我正在开发一个程序，该程序试图在给定一些适应度函数（逻辑电路 => 适应度值）的情况下从 NOR 门构建逻辑电路。
目前我正在使用某种模拟退火（对逻辑电路图进行 N 个随机突变并计算新解决方案的适应度，如果适应度足够高而不是接受当前解决方案）
这类问题有更有效的算法吗？
Here is an example of generated AND gate with 4 inputs(0-1 on edge 表示，边缘从 0 输出到另一个门的第 1（右）输入）
标签： machine-learning optimization logic circuit
几十年来，多级逻辑综合一直是一个研究课题。应用一系列局部变换来改进电路是Berkeley ABC system 所追求的策略。
相关论文是SAT-Based Logic Optimization and Resynthesis。 最近的出版物是Reinforcement Learning for Scalable Logic Optimization with Graph Neural Networks。
通常，局部变换从正确的电路开始，并尝试在不影响其正确性的情况下对其进行改进。将一些任意电路转换为正确的电路对我来说似乎没有希望。
具有n 输入的电路的真值表有2^n 行。为了检查正确性，优化器必须检查所有2^n 值。匹配数（= 适应度度量）在0 和2^n 之间。通常有许多可能的方法来转换电路。因此，对于少数几个输入，替代树会迅速爆炸。
一种可能的搜索方法是将要实现的函数 F 分解为两个更简单的函数 F1 和 F2，这样
F(a, b, ....) = NOR(F1(a, b, ....), F2(a, b, ....))
可以优化此拆分以最小化子功能F1 和F2 的复杂性。
该方法是递归的。 F1 和 F2 被分解为子函数。如果函数只表示一个常量或单个输入变量，则递归结束。
得到的电路是两输入NOR 门的树。可能可以重用已经合成的子功能或允许NOR 门具有不同数量的输入（INV，NOR2，NOR3，...）。
【讨论】：