全文总字数：2126字
1. 毕业设计（论文）主要内容：
遗传算法是一种模拟天然生物进化机制的算法，在算法寻找最符合条件解的时候，符合条件的解需要保留下来，不符合条件的则去除。传统的遗传算法主要是在计算机软件上面实现的，通过高级语言进行编程。与其他随机搜索算法相比，遗传算法不仅可以解决更加复杂的搜索问题，还可以提供强大的空间搜索能力。问题越是复杂，其目标越不明确，算法优越性就越明显。但是当使用计算机软件实现的遗传算法在面对上面的问题时候，其计算速度往往会受到计算机系统约束，导致无法发挥算法本身高并行度的特性。而新一代现场可编程门电路(FieldProgrammable Gate Array，简称 FPGA)的出现以及硬件描述语言，Verilog和VHDL的使用，使得采用硬件来实现软件层面的算法变得十分便捷。主要体现在以下两个方面：
(1) 经过硬件实现的遗传算法的计算效率要高于在通用CPU上的计算效率，并行化程度更高，可以充分发挥遗传算法的并行化能力。
(2) 设计成流水线的结构，进一步提高遗传算法的计算速度。遗传算法的计算过程非常简单，其类似于流水线的执行过程以及并行化特征，使其非常适合于硬件实现。
2. 毕业设计（论文）主要任务及要求
1. 查阅相关文献资料15篇以上（其中近五年外文文献不少于3篇)。
2. 完成开题报告。
3. 使用的现场可编程门电路是XILINX的Kintex7系列的FPGA平台，使用Verilog和C 作为主要设计语言完成了遗传算法的实现。其中使用Verilog实现随机数生成模块、控制器模块、BRAM模块等，使用C 实现遗传算法的主要计算过程，通过对于遗传算法结构进行优化，使其可以实现流水线操作，然后将遗传算法包装成IP核，并且在VIVADO中进行模块的组装，完成整个程序的编写。
3. 毕业设计（论文）完成任务的计划与安排
第1周—第3周 搜集资料，撰写开题报告；
第4周—第5周 论文开题；
第6周—第12周撰写论文初稿；
4. 主要参考文献
[1] Sadek, B.A.M.; Anis, S.. FPGA implementation of parallel particle swarmoptimization algorithm and compared with genetic algorithm。 [J]. International Journal of Advanced ComputerScience and Applications。2016，Vol.7，No.8，57-64，【ISSN】2156-5570。
[2] Attarmoghaddam, N.; Li, K.F.; Kanan, A.。FPGAimplementation of crossover module of genetic algorithm(Article) [J]. Information(Switzerland), 2019, Vol.10，No.6，【ISSN】2078-2489。
[3] Torquato, Matheus F; Fernandes, Marcelo A. C. High-PerformanceParallel Implementation of Genetic Algorithm on FPGA [J]. Circuits,Systems Signal Processing, 2019, Vol.38，No.9：4014-4039，【ISSN】0278-081X。
以上是毕业论文任务书，课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
