全文总字数：4444字
1. 研究目的与意义（文献综述）
1.1目的及意义：遗传算法(geneticalgorithms,ga)是模拟自然界生物进化模式，即根据一些规则去淘汰不好的个体而留下好的个体。遗传算法在求解某些大规模和复杂问题的时候，基于软件的遗传算法往往在实现时间上不是很理想，因为计算机是冯诺依曼或哈弗结构，都是串行计算，在某些对实时性要求很高的场合，如智能控制、实施控制等一些工业应用中遗传算法受到很大的限制。可编程门阵列 (field-programmable gate array,fpga) 实现的遗传算法，采用超高速集成电路硬件描述语言(very-high-speed integrated circuit hardware descriptionlanguage,vhdl)对遗传算法进行编程。因为fpga的并行运算特性。能使遗传算法在运行时间上有一个很理想的结果。
1.2. 国内外现状：
国外最早在1995年就开始了基于fpga的遗传算法的研究，s.d.scott等人发表了名为” hga: a hardware-basedgenetic algorithm”文章，文中提出了一个功能齐全的基于硬件的遗传算法作为概念验证系统，该系统被设计成类似从核的模式，需要和cpu协同工作，用这种方式实现的遗传算法比基于软件的遗传算法在简单测试上面速度要快6%左右；在2001年，p.martin等实现了一个ga算法，用于评估回归问题和某个布尔逻辑问题相对应的适应度函数的种群。前一个问题使用具体整数值的适应度函数x=2a b，布尔逻辑问题具有适应度函数x=a⊕b，作者使用不同并行适应度评估模块进行了不同的实验设计，目的是在将硅成本考虑进去的时候找到最佳并行度，该实验设计是在 xilinx virtex fpga 上面实现的；在 2002 年，g.koonar 等人发表了“hardware implementation of geneticalgorithms for vlsi cad design”的文章，文中提出了一种用于 vlsi（very large scale integration，超大规模集成电路）物理设计自动化中的电路划分的遗传算法的架构，架构中将流水策略和并行计算结合起来，在基于软件的遗传算法的基础上实现了硬件化的遗传算法。在 xilinx virtex xcv50e 电路板上面，使用 ise 4.1 和modelsim 完成系统编写，系统的处理速度要比基于软件的遗传算法快 100x 倍左右。在 2007 年，k.glette 等人发表了“online evolution for ahigh-speed image recognition system implemented on a virtex-ii pro fpga”的文章，文中实现了一个图像识别系统，其中只有适应度函数被做成模块在应硬件 fpga 中实现，而其他的模块部分则是在 power pc 上面实现的，要优化的适应度函数是求和 x，这个实验是在 xupv2p 平台上面实现的，由于硬件平台的时钟是 100mhz 而 power pc 平台的时钟是 300mhz
2. 研究的基本内容与方案
本次设计的基本内容是了解遗传算法的原理和应用，针对经典的遗传算法模型做硬件化方案的结构设计、模块设计、时序设计，并进行分析和论证遗传算法硬件化模块的建立和仿真；针对具体芯片的硬件实现，对整体技术方案改进的探讨。
本设计的目标是用 fpga 芯片实现一个功能正确并且速度性能优良的遗传算法，充分体现硬件化实现遗传算法的速度优势，为遗传算法的实时性应用提供可能。
3. 研究计划与安排
第 1-3 周：查阅相关文献资料，明确研究内容，学习毕业设计研究内容所需理
论的基础。确定毕业设计方案，完成开题报告。
第 4-5 周：掌握遗传算法的基本算子和其运行过程，对硬件系统进行总体设计，完成英文资料的翻译。
4. 参考文献（12篇以上）
[1] 李敏强,寇纪淞.遗传算法的基本理论与应用.北京:科学出版社, 2002,145-152
周颖波,邝继顺,杨鹏.基于 fpga 的遗传算法流水线设计与实现[j].计算机工程, 2011.
[2] 吴春英，经亚枝.遗传算法求解tsp问题的fpga实现[j].中国测试技术，2004（1）：55-57.
