Ali Syed Hussain2022-05-182022-05-185661https://drepo.sdl.edu.sa/handle/20.500.14154/2046النشوء المحاكي (Simulated Evolution) عبارة عن مستكشف تسلسلي يستخدم لإيجاد حلول قريبة من الحل الأمثل للمشاكل التي لا يمكن حلها بكثيرات الحدود (NP-Hard Problems) . وضع الخلايا في الدوائر المتكاملة عالية الكثافة جداً مشكلة لا يمكن تمثيلها بكثيرة حدود ولها أهداف متعارضة ألا وهي طول التوصيلات ، زمن التنفيذ والمساحة الكلية . أفضل الحلول لمشكلة كهذه هو الذي يحقق أقل القيم في جميع الأهداف إلا أن حلاً كهذا لا يوجد غالباً . لتعريف الحل الأمثل الذي يقدمه خوارزم النشوء المحاكي ، نقدم طريقة جديدة لحساب تكلفة الحل بطريقة غامضة معتمدة على الهدف . تتغلب هذه الطريقة على المشاكل المتعلقة بطريقة المجموع الموزون . إضافة إلى ذلك فإن هذه الطريقة تسمح باعتبار أفضليات المستخدم لمختلف الأهداف . كما نقدم طريقة لتغميض مرحلة التوزيع ومرحل التقييم في الخوارزم المذكور ، طريقة التوزيع تحاول تظليل قيم الأهداف المتعارضة وإضافة عشوائية محكومة خلافاً للطريقة الأصلية ذات التوزيع المحدد . التجارب على دوائر الاختبار تثبت تطوراً ملحوظاً في نوعية الحل . طريقة التقييم الغامض تجمع طور التوصيلات وزمنها لحساب جودة الخلايا متفرقة . ينتج عن ذلك تحسن في زمن التنفيذ وزيادة بسيطة في طور لاتوصيلات . إضافة إلى ذلك ، قدمنا طريقة تحفيز متغير بدلاً من التحفيز الثابت في الخوازم الأصلي ، التحفيز الثابت يتطلب تجارب عديدة لتحديد لاقيمة الأنسب . في المقابل ، التحفيز المتغير دالة تعتمد على متوسط جودة الخلية ، تضبط قيمتها تلقائياً لتوفر التجارب . نتائج التحفيز المتغير قريبة من أفض نتائج التحفيز الثابت .enThesis