋. 运用含复杂网络结构的多种群遗传算法求解FJSP[J]. 计算机工程与应用, 2021, 57(2): 257-266.
[10]	代江涛，韩晓龙. 考虑作业状态能耗的集装箱码头设备协调调度[J]. 计算机工程与应用, 2021, 57(19): 290-298.
[11]	姜良重，雷航，李贞昊，钱伟中，施甘图. 采用自适应优化权重的出库货位优化方法研究[J]. 计算机工程与应用, 2021, 57(15): 271-278.
[12]	贺娇，谭代伦. 基于视野范围和遗传算法的三维地形路径规划[J]. 计算机工程与应用, 2021, 57(15): 279-285.
[13]	冯晓东，黄世荣，戴冠鸥，杨伟家，罗尧治. 天牛须遗传杂交算法的研究与应用[J]. 计算机工程与应用, 2021, 57(15): 90-100.
[14]	苏庆，林华智，黄剑锋，林志毅. 结合CNN和Catboost算法的恶意安卓应用检测模型[J]. 计算机工程与应用, 2021, 57(15): 140-146.
[15]	王秀丽，周鹏，侯静楠，王仕俊，林霞. 面向变电站机器人巡检路径规划中的算法研究[J]. 计算机工程与应用, 2021, 57(14): 245-250.