当你抱怨手机一天充三次电时，可能想不到芯片里的逻辑电路正在“偷偷耗电”。随着集成电路集成度提升，功耗过高导致设备续航短、发热严重，成为电子设备升级的“拦路虎”。我国河北农业大学、北京航空航天大学团队最新研究显示，通过一种多策略融合的模因算法（MFMA），成功实现混合极性里德-穆勒（MPRM）逻辑电路的功耗优化，最大功耗节省率达72.30%，平均优化率43.37%，为芯片“瘦身”提供新方案。相关成果近日发表于《Frontiers of Information Technology & Electronic Engineering》。

MPRM电路：节能潜力巨大但优化如“走迷宫”

数字电路是电子设备的“大脑”，分为布尔电路（用与/或/非运算）和里德-穆勒（RM）电路（用异或/与运算）。研究显示，RM电路在功耗、面积效率上比布尔电路更具优势，尤其MPRM电路拥有3ⁿ种极性配置（n为变量数），优化空间巨大，就像“有3ⁿ种排列组合的节能方案”。例如，8变量电路有3⁸=6561种极性，传统算法要么像“无头苍蝇”陷入局部最优，要么“爬得慢”难以收敛，如同“在百万级迷宫里找最短路径”。

功耗主要来自电路中异或门和或门的开关活动，优化需找到能最小化开关活动的极性配置。传统算法如粒子群优化（PSO）在复杂电路中优化率不足30%，而MFMA算法通过“双策略融合”，如同“组建一支高效狩猎队”，既擅长全局搜索又精于局部挖掘。

MFMA算法：“黑猩猩围猎+长鼻浣熊搜食”协同优化

团队创新设计的MFMA算法，融合两种生物启发策略：

黑猩猩优化算法（ChOA）：全局“撒网”定位目标
模拟黑猩猩群体围攻猎物的行为，快速扫描整个极性空间。算法通过攻击、驱赶、拦截等行为，让初始种群快速向优质极性聚集，如同“猎人根据足迹缩小搜索范围”。实验显示，该策略使算法在1000次迭代内即可定位最优解区域，比传统算法快3倍。

改进的长鼻浣熊优化算法（COA-OLA）：局部“精准捕鱼”
针对ChOA局部搜索精度不足的问题，引入“最优位置学习”和“自适应权重”策略。前者让个体向种群最优位置靠近，像“新手猎人学习老手经验”；后者动态调整搜索步长，避免“在同一棵树周围打转”。改进后局部搜索精度提升20%，在Clpl电路中实现72.3%的功耗节省。

截断选择：保留“精英猎手”
两种策略搜索后，通过截断选择筛选最优个体，像“只留下最厉害的猎手继续下一轮捕猎”，确保种群质量，避免优质解被稀释。

实验验证：72.3%功耗节省，性能碾压传统算法

在MCNC基准电路测试中，MFMA表现亮眼：

• 功耗“大瘦身”：在Clpl电路中，功耗从初始73降至31.93，节省率72.3%；Ex1010电路平均优化率52.73%，远超PSO算法的25.59%；
• 收敛“加速度”：相比传统黑猩猩算法（ChOA），MFMA收敛速度快3倍，1000次迭代内即可找到最优解；
• 稳定性“抗打”：10次重复实验中，结果标准差小于5%，远低于COA算法的15%。

“最关键的是，它能处理大规模电路。”团队指出，在10变量电路测试中，MFMA仍保持40%以上优化率，而传统算法常因搜索空间过大“罢工”。

从手机到卫星：芯片“节能革命”正到来

该算法不仅适用于消费电子，还可赋能航天、医疗等领域：卫星搭载的低功耗电路可延长在轨寿命，植入式医疗设备的芯片功耗降低能减少电池体积，提升患者舒适度。未来，团队计划将算法扩展到面积和功耗的协同优化，让芯片“既省电又小巧”。

论文通讯作者何振学表示：“MFMA为逻辑电路优化提供了新思路，有望推动集成电路向低功耗、高可靠性方向发展。”

来源: 信息与电子工程前沿FITEE