| Verschiedene Shannon-Zerlegungen und deren Leistungsfähigkeit in Benchmarks: Shannon-Zerlegung, Benchmarks für verschiedene heuristische Verfahren zur Contributor(s): Stickdorn, Rainer (Author) |
|
 |
ISBN: 3668755116 ISBN-13: 9783668755116 Publisher: Grin Verlag OUR PRICE: $62.61 Product Type: Paperback Language: German Published: July 2018 |
| Additional Information |
| BISAC Categories: - Computers | Enterprise Applications - General |
| Physical Information: 0.24" H x 5.83" W x 8.27" (0.31 lbs) 100 pages |
| Descriptions, Reviews, Etc. |
| Publisher Description: Masterarbeit aus dem Jahr 2017 im Fachbereich Informatik - Angewandte Informatik, Note: 1.4, FernUniversit t Hagen (Fachbereich Mathe, Informatik, E-Technik), Veranstaltung: Abschlussarbeit im MSc Praktische Informatik, Sprache: Deutsch, Abstract: Die rekursive, also wiederholte Anwendung der Shannon-Zerlegung dient zusammen mit zwischengeschalteten Reduktionsschritten wie der Extraktion doppelter und berdeckter Terme der Minimierung boolscher Funktionen, so dass sich diese durch m glichst einfache Formelausdr cke oder Decision Diagrams darstellen und auf minimaler Chip-Fl che realisieren lassen. Heuristiken sollen dabei Hinweise liefern wo, sprich bei welcher Eingabevariablen, die jeweils n chste Shannon-Zerlegung stattfinden soll. Durch die Shannon-Zerlegung entstehen aus einer Funktion jeweils zwei einfachere Subfunktionen, die eine Eingabevariable weniger besitzen. Die Heuristiken stellen keine exakte Minimierungsmethode dar. Im Gegensatz zur exakten und maximalen Minimierung z.B. nach dem Quine- McCluskey-Algorithmus, erreichen heuristische Verfahren geringere Reduktionsgrade. Zwar werden weniger Terme in den Formeln eingespart, daf r sind die heuristischen Verfahren aber wesentlich schneller und bei vielen Eingabevariablen das einzig Praktikable. Benchmarks in dieser Arbeit bestimmen die Einsparung an Formel-Termen, die Anzahl n tiger Rekursionsschritte und die ben tigte Rechenzeit. Die rekursive Shannon-Zerlegung ist ein sehr altes Verfahren. Das bekannteste Verfahren dazu war der Simplify-Algorithmus mit der Heuristik der Spaltung von Funktionen an der "most-binate" Position, f r die die Summe an 0en und 1en einer Eingabespalte einer Wahrheitstafel - genauer: ihrem OnSet - maximal ist. Ein bekannteres heuristisches Verfahren, allerdings mit ganz anderer Vorgehensweise (Komplementbildung, Maximierung von Don't Cares, ...) ist Espresso (II), das auf Simplify folgte und Vorg nger f r Verfahren wie SIS und ABC war, in denen es bis heute noch aufrufbar ist. Esp |