Skip to main content

BDD-Optimierung und Approximation: Ein multikriterieller Ansatz

  • Chapter
  • First Online:
In-Memory-Computing

Zusammenfassung

In diesem Kapitel wird die Optimierung eines binären Entscheidungsdiagramms (BDD) als Zwei-Ziel-Problem in Bezug auf die Anzahl der BDD-Knoten und der Ein-Pfade, d. h. der Pfade, die die dargestellte Funktion als wahr bewerten, durchgeführt. Zu diesem Zweck wurde ein effizienter Algorithmus verwendet, der nachweislich für Probleme mit einer kleinen Anzahl von Zielen geeignet ist. Darüber hinaus wird der Algorithmus durch ein Zielprioritätsschema erleichtert, das es ermöglicht, einem der Ziele Vorrang einzuräumen.

In diesem Kapitel wird auch ein heuristischer, multikriterieller Approximationsansatz vorgestellt, der versucht, einen Kompromiss zwischen Effizienz, d. h. der BDD-Größe, und Ungenauigkeit, d. h. Abweichungen von der booleschen Zielfunktion, zu finden. Der vorgeschlagene BDD-Approximationsansatz ist mit einer Optimierung verbunden, um neben der Verringerung der Ungenauigkeit eine höhere Effizienz zu erreichen. Zu diesem Zweck wird ein ε-Preference evolutionärer Algorithmus verwendet, der der Minimierung der BDD-Größen sowie der Einhaltung bestimmter Fehlerbeschränkungen eine höhere Priorität einräumt. Der vorgeschlagene Algorithmus umfasst auch eine adaptive Einstellungsmethode für den Parameter ε, die dem Algorithmus einen automatischen Faktor hinzufügt, der auf dem Verhalten der zu approximierenden Funktion basiert. Dadurch wird die Leistung des Algorithmus verbessert, indem die Auswirkungen der vom Benutzer festgelegten Fehlerbeschränkungen korrigiert werden, die die Dimensionen der Suche einschränken und zu unausgereifter Konvergenz führen können.

This is a preview of subscription content, log in via an institution to check access.

Access this chapter

Chapter
USD 29.95
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
eBook
USD 89.00
Price excludes VAT (USA)
  • Available as EPUB and PDF
  • Read on any device
  • Instant download
  • Own it forever
Hardcover Book
USD 119.99
Price excludes VAT (USA)
  • Durable hardcover edition
  • Dispatched in 3 to 5 business days
  • Free shipping worldwide - see info

Tax calculation will be finalised at checkout

Purchases are for personal use only

Institutional subscriptions

Notes

  1. 1.

    Nodes-One-Paths

Literatur

  1. Bollig, B., Löbbing, M., Wegener, I.: Simulated annealing to improve variable orderings for OBDDs. In: International Workshop on Logic Synth (1995)

    Google Scholar 

  2. Brglez, F., Bryan, D., Kozminski, K.: Combinational profiles of sequential benchmark circuits. In: Internationales Symposium über Schaltungen und Systeme, S. 1929–1934. IEEE, Piscataway (1989)

    Google Scholar 

  3. Deb, K., Pratap, A., Agarwal, S., Meyarivan, T.: A fast and elitist multiobjective genetic algorithm: NSGA-II. IEEE Trans. Evol. Comput. 6(2), 182–197 (2002)

    Article  Google Scholar 

  4. Drechsler, R., Becker, B., Göckel, N.: A genetic algorithm for variable ordering of OBDDs. IEE Proc. Comput. Digit. Tech. 143(6), 364–368 (1996)

    Article  Google Scholar 

  5. Drechsler, N., Drechsler, R., Becker, B.: Multi-objective optimisation based on relation favour. In: International Conference on Evolutionary Multi-Criterion Optimization, Bd. 1993, S. 154–166. Springer, Berlin (2001)

    Chapter  Google Scholar 

  6. Drechsler, R., Shi, J., Fey, G.: Synthesis of fully testable circuits from BDDs. IEEE Trans. Comput. Aided Des. Integr. Circuits Syst. 23(3), 440–443 (2004)

    Article  Google Scholar 

  7. Drechsler, N., Sülflow, A., Drechsler, R.: Incorporating user preferences in many-objective optimization using relationε-preferred. Nat. Comput. 14(3), 469–483 (2015)

    Article  MathSciNet  Google Scholar 

  8. Ebendt, R., Günther, W., Drechsler, R.: An improved branch and bound algorithm for exact BDD minimization. IEEE Trans. Comput. Aided Des. Integr. Circuits Syst. 22(12), 1657–1663 (2003)

    Article  Google Scholar 

  9. Ebendt, R., Fey, G., Drechsler, R.: Advanced BDD Optimization. Springer, Berlin (2005)

    Google Scholar 

  10. Edelkamp, S., Mehler, T.: Byte code distance heuristics and trail direction for model checking Java programs. In: Workshop on Model Checking and Artificial Intelligence (MoChArt), S. 69–76 (2003)

    Google Scholar 

  11. Edelkamp, S., Reffel, F.: OBDDs in der heuristischen Suche. In: Jahrestagung für Künstliche Intelligenz Lecture Notes in Computer Science, Bd. 1504, S. 81–92. Springer, Berlin (1998)

    Google Scholar 

  12. Fey, G., Drechsler, R.: Minimizing the number of paths in BDDs: theory and algorithm. IEEE Trans. Comput. Aided Des. Integr. Circuits Syst. 25(1), 4–11 (2006)

    Article  Google Scholar 

  13. Friedman, S.J., Supowit, K.J.: Finding the optimal variable ordering for binary decision diagrams. In: Design Automation Conference, S. 348–356. IEEE, Piscataway (1987)

    Google Scholar 

  14. Han, J., Orshansky, M.: Approximate computing: an emerging paradigm for energy-efficient design. In: IEEE European Test Symposium, S. 1–6. IEEE, Piscataway (2013)

    Google Scholar 

  15. Hilgemeier, M., Drechsler, N., Drechsler, R.: Minimizing the number of one-paths in BDDs by an evolutionary algorithm. In: IEEE Congress on Evolutionary Computation, S. 1724–1731. IEEE, Piscataway (2003)

    Google Scholar 

  16. Ishiura, N., Sawada, H., Yajima, S.: Minimization of binary decision diagrams based on exchanges of variables. In: International Conference on Computer-Aided Design, S. 472–475. IEEE, Piscataway (1991)

    Google Scholar 

  17. Jensen, R.M., Hansen, E.A., Richards, S., Zhou, R.: Memory-efficient symbolic heuristic search. In: Proceedings of International Conference on Automated Planning and Scheduling, S. 304–313. AAAI Press, Palo Alto (2006)

    Google Scholar 

  18. Lu, K., Ramin, Y., Edwin, Y., Constantinos, K.: Structural optimization of reduced ordered binary decision diagrams for SLA negotiation in IaaS of cloud computing. In: Proceedings of the 10th International Conference on Service-Oriented Computing, S. 268–282. Springer, Berlin (2012)

    Chapter  Google Scholar 

  19. Mishchenko, A., Perkowski, M.: Schnelle heuristische Minimierung von Exklusiv-Summen-Produkten. In: International Workshop on Applications of the Real-Muller Expansion in Circuit Design (2001)

    Google Scholar 

  20. Oliver, I.M., Smith, D.J., Holland, J.R.C.: Study of permutation crossover operators on the traveling salesman problem. In: Internationale Konferenz über genetische Algorithmen, S. 224–230. Erlbaum Associates, Hillsdale (1987)

    Google Scholar 

  21. Ravi, K., Somenzi, F.: High-Density reachability analysis. In: Proceedings of IEEE International Conference on Computer Aided Design (ICCAD), S. 154–158. IEEE, Piscataway (1995)

    Chapter  Google Scholar 

  22. Reda, S., Drechsler, R., Orailoglu, A.: On the relation between SAT and BDDs for equivalence checking. In: Proceedings of the International Symposium on Quality Electronic Design, S. 394–399. IEEE, Piscataway (2002)

    Chapter  Google Scholar 

  23. Rudell, R.: Dynamic variable ordering for ordered binary decision diagrams. In: Proceedings of IEEE/ACM International Conference on Computer-Aided Design, S. 42–47. IEEE, Piscataway (1993)

    Google Scholar 

  24. Schmiedle, F., Drechsler, N., Drechsler, R.: Prioritäten in der Mehrzieloptimierung für genetische Programmierung. In: Proceedings of the 3rd Annual Conference on Genetic and Evolutionary Computation, S. 129–136. Morgan Kaufmann Publishers, San Francisco (2001)

    MATH  Google Scholar 

  25. Schmiedle, F., Drechsler, N., Große, D., Drechsler, R.: Heuristic learning based on genetic programming. Genet. Program Evolvable Mach. 3(4), 363–388 (2002)

    Article  MATH  Google Scholar 

  26. Shin, D., Gupta, S.K.: Approximate logic synthesis for error tolerant applications. In: 2010 Design, Automation & Test in Europe Conference & Exhibition (DATE 2010), S. 957–960. Piscataway, IEEE (2010)

    Chapter  Google Scholar 

  27. Shirinzadeh, S., Soeken, M., Drechsler, R.: Multi-objective BDD optimization with evolutionary algorithms. In: Genetic and Evolutionary Computation Conference, S. 751–758. ACM, New York (2015)

    Google Scholar 

  28. Shirinzadeh, S., Soeken, M., Große, D., Drechsler, R.: Approximate BDD optimization with prioritizedε-preferred evolutionary algorithm. In: Genetic and Evolutionary Computation Conference, S. 79–80. Association for Computing Machinery, New York (2016)

    Google Scholar 

  29. Shirinzadeh, S., Soeken, M., Große, D., Drechsler, R.: An adaptive prioritizedϵ-preferred evolutionary algorithm for approximate BDD optimization. In: Genetic and Evolutionary Computation Conference, S. 1232–1239. ACM, New York (2017)

    Chapter  Google Scholar 

  30. Soeken, M., Große, D., Chandrasekharan, A., Drechsler, R.: BDD minimization for approximate computing. In: Asia and South Pacific Design Automation Conference, S. 474–479. IEEE, Piscataway (2016)

    Google Scholar 

  31. Somenzi, F.: CUDD: CU Decision Diagram package release 2.5.0 (2012)

    Google Scholar 

  32. Sülflow, A., Drechsler, N., Drechsler, R.: Robuste multikriterielle Optimierung in hochdimensionalen Räumen. In: International Conference on Evolutionary Multi-Criterion Optimization, S. 715–726. Springer, Berlin (2007)

    Chapter  Google Scholar 

  33. Venkataramani, S., Sabne, A., Kozhikkottu, V.J., Roy, K., Raghunathan, A.: SALSA: systematic logic synthesis of approximate circuits. In: Design Automation Conference, S. 796–801. IEEE, Piscataway (2012)

    Google Scholar 

  34. Yang, S.: Logic synthesis and optimization benchmarks user guide: version 3.0 (1991)

    Google Scholar 

  35. Ye, Y., Roy, K.: A graph-based synthesis algorithm for AND/XOR networks. In: Proceedings of the 34th Design Automation Conference, S. 107–112. IEEE, Piscataway (1997)

    Google Scholar 

Download references

Author information

Authors and Affiliations

Authors

Rights and permissions

Reprints and permissions

Copyright information

© 2023 Der/die Autor(en), exklusiv lizenziert an Springer Nature Switzerland AG

About this chapter

Check for updates. Verify currency and authenticity via CrossMark

Cite this chapter

Shirinzadeh, S., Drechsler, R. (2023). BDD-Optimierung und Approximation: Ein multikriterieller Ansatz. In: In-Memory-Computing. Springer Vieweg, Cham. https://doi.org/10.1007/978-3-031-22879-7_3

Download citation

Publish with us

Policies and ethics