演化计算是一项适用性强的智能搜索技术,已成功应用于大量复杂问题的优化求解。模拟电路演化设计是演化计算的最重要应用领域之一,其特点是自下而上地进行电路设计。对于自上而下式的基于经验知识和设计规则的常规设计,演化电路设计提供了一种新颖的自动化设计途径。模拟电路演化设计可以利用演化算法来自动搜索和优化电路的结构和参数,也可以作为常规电路设计中参数优化问题的补充方法。研究模拟电路演化设计具有重要的学术意义和应用探索价值。目前,演化算法在可承受的时间范围内的搜索性能和计算时间消耗是电路演化设计中的核心问题,直接影响到演化电路设计能否实际应用。本文分析总结了模拟电路演化设计的基本方法、关键技术和研究现状,着重研究了遗传算法的选择压力和分布式遗传算法迁移率参数对演化模型收敛性能的影响,以及分布式计算的任务分配算法对降低系统耗时的作用。主要研究工作如下:1.从遗传算法的选择压力出发,考虑选择压力对种群多样性和算法收敛性能的影响,通过对比分析模拟退火算法(SA)和遗传算法(GA)作用,提出了一种新的全局模拟退火演化模型。该模型将SA中的温度参数T引入到GA基本框架中,利用温度的下降趋势和种群进化程度来动态地调节算法选择压力,并通过对选择压力的控制来提升演化设计模型的性能。实验结果表明融入该模型的GA算法优化设计电路演化设计问题时有更高的成功率。2.分布式遗传算法中孤岛模型的迁移率是影响孤岛模型性能的重要参量。本文分析了迁移率设置对算法性能的影响,提出了一种阶段式动态迁移率策略。该策略以跟随的方式使迁移率随着演化进程的深入而逐渐增大,可以较好地处理演化后期的种群多样性和收敛性之间的关系。与固定迁移率的孤岛模型算法相比,该策略能有效加速算法收敛和提高算法在固定代数内的成功收敛率。3.设计并完成了一种用于电路演化设计的任务分配策略。该策略针对分布式演化计算中的Master/Slave架构,综合考虑了实际计算设备的异构性和电路仿真时间消耗的不确定性问题,让Slave监控自身空闲时间并主动向Master请求子任务。策略中加入了“子任务组合”和“子任务重传”机制,降低了 Master与Slave间的通信次数,保证了系统的容错性能。实验结果表明,该策略能够合理高效地保证计算设备的负载均衡,降低演化耗时,并使分布式演化系统具有良好的容错性能和可扩展性能。总之,本文针对遗传算法的选择压力和孤岛模型的迁移率问题,以及分布式演化的负载均衡问题进行了研究,改善了电路演化设计模型的收敛性能,减少了演化设计的时间消耗。