一种基于离散蝙蝠算法的片上网络映射方法

摘要

本发明提出一种基于离散蝙蝠算法的片上网络映射方法，初始化并生成蝙蝠种群；计算每个蝙蝠个体的适应值，找出种群中的最佳个体；根据当前迭代次数来更新脉冲发射率；对于蝙蝠个体产生新的解；判断rand(0,1)是否大于脉冲发射率，大于时对当前最佳个体进行局部搜索，产生新的解x′_i；计算新的解x′_i的适应值，并由新的解x′_i的适应值计算响度A_i；当新的解x′_i的适应值小于个体当前的适应值，且rand(0,1)大于响度A_i，则用新的解x′_i更新当前个体的位置；当新解x′_i的适应值比种群最佳个体x^*的适应值小，则令新解x′_i为种群中的最佳个体；遍历整个蝙蝠种群，若运行迭代次数到达预设最大值，搜索停止，输出种群的最佳个体及其适应值。实验结果表明，本发明能够获得更优的映射结果。

主权项

一种基于离散蝙蝠算法的片上网络映射方法，其特征在于，包括如下步骤：步骤1：初始化算法的参数，生成初始的蝙蝠种群，所述参数包括：蝙蝠数量，算法迭代次数，最大频率Q_max和最小频率Q_min，脉冲发射率的最大值R_max和最小值R_min；步骤2：计算每个蝙蝠个体的适应值，并找出种群中的最佳个体x_*；步骤3：根据当前迭代次数来更新脉冲发射率R_i(t)；步骤4：对于蝙蝠个体i，产生新的解x′_i；步骤5：判断rand(0,1)是否大于脉冲发射率R_i，如果是，对当前最佳个体进行局部搜索，产生新的解x′_i；步骤6：计算新的解x′_i的适应值，并根据新的解x′_i的适应值来计算响度A_i；步骤7：如果新的解x′_i的适应值小于个体i当前的适应值，且rand(0,1)大于响度A_i，则用新的解x′_i来更新当前个体i的位置；步骤8：如果新的解x′_i的适应值比种群最佳个体x_*的适应值小，则令新的解x′_i为种群中的最佳个体；步骤9：重复步骤4‑8直至遍历整个蝙蝠种群，若运行迭代次数到达预设最大值，搜索停止，输出种群的最佳个体及其适应值；否则增加当前代数，跳回到步骤3。