CN109472342B - 一种自优化的仿生自修复硬件故障重构机制设计 - Google Patents

Abstract

本发明提供一种自优化的仿生自修复硬件故障重构机制设计，具体包括以下步骤：建立仿生自修复硬件故障重构模型：将目标功能电路映射到仿生自修复硬件上；对映射后的仿生自修复硬件进行故障检测，直至检测出故障细胞n_f；全局搜索仿生自修复硬件，寻找距离故障细胞n_f最近的空闲细胞n_t，将故障细胞n_f关联的功能节点v_f迁移到空闲细胞n_t，此时的配置方案称为初始可行解x₀；利用变邻域搜索算法找出故障细胞n_f的最优可行解x_best的配置方案。通过采用变邻域搜索算法设计了仿生自修复硬件重构机制，使其能够对故障重构过程进行优化，保证了重构电路的综合性能，最大限度的提高了空闲细胞资源利用率，同时兼顾了计算量与在线实现等要求。本发明应用于电子电路可靠性领域。

Description

一种自优化的仿生自修复硬件故障重构机制设计

技术领域

本发明涉及电子电路可靠性领域，尤其涉及一种自优化的仿生自修复硬件故障重构机制设计。

背景技术

仿生自修复硬件始于Mange等人借鉴多细胞生物体发育过程提出的一种新型现场可编程门阵列。其基本思想是将仿生机理应用于电子电路设计过程中，使电子电路能够像生物一样根据工作环境的变化自主地、动态地改变自身结构与参数以获得期望的性能，具有类似于生物的自适应、自修复等特性。

仿生自修复硬件的最小结构功能单元是一种通用的可重构的电子细胞，细胞内包含配置寄存器，用来模拟生物细胞的基因组，记录细胞的配置信息，细胞具体功能由各自配置信息决定。仿生自修复硬件的整体功能则由各个细胞协同完成。每个细胞包含一个细胞级自测试单元，当细胞发生故障时，故障细胞发出“出错”信号，触发细胞阵列实施在线重构。每个细胞重新选择配置信息，再分化为执行新功能的细胞，如果空闲细胞数目足够，原阵列的整体功能可保持不变。

仿生自修复硬件重构机制主要研究仿生阵列出现故障后如何自动重构，进而实现功能恢复，常见的重构机制包括：列(行)移除机制、单细胞移除机制以及近邻替换机制。列(行)移除机制将故障细胞所在的列(行)全部替换，由右侧细胞依次代替完成其功能，最后一列工作细胞将由一列空闲细胞替换，该机制消耗一列细胞完成一个故障细胞修复，资源消耗大；单细胞移除机制中，当某细胞故障后，有空闲细胞一侧的工作细胞功能依次后移，从整体上看，故障细胞由一个空闲细胞代替，相比于列(行)移除机制，重构过程消耗的空闲细胞数量更少，但可能出现布线通道拥塞、单一线长过长等问题；近邻替换机制是在工作细胞的周围预先布置空闲细胞，工作细胞故障时，周围空闲细胞按照优先级对故障细胞进行替换，这类机制具体包括Szasz机制、Lala机制等，但若同一区域内出现多处故障，该机制失效。

总体而言，传统的重构机制计算量小，易于实现，解决了仿生自修复硬件实时性的要求。但无法对重构电路进行优化，使得功能电路初始布局限制较多，设计灵活性不高；空闲细胞无法对任意位置故障细胞进行替换修复，资源利用率较低；重构过程无法兼顾电路线网长度，修复后电路时序特性下降。因此，需要对仿生自修复硬件故障重构机制进行改进，兼顾优化特性与实时特性，以便其能更好的解决实际问题。

发明内容

针对现有技术存在的不足，本发明的目的是提供一种自优化的仿生自修复硬件故障重构机制设计。能够有效的提升重构电路的综合性能，最大限度的提高了空闲细胞资源利用率。

本发明采用的技术方案是：一种自优化的仿生自修复硬件故障重构机制设计，具体包括以下步骤：

S1、建立仿生自修复硬件故障重构模型：将目标功能电路映射到仿生自修复硬件上；

S2、对映射后的仿生自修复硬件进行故障检测，直至检测出故障细胞n_f；

S3、全局搜索仿生自修复硬件，寻找距离故障细胞n_f最近的空闲细胞n_t，将故障细胞n_f关联的功能节点v_f迁移到空闲细胞n_t，此时的配置方案称为初始可行解x₀；

S4、利用变邻域搜索算法找出故障细胞n_f的最优可行解x_best的配置方案。

作为上述技术方案的进一步改进，步骤S1中，所述仿生自修复硬件故障重构模型通过图论建立，具体包括：

构建目标功能电路：通过功能图表示目标功能电路G_F＝(V,E)，具体包括功能节点v_i∈V表示实现一部分目标电路的功能、有向边e_i,j∈E表示功能节点v_i输出数据到功能节点v_j、vol(e_i，j)表示功能节点v_i到功能节点v_j的通信流量。

构建仿生自修复硬件：通过结构图表示仿生自修复硬件G_S＝(N,L)，具体包括节点n_i∈N表示可以完成特定功能的电子细胞、有向边l_i,j∈L代表细胞n_i可以将数据直接传输给细胞n_j、bw(l_i,j)代表了细胞n_i和细胞n_j之间的通信带宽。

功能映射β_f:V→N代表将功能图中的功能节点v_i映射到结构图上成为结构图的细胞

n_i；

通信映射β_c:E→L代表将功能图中的有向边e_i,j映射到结构图上成为结构图的有向边l_i，j、将功能图中的通信流量vol(e_i，j)映射到结构图上成为结构图的通信带宽bw(l_i,j)。

当细胞故障，需要重新建立功能映射与通信映射，仿生自修复硬件重构问题实际是一个

优化问题：

min(∑w(neti))

w(neti)代表线网neti的资源开销，优化目标是减少阵列总体资源开销，同时还需要考虑阵列的功能节点约束条件以及通信约束条件，即对于任意功能图节点v_i都有对应的无故障的电子细胞n_i，对于任意数据流e_i,j都能找到对应的通道l_i,j，任意通道上的数据流量不超过其通信带宽。

作为上述技术方案的进一步改进，步骤S4具体包括：

S41、初始化变邻域搜索系统的参数：最优可行解x_best＝x₀、邻域参数k＝1、外循环次数c_out＝1；

S42、在x_best领域参数为k的邻域结构内进行局部搜索，求取最小资源开销变化值Δf_min以及此时的交换序列S_min，根据交换序列S_min生成最新解x_min；

S43、判断Δf_min<0是否成立：

若成立，则令x_best＝x_min、k＝1、c_out＝c_out+1，判断是否满足停机条件：c_out＞c_max，其中c_max是最大外循环次数，若满足则输出循环迭代c_max次的x_best，若不满足则循环步骤S42、S43；

若不成立，则令k＝k+1；判断是否满足停机条件：k＞k_max，其中k_max是最大邻域参数，若满足则直接输出x_best，若不满足则循环步骤S42、S43。

作为上述技术方案的进一步改进，步骤S42具体包括：

S421、初始化局部搜索参数：局部搜索计数值i＝1、最小资源开销变化值Δf_min＝0；

S422、根据x_best邻域参数为k的邻域结构随机生成一组交换序列S_k，根据交换序列S_k生成最新解x_now，并计算资源开销变化值Δf_now，其中交换序列的定义为：任意一对无故障电子细胞(n_i，n_j)交换其功能配置信息(c_i，c_j)，称为一次交换，二元组S(n_i，n_j)称为交换因子。若x_i变换成另一个解x_j，需要经过k次交换，交换因子按照先后顺序排列成序列称为交换序列{S(n_s0,n_t0),S(n_s1,n_t1),...,S(n_sk,n_tk)}；

S423、判断Δf_now<Δf_min，若成立则令Δf_min＝Δf_now，并存储交换序列S_min＝S_k后进入步骤S424，否则直接进入步骤S424；

S424、令i＝i+1后判断i≤i_max是否成立，其中i_max为局部搜索上限，若成立则重复步骤S422、S423，若不成立则输出Δf_min以及S_min。

作为上述技术方案的进一步改进，步骤S422中，随机生成的交换序列中的第一个交换因子包含当前时刻故障功能节点v_f所对应的电子细胞n_t，即n_s0＝n_t。

作为上述技术方案的进一步改进，步骤S422中，所述计算资源开销变化值Δf_now具体包括：

S4221、初始化参数资源开销变化值Δf_now＝0，线网编号neti＝0；

S4222、判断线网编号neti＜netmax是否成立，netmax是最大线网编号，如果成立则进入步骤S4223，否则进入步骤S4225；

S4223、判断线网neti中是否存在调整位置的节点，如果成立，则进入步骤S4224，否则进入步骤S4225；

S4224、将当前线网长度w_c(neti)赋给历史值w_h(neti)＝w_c(neti)，采用Dijkstra算法计算节点位置调整后的线网长度w_c(neti)，计算线网长度改变量Δw(neti)＝w_c(neti)-w_h(neti)，更新资源开销变化值Δf_now＝Δf_now+Δw(neti)；

S4225、输出结果Δf_now。

作为上述技术方案的进一步改进，步骤S4224中采用Dijkstra算法计算节点位置调整后的线网长度w_c(neti)具体包括：S42241、定义两个集合S和U，S用于记录已求出最短路径的节点，U用于记录还未求出最短路径的节点，初始时，S中只有线网neti源节点source，U中包括所有目标节点u(j),令节点线长增量ΔD(j)＝0；

S42242、计算U中各个节点u(j)到节点source的距离D(u(j),source)，令ΔD(j)＝D(u(j),source)；

S42243、判断U是否是空集，如果成立，进入步骤S42246，否则在U中找出最短距离节点u_min，在集合U中删除节点u_min，并将其加入到集合S中；

S42244、计算U中各个节点u(j)途径u_min到节点source的距离DP(u(j)，u_min)＝D(u_min，source)+D(u(j)，u_min)；

S42245、判断DP(u(j)，u_min)＜D(u(j),source)是否成立，如果成立，令D(u(j)，source)＝DP(u(j)，u_min)，ΔD(j)＝D(u_min，u(j))，重复步骤S42243、S42244；如果不成立，D(u(j),source)、ΔD(j)保持不变，重复步骤S42243、S42244；

S42246、计算线网长度w_c(neti)＝∑ΔD(j)，输出w_c(neti)。

作为上述技术方案的进一步改进，所述最大邻域参数k_max小于故障功能节点v_f的输入输出线网条数之和。

本发明的有益技术效果：

本发明通过采用变邻域搜索算法设计了仿生自修复硬件重构机制，使其能够对故障重构过程进行优化，保证了重构电路的综合性能，例如时序特性，面积开销，最大限度的提高了空闲细胞资源利用率，同时兼顾了计算量与在线实现等要求。

附图说明

图1是本实施例流程示意图；

图2是通过功能图表示目标功能电路的示意图；

图3是通过结构图表示仿生自修复硬件的示意图；

图4是目标功能电路到仿生自修复硬件映射结果示意图；

图5是仿生自修复硬件故障重构过程示意图；

图6是步骤S4流程示意图；

图7是步骤S422流程示意图；

图8是步骤S4224流程示意图；

图9是本实施例初始布局方案示意图；

图10是本实施例坐标(6，6)的电子细胞故障后的重构结果示意图；

图11是本实施例第38次故障重构结果示意图。

具体实施方式

如图1所示.一种自优化的仿生自修复硬件故障重构机制设计，具体包括以下步骤：

S1、建立仿生自修复硬件故障重构模型：将目标功能电路映射到仿生自修复硬件上

所述仿生自修复硬件故障重构模型通过图论建立，具体包括：

参考图2，通过功能图表示目标功能电路G_F＝(V,E)，其中图2(A)为目标功能电路，图2(B)为功能图。按照一定粒度对目标功能电路进行功能分解，用功能节点v_i∈V表示实现一部分目标电路的功能、有向边e_i，j∈E表示功能节点v_i输出数据到功能节点v_j、vol(e_i，j)表示功能节点v_i到功能节点v_j的通信流量；

参考图3，通过结构图表示仿生自修复硬件G_S＝(N,L)，其中图3(A)为仿生自修复硬件，图2(B)为结构图。仿生自修复硬件包括可以完成一定功能的电子细胞，以及开关矩阵、开关盒、连线等布线资源，用节点n_i∈N表示可以完成特定功能的电子细胞、边l_i,j∈L代表细胞n_i与细胞n_j可以传输数据、bw(l_i,j)代表了细胞n_i和细胞n_j之间的通信带宽。

参考图4，建立重构最优化模型，以最小资源开销为优化目标，利用模拟退火算法及迷宫搜索算法将目标功能电路映射到仿生自修复硬件上，包括功能映射与通信映射，图4中，图4(A)为功能图，图4(B)结构图，图4(C)映射结果，其中功能图中的功能节点A、B、C、1、2、3映射在结构图上成为结构图上的细胞A、B、C、1、2、3，功能图中的有向边按结构图的布线映射。

功能映射β_f:V→N代表功能节点到细胞的映射，通信映射β_c:E→L代表通信需求到通信结构的映射。功能阵列的功能图、结构图、功能映射以及通信映射都会发生变化。当细胞故障，需要重新建立功能映射与通信映射，仿生自修复硬件重构问题实际是一个优化问题：

min(∑w(i))

w(i)代表线网i的资源开销，优化目标是减少阵列总体资源开销，同时还需要考虑阵列的功能节点约束条件以及通信约束条件，即对于任意功能图节点v_i都有对应的无故障的电子细胞n_i，对于任意数据流e_i,j都能找到对应的通道l_i,j，任意通道上的数据流量不超过其通信带宽。

S2、参考图5的仿生自修复硬件故障重构过程示意图，其中图5(A)表示无故障时的示意图，5(B)故障重构的示意图，对映射后的仿生自修复硬件进行故障检测，直至检测出故障细胞n_f：

采用内建自测试方法，检测故障细胞，具体包括测试向量生成器产生测试信号，按照电子细胞地址分别对各个电子细胞进行激励，响应分析器分析电子细胞输出结果，与预期结果进行比较，判断是否出现故障。

S3、全局搜索仿生自修复硬件，寻找距离故障细胞n_f最近的空闲细胞n_t，将故障细胞n_f关联的功能节点v_f迁移到空闲细胞n_t，此时的配置方案称为初始可行解x₀。

S4、利用变邻域搜索算法找出故障细胞n_f的最优可行解x_best的配置方案，具体包括：

参考图6，变邻域搜索算法具体包括：

S41、初始化变邻域搜索系统的参数：最优可行解x_best＝x₀、邻域参数k＝1、外循环次数c_out＝1；

S42、在x_best邻域参数为k的邻域结构内进行局部搜索，求取最小资源开销变化值Δf_min以及此时的交换序列S_min，根据交换序列S_min生成最新解x_min；

S421、初始化局部搜索参数：局部搜索计数值i＝1、最小资源开销变化值Δf_min＝0；

S422、根据x_best领域参数为k的邻域结构随机生成一组交换序列S_k，根据交换序列S_k生成最新解x_now，并计算资源开销变化值Δf_now；

S423、判断Δf_now<Δf_min，若成立则令Δf_min＝Δf_now，并存储交换序列S_min＝S_k后进入步骤S424，否则直接进入步骤S424；

S424、令i＝i+1后判断i≤i_max是否成立，其中i_max为局部搜索上限，若成立则重复重复步骤S422、S423，若不成立则输出Δf_min以及S_min。

S43、判断Δf_min<0是否成立：

若成立，则令x_best＝x_min、k＝1、c_out＝c_out+1，判断是否满足停机条件：c_out＞c_max，其中c_max是最大外循环次数，若满足则输出循环迭代c_max次的x_best，若不满足则循环步骤S42、S43；

若不成立，则令k＝k+1，判断是否满足停机条件：k＞k_max，其中k_max是最大邻域参数，若满足则输出步骤S41中的x₀作为x_best，若不满足则循环步骤S42、S43。

参考图7，步骤S422中，所述计算资源开销变化值Δf_now具体包括：

S4221、初始化参数参数：资源开销变化值Δf_now＝0、线网编号neti＝0；

S4222、判断线网编号neti＜netmax是否成立，其中netmax是最大线网编号，如果成立则进入步骤S4223，否则进入步骤S4225；

S4223、判断线网neti中是否存在调整位置的节点，如果成立，则进入步骤S4224，否则进入步骤S4225；

S4224、将当前线网长度w_c(neti)赋给历史值w_h(neti)＝w_c(neti)，采用Dijkstra算法计算节点位置调整后的线网长度w_c(neti)，计算线网长度改变量Δw(neti)＝w_c(neti)-w_h(neti)，更新资源开销变化值Δf_now＝Δf_now+Δw(neti)；

S4225、输出结果Δf_now。

参考图8，步骤S4224中，采用Dijkstra算法计算节点位置调整后的线网长度w_c(neti)具体包括：

S42241、定义两个集合S和U，S用于记录已求出最短路径的节点，U用于记录还未求出最短路径的节点，初始时，S中只有线网neti源节点source，U中包括所有目标节点u(j)，令节点线长增量ΔD(j)＝0；

S42242、计算U中各个节点u(j)到节点source的距离D(u(j)，source)，令ΔD(j)＝D(u(j)，source)；

S42243、判断U是否是空集，如果成立，进入步骤S42246，否则在U中找出最短距离节点u_min，在集合U中删除节点u_min，并将其加入到集合S中；

S42244、计算U中各个节点u(j)途径u_min到节点source的距离DP(u(j)，u_min)＝D(u_min，source)+D(u(j)，u_min)；

S42245、判断DP(u(j)，u_min)＜D(u(j)，source)是否成立，如果成立，令D(u(j)，source)＝DP(u(j)，u_min)，ΔD(j)＝D(u_min，u(j))，重复步骤S42243、S42244；如果不成立，D(u(j)，source)、ΔD(j)保持不变，重复步骤S42243、S42244；

S42246、计算线网长度w_c(neti)＝∑ΔD(j)，输出w_c(neti)。

为了便于本发明的实施，下面结合具体实例作进一步的说明。

1、实验对象确定

采用MCNC20基准中的alu4基准电路验证本发明效果，经过技术映射后，alu4基准电路共有clb模块106个，IO模块22个，线网共计685个，单个线网最多连接83个功能节点。

类似于岛形结构FPGA，仿生自修复硬件共有功能电子细胞144个，在二维平面上排列成12*12的均匀电子细胞阵列，在电子细胞阵列外围还紧紧包围着48个IO专用电子细胞。各个电子细胞的输入输出引脚通过连接盒中的可编程开关连接到相邻通道中任意互联线段。开关盒的基本组成单元是可编程开关，分布于水平和垂直通道的交叉处，起到一个布线资源之间的连接作用，水平通道和垂直通道的宽度为50。

实验开始时，需要通过双循环模拟退火算法对仿生自修复硬件进行初始布局布线。布局结果如图9所示，带数字的模块代表电子细胞有关联的功能节点，左下方为坐标原点位置。

2、电子细胞注入故障，进行重构

针对坐标(6，6)的电子细胞注入故障，验证重构机制。

(1)该电子细胞具有关联功能节点(#124)，启动重构机制计算。

(2)寻找距离故障电子细胞最近的空闲无故障电子细胞，空闲无故障细胞坐标是(6，12)，将坐标(6，6)的子细胞的功能节点(#124)迁移到坐标(6，12)的空闲细胞，此时的配置方案称为初始可行解x₀。即为步骤S3。

(3)根据k邻域结构，产生交换节点，最大邻域值k_max＝5；最大外部循环次数c_max＝10；每次迭代进行局部搜索的循环次数i_max＝10，运算步骤S41-S43以及步骤S421-S424，计算布线资源相对开销。计算结果如表1所示，每次迭代的相对资源开销较前一次都有所下降。

表1各次迭代结果

(4)经过变邻域搜索计算后，得到仿生自修复阵列的布局结果如图8所示。浅灰色模块代表重构前后需要更新功能节点信息的电子细胞，共有10个电子细胞调整了功能节点信息，如图10所示。

(5)针对变化线网重新布线，改变通信映射。

3、随机注入故障

随机产生故障节点，反复向仿生自修复硬件中注入故障，直至空闲clb电子细胞模块耗尽，或者多处布线通道拥塞而导致布线失败。本实验中可以容许38个故障点，如图11所示。

4、实验结果与分析

(1)资源利用率

统计各行各列故障数目，单独一行/列电子细胞中出现故障次数最多为5次。如果采用列(行)移除机制或单细胞移除机制，则需要增加5列(行)空闲电子细胞，即60个细胞。而在近邻替换机制中，空闲细胞数目不得少于工作细胞数目。而基于变邻域搜索算法的故障重构机制可以最大程度地利用空闲电子细胞，在不考虑约束情况下，其空闲细胞数目等于故障数目。

(2)时间开销

在一次故障重构过程中，基于变邻域搜索算法的时间开销t_vns为：

其中，k_max代表最大邻域值，本实验中k_max＝5；c_max代表最大外部循环次数，本实验中c_max＝10；i_max代表局部搜索中循环次数，本实验中i_max＝10；t_swap代表一对节点两两交换所需的计算时间；t_cost代表一次k邻域交换后的资源开销计算时间；t_cmp代表一次资源开销值比较所需的计算时间。

时间开销主要由三项组成，第一项是节点交换所需的总计算时间，第二项是资源开销所需要的总计算时间，第三项是资源开销值相互比较所需的总计算时间。在真实计算过程中，k_max以及c_max会有较大变化，使得t_vns无法达到最大值。

真实时间开销与

有关，k_i代表第i次外部循环中的邻域值。如表2所示，本实验记录了38次故障重构过程的邻域值。

的平均值为14.21，远远低于k_i＝k_max时的最大值150。

表2故障重构过程的邻域值

(3)优化效果

将最小化布线资源开销值作为优化目标，采用双循环模拟退火算法(SA)计算每次故障情况下最优重构方案，该方案作为参考对象，与基于变邻域搜索算法的重构机制(VNS)进行对比。结果如表3所示。初始资源开销为5864，VNS的资源开销随着故障数目的增加而呈现出逐渐增加的趋势，只有一个故障点时，其资源开销增加量只有最优布局方案的2.48％，最差结果出现在最后一次重构过程中，其增加量达到19.20％。如果想进一步增加其优化效果，可以根据具体问题改变变邻域搜索算法的参数。

表3故障重构过程的邻域值

以上包含了本发明优选实施例的说明，这是为了详细说明本发明的技术特征，并不是想要将发明内容限制在实施例所描述的具体形式中，依据本发明内容主旨进行的其他修改和变型也受本专利保护。本发明内容的主旨是由权利要求书所界定，而非由实施例的具体描述所界定。

Claims (7)

1.一种自优化的仿生自修复硬件故障重构机制设计，其特征在于，具体包括以下步骤：

S1、建立仿生自修复硬件故障重构模型：将目标功能电路映射到仿生自修复硬件上；

S2、对映射后的仿生自修复硬件进行故障检测，直至检测出故障细胞n_f；

S3、全局搜索仿生自修复硬件，寻找距离故障细胞n_f最近的空闲细胞n_t，将故障细胞n_f关联的功能节点v_f迁移到空闲细胞n_t，此时的配置方案称为初始可行解x₀；

S4、利用变邻域搜索算法找出故障细胞n_f的最优可行解x_best的配置方案；

步骤S1中，所述仿生自修复硬件故障重构模型通过图论建立，具体包括：

构建目标功能电路：通过功能图表示目标功能电路G_F＝(V,E)，具体包括功能节点v_i∈V表示实现一部分目标电路的功能、有向边e_i,j∈E表示功能节点v_i输出数据到功能节点v_j、vol(e_i,j)表示功能节点v_i到功能节点v_j的通信流量；

构建仿生自修复硬件：通过结构图表示仿生自修复硬件G_S＝(N,L)，具体包括节点n_i∈N表示可以完成特定功能的电子细胞、有向边l_i,j∈L代表细胞n_i可以将数据直接传输给细胞n_j、bw(l_i,j)代表了细胞n_i和细胞n_j之间的通信带宽；

功能映射β_f:V→N，将功能图中的功能节点v_i映射到结构图上成为结构图的细胞n_i；

通信映射β_c:E→L，将功能图中的有向边e_i,j映射到结构图上成为结构图的有向边l_i,j、将功能图中的通信流量vol(e_i,j)映射到结构图上成为结构图的通信带宽bw(l_i,j)。

2.根据权利要求1所述自优化的仿生自修复硬件故障重构机制设计，其特征在于，步骤S4具体包括：

S41、初始化变邻域搜索系统的参数：最优可行解x_best＝x₀、邻域参数k＝1、外循环次数c_out＝1；

S42、在x_best领域参数为k的邻域结构内进行局部搜索，求取最小资源开销变化值Δf_min以及此时的交换序列S_min，根据交换序列S_min生成最新解x_min；

S43、判断Δf_min<0是否成立：

若成立，则令x_best＝x_min、k＝1、c_out＝c_out+1，判断是否满足停机条件：c_out>c_max，其中c_max是最大外循环次数，若满足则输出循环迭代c_max次的x_best，若不满足则循环步骤S42、S43；

若不成立，则令k＝k+1；判断是否满足停机条件：k>k_max，其中k_max是最大邻域参数，若满足则直接输出x_best，若不满足则循环步骤S42、S43。

3.根据权利要求2所述自优化的仿生自修复硬件故障重构机制设计，其特征在于，步骤S42具体包括：

S421、初始化局部搜索参数：局部搜索计数值i＝1、最小资源开销变化值Δf_min＝0；

S422、根据x_best邻域参数为k的邻域结构随机生成一组交换序列S_k，根据交换序列S_k生成最新解x_now，并计算资源开销变化值Δf_now；

S423、判断Δf_now<Δf_min，若成立则令Δf_min＝Δf_now，并存储交换序列S_min＝S_k后进入步骤S424，否则直接进入步骤S424；

S424、令i＝i+1后判断i≤i_max是否成立，其中i_max为局部搜索上限，若成立则重复重复步骤S422、S423，若不成立则输出Δf_min以及S_min。

4.根据权利要求3所述自优化的仿生自修复硬件故障重构机制设计，其特征在于，步骤S422中，随机生成的交换序列中的第一个交换因子包含当前时刻故障功能节点v_f所对应的电子细胞n_t。

5.根据权利要求3所述自优化的仿生自修复硬件故障重构机制设计，其特征在于，步骤S422中，所述计算资源开销变化值Δf_now具体包括：

S4221、初始化参数参数：资源开销变化值Δf_now＝0、线网编号neti＝0；

S4222、判断线网编号neti＜netmax是否成立，其中netmax是最大线网编号，如果成立则进入步骤S4223，否则进入步骤S4225；

S4223、判断线网neti中是否存在调整位置的节点，如果成立，则进入步骤S4224，否则进入步骤S4225；

S4224、将当前线网长度w_c(neti)赋给历史值w_h(neti)＝w_c(neti)，采用Dijkstra算法计算节点位置调整后的线网长度w_c(neti)，计算线网长度改变量Δw(neti)＝w_c(neti)-w_h(neti)，更新资源开销变化值Δf_now＝Δf_now+Δw(neti)；

S4225、输出结果Δf_now。

6.根据权利要求5所述自优化的仿生自修复硬件故障重构机制设计，其特征在于，步骤S4224中，所述采用Dijkstra算法计算节点位置调整后的线网长度w_c(neti)具体包括：

S42241、定义两个集合S和U，S用于记录已求出最短路径的节点，U用于记录还未求出最短路径的节点，初始时，S中只有线网neti源节点source，U中包括所有目标节点u(j),令节点线长增量ΔD(j)＝0；

S42242、计算U中各个节点u(j)到节点source的距离D(u(j),source)，令ΔD(j)＝D(u(j),source)；

S42243、判断U是否是空集，如果成立，进入步骤S42246，否则在U中找出最短距离节点u_min，在集合U中删除节点u_min，并将其加入到集合S中；

S42244、计算U中各个节点u(j)途径u_min到节点source的距离DP(u(j),u_min)＝D(u_min,source)+D(u(j),u_min)；

S42245、判断DP(u(j),u_min)＜D(u(j),source)是否成立，如果成立，令D(u(j),source)＝DP(u(j),u_min)，ΔD(j)＝D(u_min,u(j))，重复步骤S42243、S42244；如果不成立，D(u(j),source)、ΔD(j)保持不变，重复步骤S42243、S42244；

S42246、计算线网长度w_c(neti)＝∑ΔD(j)，输出w_c(neti)。

7.根据权利要求2所述自优化的仿生自修复硬件故障重构机制设计，其特征在于，所述最大邻域参数k_max小于故障功能节点v_f的输入输出线网条数之和。

Images