摘要：针对大规模混合极性Reed-Muller（Mixed Polarity Reed-Muller,MPRM）逻辑电路的延时与面积优化,提出一种基于多策略离散粒子群优化（Multi-Strategy Discrete Particle Swarm Optimization,MSDPSO）的极性搜索方法.在MSDPSO算法中,对粒子进行团队划分,每个团队既执行不同策略,又相互联系,并行完成探索与开发的双重任务.同时在进化过程中采用高斯调整来激活寻优能力较差的粒子.结合MSDPSO算法和列表极性转换技术,对大规模MPRM电路进行延时与面积极性搜索.最后对PLA格式的MCNC Benchmark电路进行算法性能测试,结果验证了MSDPSO算法的有效性.与离散粒子群优化（Discrete Particle Swarm Optimization,DPSO）算法的优化结果相比较,MSDPSO算法获取的电路延时平均缩短8.43%,面积平均节省38.36%.

关键词：多策略离散粒子群算法 mprm逻辑电路 延时与面积优化 极性搜索 

单位：宁波大学电路与系统研究所; 浙江宁波315211; 宁波大学科学技术学院; 浙江宁波315212