基于混合量子遗传算法的嵌入式系统软硬件协同综合算法

软硬件协同综合是嵌入式系统设计中的一个重要步骤.综合利用启发式算法和演化类算法的优点提出了一种混合量子遗传算法(HQGA)来解决软硬件协同综合问题,提高了求解质量和搜索效率,降低了计算代价.实验结果表明HQGA对软硬件协同综合问题的有效性:在得到相近结果的条件下,HQGA计算时间较量子遗传算法缩短50%以上;在计算相同代数的条件下,HQGA求解质量较量子遗传算法平均提高10%以上.     

大规模嵌入式系统软硬件划分方法分析

本文首先对大规模嵌入式系统软硬件划分的相关问题进行了简单的阐述,然后指出了传统软硬件划分方法的不足。为了有效解决传统划分方法中存在的问题,文中提出了一种新型的软硬件划分方法——基于克隆选择算法进行软硬件的划分,可供同行参考。     

COPART:一种面向约束条件的自适应软硬件划分算法

本文介绍一种将自适应算法、遗传算法和列表调度算法结合起来应用于软硬件划分问题的算法COPARTART，并提出了一种基于约束条件的开销系数自适应调整方法，该方法所获得的划分结果能够良好体现设计目标。     

基于资源受限的软硬件划分方法

本文提出了一种在硬件资源受限的情况下进行软硬件划分的一种方法。以贪婪算法(greedy)作为划分的核心，并对所抽取的划分图进行结点的预先分类，减小贪婪算法探索的设计空间，加速算法的执行。通过反复地迭代，获得了最终的软硬件划分选择。实验证明，这种软硬件划分的方法具有高效率及高面积利用率的特点。     

一种基于改进模拟退火算法的软硬件划分技术

提出一种应用于嵌入式系统软硬件划分的改进模拟退火算法.算法通过使用基于Cauchy分布的扰动模型和Tsallis接收准则来提高模拟退火算法的性能.通过对比经典的模拟退火软硬件划分技术以及实验结果的验证表明,使用改进模拟退火算法能加快划分的收敛,并且找到目标函数的最优值的概率也更大.     

人工智能优化算法在软硬件划分中的应用综述

嵌入式系统由软件和硬件组成,对于一个复杂的嵌入式系统而言,软硬件划分起着关键性的作用。文中综述了近年来应用于软硬件划分的人工智能优化算法。在系统时间、硬件面积等约束下,寻找一个最优或者次优的划分方案来解决这个背包问题,然后根据所得方案将系统任务进行合理的软硬件划分,从而提高了系统执行效率。文中也阐述了软硬件划分的研究方向和部分算法的特点。     

基于扩展背包问题的的软硬件划分算法

软硬件划分问题常以时间为约束对硬件面积进行优化。随着嵌入式的发展，功耗这一因素也越来越重要，故在约束条件中加入了功耗的约束。贪婪算法是解决0-1背包问题的一种简单有效的方法，因此建立多约束的软硬件划分问题与0-1背包问题之间的联系，采用扩展的贪婪算法解决多性能指标的软硬件划分问题。利用仿真与动态规划方法的对比，进行了有效性验证。     

基于关键路径和面积预测的软硬件划分方法

本文提出了一种基于关键路径和面积预测的软硬件划分方法,这种划分方法将软硬件映射和任务调度合而为一,在调度过程中同时完成软硬件的映射,充分发挥了任务调度的作用.在实验过程中,我们对比了基于模拟退火算法的软硬件划分方法(SA)和基于路径分析的软硬件划分方法(PA).实验结果表明,我们提出的方法在成功率以及结果的优化程度上都能取得更好的效果.     

基于流形距离的量子进化聚类算法

基于量子计算的机理和特性,并结合进化计算,本文提出了一种新颖的量子进化聚类算法(QEAM),在该聚类算法中引入了一种新的距离测度函数——流形距离.新方法将聚类归属为优化问题,通过运用量子进化的机理更快地搜索到最优聚类中心,从而得到最优隶属度矩阵划分;同时,通过基于流形距离的相似性度量,有效利用样本所具有的全局一致性信息...     

基于改进的遗传算法软硬件划分方法研究

随着芯片集成度的飞速发展,集成电路的设计已经进入了片上系统（SoC,System on Chip）的时代。传统的软硬件分开设计的方法已经不再适合SoC设计的需要,而软硬件协同设计技术很好地解决了传统设计方法所不能解决的问题。软硬件划分方法是软硬件协同设计中的一个关键的问题,文章主要从基于多目标的遗传算法出发,对遗传算法主要做了两方面的改进：一方面引入小生境技术,进一步优化了算法;另一方面是引入精英保持策略,保证了算法的收敛性。并通过实验,对比不同算法之间的结果,验证了算法的收敛性。     

全兼容IEEE1149.1的MIPS CPU CORE可测性设计

提出了一种采用软硬件协同工作的方式来实现MIPSCPUC：ORE的可测性设计(DFT)方案。硬件全兼容IEEE1149．1(JTAG)标准，支持单步、断点(6个)，内部关键寄存器的查看，并具有可扩充性；软件采用GUI编程开发，达到可视化DEBUG。本设计对于减少DPU开发的测试成本，提高开发效率，以及CPU测试DFT策略的经验积累，都有着一定的意义。     

量子通信与量子计算

量子信息学是物理学目前研究的热门领域，它主要包括量子通信和量子计算，文章简要介绍了量子通信和量子计算的理论框架，包括量子纠缠、量子不可克隆定理、量子密钥分配、量子隐形传态、量子并行计算、Shor以及Grover的量子算法，并介绍该领域的研究进展。     

一个改进的量子隐形传态回路

量子隐形传态是一种典型的量子通信方式,它用经典辅助的方法来传送量子态,并引入了量子纠缠的特性.实现隐形传态的量子回路形式有很多,为了更有效地传递量子态,本文在Brassard回路的基础上提出一个改进的量子回路,它具有更简洁的结构,并能实现量子隐形传态.     

量子神经动力学分析

量子计算与神经计算的结合是当前人工神经网络理论发展的一个前沿课题,由此而产生的量子神经计算范式具有很高的理论价值,我们在量子理论基本原理的基础上讨论了把量子理论引入神经计算领域的可能性和可行性,并详细分析量子神经的动力学行为,为以后建立量子神经网络和研究量子神经网络的学习算法打下了坚实的理论基础.最后简单讨论了一些与量子神经计算有关的其它问题.     

Tavis-Cummings模型中运动原子的量子关联动力学

通过数值计算的方法,研究了T-C模型中两运动原子与粒子场相互作用时两原子的量子关联。讨论了两原子的初始量子纠缠和腔场的光子数及原子的运动对两原子量子纠缠和量子失谐的影响。结果表明：初始量子纠缠不同,两原子的量子纠缠和量子失谐的演化不同;光子数的增加,两原子的量子纠缠出现猝死和恢复现象,而量子失谐保持非零,同时量子纠缠和量子失谐变化的更快;考虑原子的运动时,量子纠缠和量子失谐周期性演化,场模结构参数的增大,量子纠缠和量子失谐的演化周期变小。通过演化曲线发现,量子纠缠和量子失谐的演化具有相似性。     

量子密码学的应用研究

文中首先对量子密码学作了简单的介绍,给出了量子密钥所涉及的几个主要量子效应,接着较为详细地阐述了国内外量子密码学发展的历史,给出了量子密码学研究的几个课题：量子密钥分配、量子签名、量子身份认证、量子加密算法、量子秘密共享等,并分别加以简单的说明并详细地分析了阻碍量子密码实用化的几个因素。最后对量子密码学的发展做了展望。     

量子骰子

量子博弈是量子信息的一个重要分支.以Meyer所研究的单硬币博弈游戏为基础,主要讨论了具有六个态的骰子游戏.对于经典的二人骰子游戏而言,游戏者双方P和Q获胜的几率相同,都是1/2.而在量子骰子游戏中,用骰子的态密度矩阵来表示该态,若其中一个游戏者Q用量子策略来代替经典游戏中随机的翻转过程,而另一个游戏者P仍然采用经典策略,则Q完全可以控制游戏的胜负.从而对于量子骰子游戏而言,可以得出:量子策略比经典策略更具优越性.     

单光子波包与腔-量子点相互作用的动力学研究

对单光子波包与腔-量子点模型相互作用的动力学过程进行了数学推导,并通过数值模拟实现了静态量子比特与飞行光子比特之间的相互转换。结果表明：由腔-量子点系统输出到光纤的光子是一个平滑的波包;通过改变激光脉冲作用时间等系统参数,可实现量子点中的原子和光子的纠缠,在此基础上,即可实现不同量子点中原子的纠缠。研究结果对解决利用腔-量子点系统来构造量子计算机的接口、制备纠缠态以及实现受控量子门等热点问题具有积极意义。     

多用户网络环境下量子密码术

在传统的点到点之间进行量子密钥分发协议的基础上,利用量子存储技术和EPR粒子纠缠态互换的方法,提出了在多用户、多控制中心、远距离的网络环境下进行量子密钥传送的方案。与传统的点与点之间的量子密钥传送协议类似,其安全性也是建立在量子力学原理上,任何窃听者的存在必将使生成密钥的误码率上升而被合法通信用户发现。     

量子纠缠联想记忆

提出一种基于量子纠缠的联想记忆神经网络(QuEAM).对比传统的联想记忆网络,QuEAM的存储容量得到了指数级的增大.学习算法是根据纠缠量度的性质,采用Grover量子迭代算法的基本原理局域放大量子位(qubit)的概率振幅,相当于传统计算机的按位操作,讨论了这个学习算法下的量子基本原理.最后给出具体的例子说明了算法的有效性.