В работе рассматривается подход к построению гибридной биоинспирированной многоагентной системы для решения задачи разбиения методом поисковой адаптации. В основе работы адаптивной многоагентной системы лежит ситуационная кооперация между агентами, когда решение о совместных действиях принимаются агентами на каждом такте работы на основе анализа состояния среды функционирования и наличия у агентов условий для кооперации. Двухуровневое представление объекта оптимизации и идеи коллективной адаптации, позволяющие сочетать эволюционную и альтернативную адаптации, использованы с учетом специфики задачи разбиения. Описаны механизмы альтернативной коллективной адаптации, моделируемой вероятностными обучающимися автоматами адаптации, структуры вероятностных обучающихся автоматов адаптации, механизмы переходов, выработки откликов среды, реализации альтернатив.
(Институт компьютерных технологий и информационной безопасности Южного федерального университета, ул. Энгельса, 1, г. Таганрог, 347928, Россия) Работа посвящена методу решения задачи распределения соединений между выводами, основанному на моделировании адаптивного поведения муравьиной колонии. Цель перераспределения заключается в уменьшении плотности областей трассировки, уменьшении длины соединений, уменьшении числа пере-сечений, повышении степени интеграции и т.п. Отличительной особенностью представленного роевого алгоритма является то, что поиск решений агентами производится в многостадийной среде функциони-рования, имеющей композитную структуру. Тестирование производилось на бенчмарках. По сравнению с существующими алгоритмами достигнуто улучшение результатов на 6-7 %.Ключевые слова: роевой интеллект, интеграция, композитная структура, муравьиная колония, ав-томатизированное проектирование СБИС.Перераспределение соединений между выводами возможно в том случае, если выводы являются функционально эквивалентными. Два вывода (или группы) называются функционально эквивалентными, если переключение подходящих к ним цепей не приводит к изменению логической функции схемы. Та-ким образом, задача перераспределения соединений между выводами сводится к задаче переключения соединений внутри функционально эквивалентных групп выводов [1].Возможен иерархический подход к задаче перераспределения, когда осуществляется перераспределе-ние групп соединений между эквивалентными группами выводов, не приводящих к изменению логиче-ской функции схемы. Задача распределения (или закрепление цепей за выводами) может решаться в про-цессе планирования СБИС, размещения блоков на кристалле, в процессе глобальной трассировки, при канальной трассировке [2]. Обычно задача решается после выполнения этапа глобальной трассиров-ки [3].Цель перераспределения заключается в уменьшении плотности областей трассировки, уменьшении длины соединений, уменьшении числа пересечений, повышении степени интеграции и т.п.В последнее время для решения различных сложных задач, к которым относятся и задачи распреде-ления (или закрепления) цепей за выводами, все чаще используются способы, основанные на примене-нии методов искусственного интеллекта [4][5][6][7]. Особенно стремительно растет интерес к разработке алгоритмов, инспирированных природными системами. Одним из новых направлений таких методов являются мультиагентные методы интеллектуальной оптимизации, базирующиеся на моделировании коллективного интеллекта [8,9]. В работе излагается метод решения задачи распределения соединений между выводами, основанный на моделировании адаптивного поведения муравьиной колонии [10,11]. Постановка задачиИзначально свойство эквивалентности присуще выводам, являющимся входами конъюнктора (или дизъюнктора). Пусть V={v i | i=1, 2,…, n} -входы и w -выход конструктивного элемента. Действительно, в силу коммутативного закона значение функции, являющейся конъюнкцией (или дизъюнкцией) не-скольких переменных, не зависит от перестановки этих переменных. Например, y = x 1 &x 2 &x 3 =x 2...