遺傳基因算法在SOC驗證平臺上的應(yīng)用及改進.pdf_第1頁
已閱讀1頁,還剩63頁未讀 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、隨著集成電路制造工藝不斷進步,片上系統(tǒng)的集成度不斷提高,設(shè)計流程的瓶頸在于怎樣保證RTL(register transfer level)描述和specification功能定義一致。現(xiàn)階段功能驗證占據(jù)了整個設(shè)計時間的50%~80%,根據(jù)ITRS的預(yù)計在接下來的幾年內(nèi),集成電路設(shè)計面臨的巨大挑戰(zhàn)是增強驗證能力。由于目前驗證方法需要人工分析覆蓋率信息并以此開發(fā)針對性更強的驗證向量,所以存在驗證效率低以及能達到的覆蓋率低等問題。因此需要研究

2、一種用人工智能算法自動生成驗證向量的方法,來提高驗證效率和保證驗證的完備性。
   目前生命科學(xué)和工程科學(xué)的相互交叉,相互滲透和相互促進是近代科學(xué)技術(shù)發(fā)展的一個顯著特點,而遺傳基因算法的蓬勃發(fā)展正體現(xiàn)了科學(xué)發(fā)展的這一特征和趨勢。論文提出了一種基于遺傳基因算法和覆蓋率驅(qū)動技術(shù)的RTL代碼功能驗證向量自動生成算法。其特點是利用遺傳基因算法動態(tài)分析反饋的功能覆蓋率信息,并通過初始化向量群,計算適應(yīng)度,選擇,交叉,變異等遺傳操作自動生成

3、針對性更強的驗證向量,如此自動反復(fù)循環(huán),直到達到目標(biāo)覆蓋率為止。
   論文針對驗證平臺的特點對初始化群體的規(guī)模,自適應(yīng)函數(shù)的設(shè)計,定標(biāo)準(zhǔn)則和懲罰機制,以及選擇,交叉,變異這三個遺傳算子的操作流程和概率分配等設(shè)計進行了詳細介紹,并提出相應(yīng)的改進思路。最后在Synopsys公司提供的VCS仿真環(huán)境中用Open Vera語言搭建C3220_USB驗證平臺,并嵌入了用Open Vera語言實現(xiàn)的遺傳基因算法的核心程序,對USB1.1模

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論