14、异步元胞自动机与扩展无参数遗传算法研究

异步元胞自动机与扩展无参数遗传算法研究

1. 异步元胞自动机（ACA）模型

在提出的 ACA 模型中，细胞空间上的信号具有独特特性。该模型中，在细胞空间上布置模块几乎具有无限的自由度，仅受底层延迟不敏感（DI）电路拓扑结构的限制。这意味着可以很直接地在细胞空间上构建任意的 DI 电路。

此模型提出了一个 24 - 邻域 2 状态的 ACA。其转换规则具有内部独立性，即一个细胞的更新不依赖于其自身状态，仅取决于相邻细胞的状态。通过展示如何将一组三个基本模块嵌入到细胞空间中，证明了该模型具有计算通用性。由于这些基本模块各自最多有四条输入或输出线，这种嵌入方式非常适合细胞空间的方形晶格拓扑结构。

不过，该模型所需的转换规则数量为 180 条，与其他 ACA 模型相比相对较多。物理实现 ACA 模型往往需要较少的规则，因此减少模型中的规则数量是一个重要的研究方向。其中，用于 R - 计数器的转换规则是主要的优化候选对象，因为它们占了规则总数的一半以上。重新设计规则表可能会减少规则集，使用不同的基本模块集也可能实现更高效的实现。

2. 无参数遗传算法（PfGA）

遗传算法（GA）是受生物进化启发的一种进化计算范式，在许多实际应用中取得了成功，如函数优化问题、组合优化问题以及机器参数的优化设计等。然而，GA 中遗传参数的设计通常需要通过试错法来确定，这使得 GA 的优化过程具有一定的随意性。

无参数遗传算法（PfGA）的提出旨在避免参数设置问题，该算法几乎所有的遗传参数都使用随机值或概率来设置。在 PfGA 中，“种群”被定义为个体组成的子组，种群大小是指种群中个体的数量。其具体步骤如下：
1. 从整个搜索空间中随机生