胚胎电子细胞阵列电子细胞粒度优选方法及装置制造方法及图纸

本说明书实施例提供了一种胚胎电子细胞阵列电子细胞粒度优选方法及装置，其中，方法包括：获取电子细胞粒度参数，并基于所述电子细胞粒度参数建立胚胎电子细胞阵列可靠性分析模型与细胞内辅助资源占比分析模型；基于所述胚胎电子细胞阵列可靠性分析模型与细胞内辅助资源占比分析模型，以胚胎电子细胞阵列可靠性最大为目标，建立电子细胞粒度优选模型；根据算法迭代次数和种群质量确定自适应免疫算子，从而确定改进的自适应人工免疫算法，根据所述电子细胞粒度优选模型，采用所述改进的自适应人工免疫算法实现胚胎电子细胞阵列电子细胞粒度优选的求解。子细胞粒度优选的求解。子细胞粒度优选的求解。

【技术实现步骤摘要】
胚胎电子细胞阵列电子细胞粒度优选方法及装置


[0001]本文件涉及仿生自修复
，尤其涉及一种胚胎电子细胞阵列电子细胞粒度优选方法及装置。

技术介绍

[0002]胚胎电子细胞阵列是一种模拟多细胞生长和发育过程而设计的一种新型仿生硬件，具有故障自检测和自修复能力，能够有效提高故障容错能力和环境适应能力。在工作环境复杂、人工维修难以开展以及对电子设备可靠性要求严苛，需要电子设备长时间连续可靠运行的领域，如航空航天、深海探测和战场环境等领域，具有广阔的应用前景。
[0003]目前，胚胎电子细胞阵列的研究主要集中在阵列结构设计及自修复策略研究，故障自检测方法研究，阵列可靠性评估方法研究以及阵列的优化设计等内容。其中胚胎电子细胞阵列的优化设计主要包含行列数目选择、故障自修复策略研究、阵列布局方法、电子细胞数目优选及细胞内基因备份数目的研究。
[0004]在胚胎电子细胞阵列设计过程中，针对不同规模的功能电路，电子细胞粒度的变化，将直接影响阵列内可用于自修复的行列数目，进而影响阵列的可靠性。同时，现有功能电路基于胚胎电子细胞阵列再设计过程中，电子细胞粒度的选择主要依靠设计者的经验，缺乏理论指导。

技术实现思路

[0005]本专利技术的目的在于提供一种胚胎电子细胞阵列电子细胞粒度优选方法及装置，旨在解决现有技术中的上述问题。
[0006]本专利技术提供一种胚胎电子细胞阵列电子细胞粒度优选方法，包括：
[0007]获取电子细胞粒度参数，并基于所述电子细胞粒度参数建立胚胎电子细胞阵列可靠性分析模型与细胞内辅助资源占比分析模型；
[0008]基于所述胚胎电子细胞阵列可靠性分析模型与细胞内辅助资源占比分析模型，以胚胎电子细胞阵列可靠性最大为目标，建立电子细胞粒度优选模型；
[0009]根据算法迭代次数和种群质量确定自适应免疫算子，从而确定改进的自适应人工免疫算法，根据所述电子细胞粒度优选模型，采用所述改进的自适应人工免疫算法实现胚胎电子细胞阵列电子细胞粒度优选的求解。
[0010]本专利技术提供一种胚胎电子细胞阵列电子细胞粒度优选装置，包括：
[0011]第一建立模块，用于获取电子细胞粒度参数，并基于所述电子细胞粒度参数建立胚胎电子细胞阵列可靠性分析模型与细胞内辅助资源占比分析模型；
[0012]第二建立模块，用于基于所述胚胎电子细胞阵列可靠性分析模型与细胞内辅助资源占比分析模型，以胚胎电子细胞阵列可靠性最大为目标，建立电子细胞粒度优选模型；
[0013]计算模块，用于根据算法迭代次数和种群质量确定自适应免疫算子，从而确定改进的自适应人工免疫算法，根据所述电子细胞粒度优选模型，采用所述改进的自适应人工
免疫算法实现胚胎电子细胞阵列电子细胞粒度优选的求解。
[0014]本专利技术实施例还提供一种胚胎电子细胞阵列电子细胞粒度优选装置，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现上述胚胎电子细胞阵列电子细胞粒度优选方法的步骤。
[0015]本专利技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有信息传递的实现程序，所述程序被处理器执行时实现上述胚胎电子细胞阵列电子细胞粒度优选方法的步骤。
[0016]采用本专利技术实施例，在功能电路设计过程中，利用改进自适应人工免疫算法求解电子细胞粒度优选问题，获得适应电路规模的最优电子细胞粒度，有效提高电路的可靠性，也能为胚胎电子细胞阵列应用过程的优化设计提供理论指导。
附图说明
[0017]为了更清楚地说明本说明书一个或多个实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0018]图1是本专利技术实施例的胚胎电子细胞阵列电子细胞粒度优选方法的流程图；
[0019]图2是本专利技术实施例的电子细胞内辅助资源占比随细胞粒度变化的规律的示意图；
[0020]图3是本专利技术实施例的6种功能电路的电子细胞粒度在两种优化算法下的优化过程的示意图；
[0021]图4是本专利技术装置实施例的一的胚胎电子细胞阵列电子细胞粒度优选装置的示意图；
[0022]图5是本专利技术装置实施例二的胚胎电子细胞阵列电子细胞粒度优选装置的示意图。
具体实施方式
[0023]本专利技术要解决的技术问题是针对上述现有技术的不足，以二维胚胎电子细胞阵列为研究对象，提出了一种基于自适应人工免疫算法的胚胎电子细胞阵列设计过程电子细胞粒度优选方法，该方法可以推广到其他类型阵列设计中。
[0024]为了使本
的人员更好地理解本说明书一个或多个实施例中的技术方案，下面将结合本说明书一个或多个实施例中的附图，对本说明书一个或多个实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书的一部分实施例，而不是全部的实施例。基于本说明书一个或多个实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本文件的保护范围。
[0025]方法实施例
[0026]根据本专利技术实施例，提供了一种胚胎电子细胞阵列电子细胞粒度优选方法，图1是本专利技术实施例的胚胎电子细胞阵列电子细胞粒度优选方法的流程图，如图1所示，根据本专利技术实施例的胚胎电子细胞阵列电子细胞粒度优选方法具体包括：
[0027]步骤101，获取电子细胞粒度参数，并基于所述电子细胞粒度参数建立胚胎电子细胞阵列可靠性分析模型与细胞内辅助资源占比分析模型；
[0028]步骤102，基于所述胚胎电子细胞阵列可靠性分析模型与细胞内辅助资源占比分析模型，以胚胎电子细胞阵列可靠性最大为目标，建立电子细胞粒度优选模型；
[0029]步骤103，根据算法迭代次数和种群质量确定自适应免疫算子，从而确定改进的自适应人工免疫算法，根据所述电子细胞粒度优选模型，采用所述改进的自适应人工免疫算法实现胚胎电子细胞阵列电子细胞粒度优选的求解。
[0030]综上所述，本专利技术实施例引入电子细胞粒度参数，建立胚胎电子细胞阵列可靠性分析模型与细胞内辅助资源占比分析模型。其次，以胚胎电子细胞阵列可靠性最大为设计目标，建立电子细胞粒度优选模型。然后，根据算法迭代次数和种群质量设计自适应免疫算子，提出了一种改进自适应人工免疫算法，实现电子细胞粒度优选问题的求解。最后，开展多种规模胚胎电子细胞阵列电子细胞粒度选择实验，对电子细胞粒度优选方法的有效性和合理性进行验证。以下对本专利技术实施例的各个步骤进行详细说明。
[0031]步骤1：引入电子细胞粒度后胚胎电子细胞阵列可靠性计算。
[0032]胚胎电子细胞阵列内，电子细胞粒度即电子细胞能够实现逻辑功能的规模。然而电路逻辑功能难以定量描述，为了研究电子细胞粒度变化对于阵列可靠性的影响，用电子细胞的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种胚胎电子细胞阵列电子细胞粒度优选方法，其特征在于，包括：获取电子细胞粒度参数，并基于所述电子细胞粒度参数建立胚胎电子细胞阵列可靠性分析模型与细胞内辅助资源占比分析模型；基于所述胚胎电子细胞阵列可靠性分析模型与细胞内辅助资源占比分析模型，以胚胎电子细胞阵列可靠性最大为目标，建立电子细胞粒度优选模型；根据算法迭代次数和种群质量确定自适应免疫算子，从而确定改进的自适应人工免疫算法，根据所述电子细胞粒度优选模型，采用所述改进的自适应人工免疫算法实现胚胎电子细胞阵列电子细胞粒度优选的求解。2.根据权利要求1所述的方法，其特征在于，获取电子细胞粒度参数，并基于所述电子细胞粒度参数建立胚胎电子细胞阵列可靠性分析模型与细胞内辅助资源占比分析模型具体包括：获取细胞粒度g和细胞内辅助资源占比α两个电子细胞粒度参数；确定细胞单元的面积S
g
为gS0/(1
‑
α)，工作电子细胞阵列的行数α)，工作电子细胞阵列的行数列数胚胎电子细胞阵列的行数列数列数计算电子细胞的失效率λ
g
＝gλ/(1
‑
α)，其中，表示向下取整操作，胚胎电子细胞阵列中工作电子细胞阵列为m
×
n，m和n分别为工作阵列中细胞行列的数目，胚胎电子细胞阵列的规模为M
×
N，M和N分别是阵列中细胞行列的数目；根据公式1和公式2计算胚胎电子细胞阵列的可靠度R
g
(t)：(t)：其中，p(t)为一个电子细胞行能够正常工作的概率；根据公式3计算胚胎电子细胞阵列的平均失效前时间MTTF即T
g
：根据公式4计算胚胎电子细胞阵列中，电子细胞粒度变化后，电子细胞内辅助资源占比α：其中，α0为细胞粒度g＝1时细胞内辅助资源占比，H
c
为在基准电子细胞粒度下，胚胎电子细胞阵列内单个电子细胞的硬件资源消耗，
H
′
c
为细胞粒度变化后胚胎电子细胞阵列内单个电子细胞的硬件资源消耗，3.根据权利要求2所述的方法，其特征在于，基于所述胚胎电子细胞阵列可靠性分析模型与细胞内辅助资源占比分析模型，以胚胎电子细胞阵列可靠性最大为目标，建立电子细胞粒度优选模型具体包括：根据公式5和6确定阵列内电子细胞粒度优选模型：根据公式5和6确定阵列内电子细胞粒度优选模型：其中，F(g,α)为公式5的适应度函数；为惩罚项，μ为惩罚系数。4.根据权利要求3所述的方法，其特征在于，根据算法迭代次数和种群质量确定自适应免疫算子具体包括：根据公式7确定自适应激励度计算算子：其中，NP为抗体种群的规模，f
aff
(A
i
)为抗体A
i
的亲和度，f
den
(A
i
)为抗体A
i
的浓度，f
sim
(A
i
)为抗体A
i
的激励度，β为亲和度权重系数，且G为算法当前迭代代数，G
max
为算法最大迭代代数；根据公式8确定自适应免疫选择算子：
比较第G代抗体激励度，f
sim
(A
i
)与
favg
sim(G)的大小关系，则第G代进入克隆选择操作的抗体集为：其中，f
avg
sim(G)为第G代抗体的平均激励度，M(G)为第G代抗体中被选择进入克隆选择操作的抗体集；根据公式10计算自适应克隆算子：其中，C(A
i
)为抗体A
i
克隆后的数目，round(.)为取整函数，w
c
为克隆系数，CL为待克隆抗体种群规模，ΔC为大于1的常数；根据公式11计算自适应变异算子：其中，A
i
'为变异后的抗体，γ
i
为[
‑
1,1]中的随机变量，N(0,1)为服从标准正态分布的高斯变量，G为当前迭代代数，G
max
为最大迭代代数，A
max
为种群中激励度值最大的抗体，A
min
为种群中激励度值最小的抗体，rand为[0,1]的随机变量；根据公式12
‑
13计算自适应克隆抑制算子：B
i
(G)＝max(f
aff
(A'
i
(G)))公式12；其中，A'
i
(G)为经克隆与变异后的抗体，B
i
(G)为经过克隆抑制后的抗体，Ai(G+1)为经过克隆抑制后进入下一代的抗体，U(0,1)表示0到1之间的随机实数，p
j
的取值规则如下：如果f
aff
(B
i
(G))≤f
aff
(A
i
(G))，且A
i
(G)是当前种群中的最优抗体，则p
j
＝0；如果f
aff
(B
i
(G))>f
aff
(A
i
(G))，则p
j
＝1；如果f
aff
(B
i
(G))≤f
aff
(A
i
(G))，且A
i
(G)不是当前种群中的最优抗体，则p
j
根据公式14确定：其中，γ>0为1个与种群多样性有关的值，一般多样性越好，γ取值越大，反之越小。
5.一种胚胎电子细胞阵列电子细胞粒度优选装置，其特征在于，包括：第一建立模块，用于获取电子细胞粒度参数，并基于所述...

【专利技术属性】
技术研发人员：王涛，朱赛，李泽西，孟亚峰，吕贵洲，韩春辉，安婷，梁冠辉，
申请(专利权)人：中国人民解放军六三七六九部队，
类型：发明
国别省市：