、个体迭代次数z= 20、基因突变概率q= 0. 01、起始温 度T0= 100。。；
[0039] ⑤采用模拟退火遗传算法得到适应度最大个体和最大适应度，适应度最大个体即 为三值FPRM电路的功耗最佳极性；最大适应度即为三值FPRM电路的最小功耗。
[0040] 所述的步骤⑤中采用模拟退火遗传算法得到适应度最大个体和最大适应度的具 体过程为：
[0041] ⑤-1用随机函数rand()产生w个用η位三进制表示的个体，将w个个体分别记 为Ρ1，Ρ2，·，·，Ρ￥;
[0042] ⑤-2通过适应度函数计算第ν个个体Ρν的适应度，ν= 1，2, 3，…，w，得到个体 Ρ1，Ρ2，"·，Ρ?的适应度；
[0043] ⑤_3比较个体Pl，Ρ2，…，Pw的适应度，筛选出适应度最大的个体作为适应度最 大个体，记录适应度最大个体和最大适应度；
[0044] ⑤-4对个体Ρ1，Ρ2，"·，Ρ?进行交叉操作产生个体F1，F2，若w为偶数， 将P1和P2、P3和P4、…、Pw-ι和Pw两两分别进行交叉操作；若W为奇数，将P1和P2、P3 和P4、和Pw-Ι两两分别进行交叉操作，Pw不参与交叉操作，Fw直接继承Pw;两个 个体Pe和Pu进行交叉操作产生个体Fe和Fu，具体过程为：将进行交叉操作的个体Pe赋 值给fe，个体Pu赋值给fu，随机产生一个η位二进制码，将该η位二进制码记为A，根据二 进制码Α更新fe和fu，当二进制码Α的第h位为1时，fe的第h位保持不变，fu的第h位 保持不变；当二进制码A的第h位为0时，fe的第h位继承fu的第h位，fu的第h位继承 fe的第h位，h= 1，2,3，···，!!，将交叉操作完成后的fe记为Fe，交叉操作完成后的fu记 为Fu;其中u=e+l，当w为偶数时，e=l，3,5，= ···，·》;当w为奇数 时，e=l，3,5，...，w-2;u= 2,4,6，
[0045] ⑤-5通过适应度函数计算第ν个个体Fv的适应度，得到个体F1，F2，"^Fw的适 应度；
[0046] ⑤-6将个体Fl，F2，…，Fw的适应度和目前适应度最大个体的适应度进行比较， 更新适应度最大个体和最大适应度；
[0047] ⑤-7将个体Fl，F2，…，Fw进行变异操作：对Fv的每一位均用随机函数rand() 产生一个0到1之间的值，若这个值小于基因突变概率q，则这个值对应的位就是Fv的变异 位，对Fv的变异位进行变异，变异规则为"0 - 1，1 - 2, 2 - 0" ；
[0048] ⑤_8按照步骤⑤-5~⑤-6对个体Fl，F2，…，Fw进行处理，得到更新后的适应 度最大个体和最大适应度；
[0049] ⑤-9根据适应度值的大小对个体Pl，P2，…，Pw进行排序，根据适应度值的大小 对个体F1，F2，…，^进行排序；在个体Ρ1，Ρ2，"·，Ρ?和个体F1，F2，…，Fw中各自选择 适应度值最优的2w/3个个体，组成一组新的个体，新的个体含有4w/3个个体；
[0050] ⑤-10对一组新的个体进行多轮退火选择：每一轮退火选择中，首先根据公式（9) 产生一个退火温度，对于该退火温度，按公式（10)依次计算各个个体的被选取概率P(c)， 同时用随机函数rand()产生一个筛选概率t，0〈t〈l;当个体的被选取概率大于筛选概率 时，该个体在这一轮退火选择中被选择，被选择的个体不再参与下一轮退火选择，其他未被 选择的个体进入下一轮退火选择，直到筛选出w个个体更新个体Pl，P2，…，Pw后，退火选 择结束；
[0051]Tj=l/ln(l/T〇+1) (9)
[0052]
[0053] 其中，?\表示第1轮的退火温度，1 = 1，2，…;第一轮退火选择时，1 = 1，第二轮 退火选择时，1 = 2,以此类推；In表示对数操作；Τ。表示初始温度；P(c)表示个体C的概率； f(c)表示新的个体中第c个个体的适应度值；c= 1，2,3，;f(d)表示新的个体中 第d个个体的适应度值；d=l，2, 3，一,^/3 ;
[0054] ⑤-11按照步骤⑤-2~⑤-3对步骤⑤-10中更新后的个体Pl，P2，…，Pw进行 处理，得到适应度最大个体和最大适应度；
[0055] ⑤-12重复步骤⑤-4~⑤-11，直到满足个体迭代次数z，算法结束，得到适应度 最大个体和最大适应度；
[0056] ⑤-13将最后一次得到的适应度最大个体和最大适应度输出，适应度最大个体即 为三值FPRM电路的最佳极性；最大适应度即为三值FPRM电路的最小功耗。
[0057] 与现有技术相比，本发明的优点在于首先将三值FPRM电路采用p极性下的三值 FPRM逻辑函数进行表示，然后分解三值FPRM逻辑函数中含有的三输入运算，得到p极性下 的多个二输入模3加门和多个二输入模3乘门，将二输入模3加门和二输入模3乘门引起的 功耗作为P极性下的三值FPRM电路的功耗，构建得到三值FPRM电路的功耗估计模型，最后 采用模拟退火遗传算法对三值FPRM电路进行功耗最佳极性搜索，得到功耗最佳极性搜索 及最小功耗；本发明的方法通过建立的三值FPRM电路的功耗估计模型结合模拟退火遗传 算法来实现三值FPRM电路功耗最佳极性搜索，从而实现三值FPRM电路的功耗优化；随机采 用13个MCNCBenchmark电路进行仿真验证，本发明搜索到的功耗最佳极性与0极性比较， 模3加门数量平均节省57. 64%，模3乘门数量平均节省46. 25%，功耗平均节省73. 98%。
【具体实施方式】
[0058] 以下结合实施例对本发明作进一步详细描述。
[0059] 实施例一：一种三值FPRM电路功耗最佳极性搜索方法，包括以下步骤：
[0060] ①建立三值FPRM电路的功耗估计模型：
[0061] ①-1将三值FPRM电路采用三值FPRM逻辑函数表示为如下形式： L/1N丄UDOUDU i D Λ * *1 * υ/丄寸夕乂
[0062]
[0063] 其中^为函数俨匕以^…^丨的输入变量数量^以^…^表示函数 fp(xn 1; xn 2,…，x〇)的η个输入变量，ρ表示函数fp(xn 1; χη 2,…，χ。）的极性，极性ρ用三进 制形式表示为ρη也2…p〇，p.je {〇, 1，2}，j = 0, 1，2,…，η-1，?表示模3加运算，Σ为累加 符号，符号为乘运算符号，下标i =〇, 1，2,…，3n-l，i用三进制形式表示为in 2…i。， a$FPRM系数；a# {0,1,2} ;Π表示模3乘运算，fp;'的其展开式为 其中{〇，1，2}，i:,. = (?.? .?)*十? = 1* 4 =.之，$ =W:极性p和下标i决定变量的 表示形式；
[0064] ①-2p极性下的三值FPRM逻辑函数包含两类多输入运算，两类多输入运算分别为 多输入模3加运算和多输入模3乘运算，根据三值FPRM逻辑函数展开式将三值FPRM逻辑 函数分解为多个多输入模3加运算和多个多输入模3乘运算，然后将每个多输入运算分别 分解为二输入运算，得到二输入模3加运算和二输入模3乘运算，具体分解过程为：
[0065] 将多输入运算的第1个输入变量和第2个输入变量作为第一个二输入运算的两个 输入变量，得到第一个二输入运算的输出变量；将第一个二输入运算的输出变量和多输入 运算的第3个输入变量作为第二个二输入运算的两个输入变量，得到第二个二输入运算的 输出变量；将第二个二输入运算的输出变量和多输入运算的第4个输入变量作为第三个 二输入运算的两个输入变量，得到第三个二输入运算的输出变量；依此类推，直到所有的多 输入运算的输入变量作为二输入运算的输入变量，完成多输入运算的分解；
[0066] 将p极性下的三值FPRM逻辑函数分解后得到多个多输入模3加运算和多个多输 入模3乘运算，多输入模3加运算也称为多输入模3加门，多输入模3乘运算也称为多输入 模3乘门，将p极性下三值FPRM逻辑函数分解后的多输入模3加门的数量记为N，将p极 性下三值FPRM逻辑函数分解后的多输入模3乘门的数量记为W;将每个多输入模3加运算 分解后得到多个二输入模3加运算，将每个多输入模3乘运算分解后得到多个二输入模3 乘运算，二输入模3加运算也称为二输入模3加门，二输入模3乘运算也称为二输入模3乘 门；将第Η个多输入模3加门分解后的二输入模3加门的数量记为NH，Η= 1，2,…，N;将第 〇个多输入模3乘门分解后的二输入模3乘门的数量记为W。，〇 = 1，2,…，W;
[0067] ①_3将ρ极性下的三值FPRM逻辑函数分解后得到的所有二输入模3加门和二输 入模3乘门引起的功耗作为p极性下的三值FPRM电路的功耗，二输入模3加门引起的功耗 采用其开关活动性表示，二输入模3乘门引起的功耗采用其开关活动性表示，门电路的开 关活动性用其输出端的输出变量概率表示，二输入模3加门引起的功耗采用其输出端的输 出变量概率表示，二输入模3乘门引起的功耗采用其输出端的输出变量概率表示；
[0068] ①_4根据公式（2)、（3)和（4)计算第Η个多输入模3加门分解后的第k个二输 入模3加门的输出变量概率；k= 1，2,…，Nh;
[0069] P! (k) H=Pkyll*Pky20+Pkyl0*Pky21+Pkyl2*Pky22 (2)
[0070] P2 (k)H =Pkyl2*Pky2Q+Pkyll*Pky21+PkylQ*Pky22 ⑶
[0071] PQ(k)H ⑷
[0072]根据公式（5)、（6)和（7)计算第〇个多输入模3乘门分解后的第g个二输入模3 乘门的输出变量概率，g= 1，2,…，。：
[0073] Qi(g)〇= Qgrii*Qgr2l+Qgr12*Qgr22 (5)
[0074] Q2(g)〇= Qg rll*Qgr22+Qgrl2*Qgr21 (6)
[0075]QoWfl-Qjgh-Qdg)。（7)
[0076] 其中，Pi(k)H表示第H个多输入模3加门分解后的第k个二输入模3加门输出变 量为1的概率，P2 (k)H表示第Η个多输入模3加门分解后的第k个二输入模3加门输出变 量为2的概率，P。(k)H表示第Η个多输入模3加门分解后的第k个二输入模3加门输出变 量为〇的概率，yl和y2表示二输入模3加门的两个输入变量，Pkylni表示第k个二输入模3 加门中输入变量y1为m的概率，me{〇, 1，2}，Pky2ni表示第k个二输入模3加门中输入变量 y2为m的概率，当k= 1时，Pkylni为多输入模3加运算的第1个输入变量为m的概率，Pky2ni 为多输入模3加运算的第2个输入变量为m的概率，当k>l时，Pkylni为第k-1个二输入模3 加门输出变量为m的概率，Pky2ni为多输入模3加门的第k+Ι个输入变量为m的概率；
[0077] Qi(g)。表不第〇个多输入模3乘门分解后的第g个