طراحی بهینه مدارهای مجتمع آنالوگ با استفاده از شبکه های عصبی و الگوریتم HGAPSO

امروزه در طراحی مدارهای مجتمع آنالوگ با مشکلاتی روبرو هستیم. این مشکلات به دلیل پیشرفت در تکنولوژی نیمه هادی های می باشد. در این مقاله یک ابزار جدید در طراحی بهینه مدارهای مجتمع آنالوگ مبتنی بر شبکه های عصبی ارائه می شود. در این ابزار الگوریتم ترکیبی ژنتیک و اجتماع ذرات به آموزش شبکه های عصبی می پردازد؛ و از این روش توابع عملکرد مدار مدل می شوند. به عبارت دیگر ابزار جدیدی برای پیدا کردن پارامترهای مجهول مدار (متغیر های طراحی) بکار می رود؛ به نحوی که این متغیرها اهداف طراحی و شرایط عملکرد مدار را ارضاء کنند. به کارگیری الگوریتم ترکیبی ژنتیک و اجتماع ذرات در آموزش شبکه های عصبی و مقایسه صورت گرفته با الگوریتم آموزشی پس انتشار، نشان می دهد که در طراحی بهینه مدارهای مجتمع آنالوگ، استفاده از الگوریتم جدید کارایی بالاتری را به همراه دارد.

کلیدواژه ها:

مدارهای مجتمع آنالوگ ، شبکه های عصبی پرسپترون ، الگوریتم ترکیبی ژنتیک و اجتماع ذرات (HGAPSO) ، بهینه سازی