Wyklad 3

Podstawy techniki cyfrowej (POCY)
Wykład 3
Układy kombinacyjne
Minimalizacja funkcji boolowskich
dr inż. Andrzej Wielgus

Instytut Mikroelektroniki i Optoelektroniki
WEiTI PW
Podstawy techniki cyfrowej Andrzej Wielgus IMiO
Przykład układu kombinacyjnego
• Specyfikacja funkcji • Tablica prawdy funkcji
y = f(x1, x2, x3)
Jeżeli x1 = 1, to y = x2,
x1 x2 x3 y
jeżeli x1 = 0, to y = x3
0 0 0 0 0
1 0 0 1 1
2 0 1 0 0
x1 3 0 1 1 1
x2 f(x1, x2, x3) y 4 1 0 0 0
x3 5 1 0 1 0
6 1 1 0 1
7 1 1 1 1

Przykład układu kombinacyjnego
• Wyrażenie boolowskie w • Wyrażenie boolowskie
postaci kanonicznej sumy w postaci uproszczonej
f = x1x2x3 + x1x2x3 + x1x2x3 + x1x2x3 fred = x1x3 + x1x2
minimalizacja
• Minimalizacja wyrażeń boolowskich umożliwia realizację

funkcji w postaci schematu logicznego z mniejszą liczbą
bramek i mniejszą liczbą wejść do tych bramek
Minimalizacja
• Co chcemy minimalizować?
 koszt realizacji układu kombinacyjnego
 pobór mocy
 szybkość działania
• Kryteria minimalizacji i funkcja celu

Postać minimalna wyrażenia logicznego
• Poszukujemy wyrażenia logicznego w postaci

sumy iloczynów o minimalnej liczbie implikantów i
minimalnej liczbie literałów
• W realizacji sprzętowej odpowiada to układowi
kombinacyjnemu zbudowanemu z minimalnej
liczby bramek logicznych z minimalną liczbą wejść

Minimalizacja dwupoziomowa
• Dwupoziomowe wyrażenie minimalne w postaci

sumy iloczynów
• Metody minimalizacji
 graficzne, np. metoda tablic Karnaugha
 analityczne, np. Quine’a i McCluskeya, ekspansji
 komputerowe, np. metoda Espresso
• Metoda tablic Karnaugha jest jedną z najprostszych
metod minimalizacji
 metoda poglądowa do obliczeń ręcznych
 złożona obliczeniowo dla większych funkcji
 nieprzydatna w praktyce projektowania układów
cyfrowych
Tablice Karnaugha
• Tablicę prawdy przekształca się w taki sposób, że mintermy
różniące się na dokładnie jednej zmiennej mają
przyporządkowane sąsiednie pola tablicy
x1 x2 x3 y
0 0 0 0 0
1 0 0 1 1
2 0 1 0 0 x2x3
x1 00 01 11 10
3 0 1 1 1
4 1 0 0 0 0 0 1 1 0
5 1 0 1 0 1 0 0 1 1
6 1 1 0 1
7 1 1 1 1

Tablice Karnaugha
x 2x 3
x1 00 01 11 10
0 0 1 1 0
1 0 0 1 1
x1x2x3 + x1x2x3 = x1x3

Tablice Karnaugha
• Tablica Karnaugha jest tablicą prostokątną złożoną z 2n pól
(kratek), z których każde reprezentuje jeden minterm funkcji
(pełny iloczyn zmiennych binarnych).
• Wartości zmiennych wejściowych pełnią rolę indeksów
wierszy i kolumn, a odpowiadające im wartości zmiennych
wyjściowych (wartości funkcji: 0, 1, -) są wpisywane w pola
tablicy.
• Mintermy różniące się wartością dokładnie jednej zmiennej
mają przyporządkowane sąsiednie pola tablicy (sąsiadują ze
sobą).
• Sąsiednie mogą być:
 kratki przylegające do siebie
 kratki położone przy przeciwległych krawędziach tablicy
 kratki położone symetrycznie wewnątrz tablicy
Zasady konstrukcji tablic Karnaugha
x2 x 2x 3
x1 0 1 x1 00 01 11 10
0 0 0 1 3 2
1 1 4 5 7 6
x3 x 3x 4
x1x2 x 1x 2
0 1 00 01 11 10
00 00 0 1 3 2
01 sąsiednie 01 4 5 7 6
11 kratki 11 12 13 15 14
10 10 8 9 11 10
• Wpisywanie funkcji do tablicy Karnaugha ułatwia opis pól w kodzie NKB

Zasady konstrukcji tablic Karnaugha
x 4 x 5x 6
x1x2x3 000 001 011 010 110 111 101 100

000
001
011
010
oś symetrii
110
111
101
100 sąsiednie
kratki
Minimalizacja metodą tablic Karnaugha
1)Zapisać funkcję w tablicy Karnaugha.

2)Zakreślić w tablicy jak największe, symetryczne pętle wokół
sąsiadujących pól zawierających tylko 1 lub 1 i „-”
(nieokreśloności).
3)Pokryć wszystkie 1 funkcji minimalną liczbą pętli.
4)Dla każdej pętli wyznaczyć implikant funkcji w postaci
iloczynu zmiennych, prostych lub zanegowanych.
5)Utworzyć minimalne wyrażnie boolowskie danej funkcji w
postaci suma wyznaczonych iloczynów.

Zasady zakreślania pętli
• Każda 1 musi być objęta przynajmniej jedną pętlą
• Każda pętla musi obejmować 2k pól tablicy i być
symetryczna w każdym kierunku względem jednej z osi
symetrii tablicy K
• Pętla może przebiegać przez krawędź tablicy
• Każda pętla powinna być jak największa (obejmować jak
najwięcej sąsiednich pól)
• Nieokreśloności mogą być zakreślane razem z 1, jeśli
pozwala to utworzyć większą pętlę

Przykłady zakreślania pętli
x2 x 2x 3
x1 0 1 x1 00 01 11 10
0 0
1 1
x3 x3x4
x 1x 2 x 1x 2
0 1 00 01 11 10
00 00
01 01
11 11
10 10

Przykłady zakreślania pętli
x 4 x 5x 6
x1x2x3 000 001 011 010 110 111 101 100

000
001
011
010
110
111
101
100

Przykłady błędnych pętli
x 4 x 5x 6
x1x2x3 000 001 011 010 110 111 101 100

000
001
011
010 błędna pętla
110 asymetryczna
111
101
100

Przypisanie implikantu do pętli
x2x3 x 2x 3
x1 00 01 11 10 x1 00 01 11 10
0 x1 0
1 x1 1
x2 x2
• Pętli odpowiada implikant funkcji
x2x3
w postaci iloczynu tylko tych
x1
zmiennych, które występują w 00 01 11 10
opisie pól objętych pętlą tylko w 0
jednej postaci: prostej lub 1
zanegowanej
x3 x3 x3

Przypisanie implikantu do pętli - przykład
• Funkcja f(x1, x2, x3) = Σ(1, 3, 6, 7)
x 2x 3
x1 00 01 11 10
0 0 1 1 0
1 0 0 1 1
fmin = x1x3 + x1x2

Przykład
• Funkcja f(a,b,c,d,e) = Σ[4, 5, 10, 11, 15, 18, 20, 24, 26, 30,
31, (9, 12, 14, 16, 19, 21, 25)]
cde
ab
000 001 011 010 110 111 101 100
00 0 0 0 0 0 0 1 1
01 0 - 1 1 - 1 0 -
11 1 - 0 1 1 1 0 0
10 - 0 - 1 0 0 - 1
fmin = abd + bcd + bcd + ace

Implikanty funkcji
• Implikant to iloczyn literałów, który ma taką cechę,

że funkcja przyjmuje wartość 1, gdy implikant
przyjmuje wartość 1
• Implikant c1 pokrywa implikant c2 (c2  c1), jeśli c2
zawiera wszystkie literały implikantu c1.
• Implikant funkcji jest prosty, jeżeli nie jest
pokrywany przez żaden inny implikant tej funkcji.
Jeśli usuniemy z niego dowolny literał, to
przestanie być implikantem (czyli będzie pokrywał
również 0 funkcji)

Implikanty w tablicy Karnaugha
cde minterm
abcde
ab
000 001 011 010 110 111 101 100
00 0 0 0 0 0 0 1 1
implikant
01 0 - 1 1 - 1 0 -
11 1 - 0 1 1 1 0 0
bcde
10 - 0 - 1 0 0 - 1
implikant prosty
bcd

Implikanty w tablicy Karnaugha
po usunięciu literału b
cde cd - nie jest implikantem !
ab
000 001 011 010 110 111 101 100
00 0 0 0 0 0 0 1 1 po usunięciu literału c
bd - nie jest implikantem !
01 0 - 1 1 - 1 0 -
11 1 - 0 1 1 1 0 0
10 - 0 - 1 0 0 - 1
implikant prosty
bcd

Wyrażenie w postaci iloczynu sum POS
• Funkcja f(x1, x2, x3) = Σ(1, 3, 6, 7)
x 2x 3
x1 00 01 11 10
0 0 1 1 0
1 0 0 1 1
fmin = (x1 + x2) (x1 + x3)

Minimalizacja układów wielowyjściowych
• Wielowyjściowe układy kombinacyjne realizują

zespoły funkcji boolowskich
• Minimalna postać wyrażenia logicznego każdej z
funkcji oddzielnie nie zapewnia minimalnej
realizacji zespołu funkcji

Przykład 2 – minimalizacja oddzielnych funkcji
• Zminimalizować i zrealizować zespół funkcji:

y1 = Σ(2, 3, 5, 7, 8, 9, 10, 11, 13, 15)
y2 = Σ(2, 3, 5, 6, 7, 10, 11, 14, 15)
y3 = Σ(6, 7, 8, 9, 13, 14, 15)
cd cd cd
ab 00 01 11 10 ab 00 01 11 10 ab 00 01 11 10
00 0 0 1 1 00 0 0 1 1 00 0 0 0 0
01 0 1 1 0 01 0 1 1 1 01 0 0 1 1
11 0 1 1 0 11 0 0 1 1 11 0 1 1 1
10 1 1 1 1 10 0 0 1 1 10 1 1 0 0
y 1 = a b̄ + b d + b̄ c y 2 = c+ ā b d y 3 = b c + a c̄ d + a b̄ c̄
• Realizacja: 7 bramek AND i 3 bramki OR
Przykład 2 – minimalizacja zespołu funkcji
• Poszukujemy implikantów wspólnych dla dwóch lub trzech
funkcji. Mogą nie być implikantami prostymi.
cd cd cd
ab 00 01 11 10 ab 00 01 11 10 ab 00 01 11 10
00 0 0 1 1 00 0 0 1 1 00 0 0 0 0
01 0 1 1 0 01 0 1 1 1 01 0 0 1 1
11 0 1 1 0 11 0 0 1 1 11 0 1 1 1
10 1 1 1 1 10 0 0 1 1 10 1 1 0 0
y 1 = a b̄ c̄ + a b d + ā b d + b̄ c y 3 = b c + a b d + a b̄ c̄
y 2 = b c+ ā b d+ b̄ c
• Realizacja: 5 bramek AND i 3 bramki OR

Przykład 2 – schemat logiczny
y 1 = a b̄ c̄ + a b d + ā b d + b̄ c y 1 = a b̄ c̄ + a b d + ā b d + b̄ c
y 2 = b c+ ā b d+ b̄ c y 2 = c+ ā b d
y 3 = b c + a b d + a b̄ c̄ y 3 = b c + a b d + a b̄ c̄
a a
b b
y1 y1
c c
d d
y2 y2
y3 y3

Minimalizacja dwupoziomowa
• Pokryciem funkcji logicznej nazywamy zbiór

implikantów pokrywających wszystkie 1-ki funkcji
• Pokrycie funkcji jest minimalne, jeżeli nie istnieje

pokrycie zawierające mniejszą liczbę implikantów oraz
nie istnieje pokrycie zawierające taką samą liczbę
implikantów, ale mniejszą liczbę literałów
• Każde minimalne pokrycie funkcji logicznej zawiera

wyłącznie implikanty proste.

Metody minimalizacji dwupoziomowej
• Minimalizacja dokładna
 znajduje wszystkie możliwe minimalne pokrycia funkcji
• Minimalizacja heurystyczna (przybliżona)

 znajduje przybliżone pokrycie początkowe
 iteracyjnie poprawia początkowe pokrycie
 stosuje heurystyczne reguły poprawiania pokrycia

Minimalizacja dokładna
• Klasyczne algorytmy dokładnej minimalizacji obejmują

dwa zasadnicze etapy:
 wyznaczenie zbioru implikantów prostych funkcji
boolowskiej
 wyznaczenie minimalnego pokrycia funkcji przez
podzbiór implikantów prostych
• W ogólnym przypadku, obydwa te problemy są bardzo

złożone obliczeniowo
• Metoda Quine’a i McCluskeya
• Metoda ekspansji

Minimalizacja heurystyczna
• Metody heurystyczne
 nie poszukują zbioru wszystkich implikantów prostych
 znajdują tylko tyle implikantów, żeby policzyć jedno
pokrycie funkcji
 iteracyjnie poprawiają znalezione pokrycie
• Metoda Espresso
 zbiór procedur logicznych
 jedną z nich jest ekspansja

Metoda ekspansji
• Metoda minimalizacji dokładnej

• Etapy minimalizacji:
 generacja zbioru wszystkich implikantów prostych
funkcji boolowskiej
 selekcja implikantów w celu wyznaczenia minimalnego
pokrycia funkcji przez podzbiór implikantów prostych
• Pojęcie kostki
• Ekspansja (powiększanie) kostek

Kostka
• Kostka to ciąg elementów ze zbioru {0, 1, *}, gdzie *

oznacza wartość nieokreśloną (reprezentuje 0 lub 1)
• Kostką k nazywamy n-krotkę (ang. n-tuple) o
składowych 0, 1, *, stanowiącą element zbioru {0, 1, *}n.
• Kostka reprezentuje zbiór wektorów binarnych, np.:
{ }
10 001
10 011
k=(1∗0∗1)=
11 001
11 011
• Kostka reprezentuje zatem niepełny iloczyn literałów:
k=(1∗0∗1)=x 1 x¯3 x 5
Reprezentacja funkcji
• W metodzie ekspansji funkcja boolowska f(X)

reprezentowana jest w postaci zbioru włączenia F
i zbioru wyłączenia R
• Zbiór wektorów (kostek), dla których f = 1, tworzy zbiór F
• Zbiór wektorów (kostek), dla których f = 0, tworzy zbiór R

Przykład 1 - reprezentacja funkcji
• Zbiory F i R funkcji f(x1, x2, x3, x4)
[ ]
x1 x2 x3 x4 f 00 0 1
01 1 0
0 0 0 0 1 1
F=
11 0 0
1 0 1 1 0 1 11 0 1
2 1 1 0 0 1
3 1 1 0 1 1
4 0 0 1 0 0
[ ]
5 0 1 0 1 0
0010
6 1 0 0 0 0 R= 0 1 0 1
1000

Kostki funkcji boolowskiej
• Każdy implikant funkcji jest kostką

• Nie każda kostka jest implikantem funkcji, ponieważ
jedna kostka może reprezentować wektory ze zbioru
włączenia i ze zbioru wyłączenia
[ ]
00 0 1
01 1 0 (∗ 1 ∗ 0 ) to jest implikant funkcji
F=
11 0 0
11 0 1
(∗ 1 ∗ 1 ) to nie jest implikant funkcji
[ ]
0010
R= 0 1 0 1
1000

Ekspansja kostki
• Ekspansja jest procesem działającym na

wektorach (kostkach) zbiorów F i R, a jej celem
jest uzyskanie dla danej kostki k  F możliwie
dużej kostki k’ (tzn. z możliwie dużą liczbą pozycji
o wartości *) i nie pokrywającej żadnego wektora
zbioru R.
• Celem ekspansji jest maksymalne powiększenie
kostki k w taki sposób, aby obejmowała tylko 1 i –
funkcji. Ograniczeniem powiększania są 0 funkcji.

Interpretacja ekspansji kostki
w tablicy Karnaugha
cde kostka k
k = (01111)
ab
000 001 011 010 110 111 101 100 m = abcde
00 0 0 0 0 0 0 1 1
01 0 - 1 1 - 1 0 -
11 1 - 0 1 1 1 0 0
10 - 0 - 1 0 0 - 1
ekspansja kostki k
k’ = (*111*)
I = bcd

Przykład 1 - ekspansja kostki w tablicy
Karnaugha
x 3x 4 kostka k
k = (0110)
x 1x 2 00 01 11 10 m = x1x2x3x4
00 - 1 - 0
01 - 0 - 1 ekspansja kostki k
11 1 1 - - k’ = (*1*0)
10 0 - - - I = x2x4
ekspansja kostki k
k’ = (*11*)
I = x2x3

Macierz blokująca B
• Macierz blokująca B(k, R) dla danej kostki k  F

powstaje z macierzy R przez zanegowanie tych
kolumn R, których pozycje są wyznaczone przez
pozycje jedynek w kostce k  F

Przykład 1 – macierz blokująca
[ ]
00 0 1 k1
[ ]
01 1 0 k2 0010
F= R= 0 1 0 1
11 0 0 k3
11 0 1 k4 1000
• Wybieramy kostkę k1
k 1=(0 0 0 1)
[ ]
• Wyznaczamy macierz blokującą 0011
B1(k1, R) B1 = 0 1 0 0
 w macierzy R negujemy 4-tą kolumnę 1001
 pozostałe kolumny przepisujemy bez zmian

Pokrycie kolumnowe
• Pokryciem kolumnowym macierzy B jest zbiór

kolumn L taki, że dla każdego wiersza i istnieje
kolumna jL, która w wierszu i ma jedynkę
• Zbiór L jest minimalnym pokryciem kolumnowym
macierzy B, jeśli nie istnieje zbiór L’ (tworzący
pokrycie) taki, że L’  L

Przykład 1 – pokrycie kolumnowe macierzy
• Kolumny macierzy oznaczamy symbolami L1, L2, …

• Wybieramy zbiór kolumn taki, żeby w każdym wierszu
wystąpiła co najmniej jedna 1
L1 L2 L3 L4 L1 L2 L3 L4
[ ] [ ]
0011 0011
B1 = 0 1 0 0 B1 = 0 1 0 0
1001 1001
pokrycie inne pokrycie

kolumnowe kolumnowe
L={L2 , L4 } L={L1 , L 2 , L3 }

Wyznaczanie ekspansji kostki
• Pokrycie kolumnowe macierzy blokującej B(k, R)

pozwala wyznaczyć ekspansję kostki k oznaczaną
k+(L, k) w sposób następujący:
 wszystkie składowe kostki k należące do L nie ulegają
zmianie
 składowe nie należące do L przyjmują wartość *
• Ekspansja k+(L, k) kostki k jest implikantem funkcji
• Ekspansja k+(L, k) jest implikantem prostym, jeśli L
jest minimalnym pokryciem kolumnowym macierzy
blokującej B(k, R)

Przykład 1 – obliczanie ekspansji kostki
• Znalezione pokrycie kolumnowe L
L={L2 , L4 }
wskazuje, które składowe kostki
k1 nie zmieniają się
• Pozostałe składowe kostki
zamieniamy na wartość * k 1=( 0 0 0 1 )
• Obliczona ekspansja k+(L, k1)
reprezentuje implikant funkcji
• Implikant I jest prosty, jeśli k +1 (L
( L , k 1 )=(∗
)=( 0 ∗ 1 )
pokrycie L jest minimalne
I =x2 x 4

Minimalne pokrycia kolumnowe macierzy
• W jaki sposób można wyznaczyć wszystkie minimalne

pokrycia kolumnowe macierzy?
• Algorytm
 dla każdego wiersza wyznaczyć zbiór kolumn
zawierających 1 w danym wierszu
 zapisać zbiory kolumn w postaci iloczynu sum
 przekształcić otrzymane wyrażenie do minimalnej
postaci sumy iloczynów
 składniki iloczynowe reprezentują minimalne pokrycia
kolumnowe funkcji

Przykład 1 – ekspansja kostki k1
• Obliczamy macierz blokującą B1
[ ]
0 0 1 1 {L3 , L4 }
k 1=(0 0 0 1) B1 = 0 1 0 0 {L2 }
1 0 0 1 {L1 , L4 }
• Obliczamy minimalne pokrycia kolumnowe B1

L2 (L3 + L 4 )( L1 + L 4 )=L2 (L 4 + L1 L3 )=L2 L 4 + L1 L2 L3
L1={L 2 , L 4 } L2 ={L1 , L2 , L3 }
• Wyznaczamy ekspansje kostki k1 i implikanty proste
k +1 (L1 , k 1 )=( ∗ 0 ∗ 1 ) I =x2 x 4
k +1 (L 2 , k 1 )=( 0 0 0 ∗ ) I =x1 x 2 x3
[ ] [ ]
0010 0100 L2
k 2=(0 1 1 0) R= 0 1 0 1 B 2 = 0 0 1 1 L3 , L 4
1000 1 1 1 0 L1 , L2 , L3

L2 (L3 + L 4 )( L1 + L2 + L3 )=L2 L3 + L2 L 4
L1={L 2 , L3 } L2 ={L2 , L 4 }
k +2 ( L1 , k 2 )=( ∗ 1 1 ∗ ) I =x 2 x 3
k +2 ( L2 , k 2 )=( ∗ 1 ∗ 0 ) I =x 2 x 4
[ ] [ ]
0010 1110 L1 , L2 , L3
k 3=(1 1 0 0) R= 0 1 0 1 B3 = 1 0 0 1 L1 , L4
1000 0100 L2

L2 ( L1 + L4 )=L1 L2 + L2 L4
L1={L1 , L2 } L2={L2 , L4 }

k +3 ( L1 , k 3 )=( 1 1 ∗∗ ) I =x 1 x 2
k +3 ( L 2 , k 3 )=( ∗ 1 ∗ 0 ) I =x 2 x 4
[ ] [ ]
0010 1111 L1 , L2 , L3 , L4
k 4 =(1 1 0 1) R= 0 1 0 1 B 4= 1 0 0 0 L1 ,
1000 0101 L2 , L4

L1 ( L2 + L4 )=L1 L2 + L1 L4
L1={L1 , L2 } L2={L1 , L4 }
k +4 ( L1 , k 4 )=( 1 1 ∗∗ ) I =x 1 x 2
k +4 ( L 2 , k 4 )=( 1 ∗∗ 1 ) I =x 1 x 4
Przykład 1 – zbiór implikantów prostych
• Ze zbioru wyznaczonych implikantów usuwamy

powtarzające się, porządkujemy i numerujemy
I 1=x 2 x 4
I 2= x 1 x 2 x 3
I 3 =x 2 x 3
I 4 =x 2 x 4
I 5 =x1 x 2
I 6 =x 1 x 4

Selekcja implikantów prostych
• Ekspansja kostek umożliwia obliczenie zbioru

wszystkich implikantów prostych funkcji
• Zbiór ten jest zazwyczaj nadmiarowy – zawiera zbyt
dużo implikantów
• Selekcja najlepszych implikantów umożliwia
znalezienie minimalnego pokrycia funkcji, czyli
minimalnej postaci wyrażenia boolowskiego
• Rozwiązanie problemu pokrycia

Rozwiązanie problemu pokrycia
• Relacja pokrycia dla kostek

 Kostka K pokrywa kostkę C (C  K), jeśli ki = ci lub ki = *
np. ( 1101 )  ( 1*0* )
( 1*01 )  ( 1*0* )
• Tablica implikantów
 wiersze reprezentują kostki pierwotnej funkcji
 kolumny reprezentują implikanty proste funkcji
 jeżeli ki  Ij (implikant Ij pokrywa kostkę ki),
to w polu (i, j) tablicy wpisuje się 1
• Minimalne pokrycie kolumnowe tablicy implikantów
reprezentuje minimalne pokrycie funkcji

Przykład 1 – tablica implikantów funkcji
I 1=x 2 x 4 ⊇k 1
I 2= x1 x 2 x3 ⊇k 1 I1 I2 I3 I4 I5 I6
k1 1 1
I 3 =x 2 x 3 ⊇k 2
k2 1 1
I 4 =x 2 x 4 ⊇k 2 k 3 k3 1 1
I 5 =x1 x 2 ⊇k 3 k 4 k4 1 1
I 6 =x 1 x 4 ⊇k 4
( I 1 + I 2 )(I 3 + I 4 )( I 4 + I 5 )(I 5 + I 6 )=( I 1 I 3 + I 1 I 4 + I 2 I 3 + I 2 I 4 )( I 5 + I 4 I 6 )=

I 1 I 3 I 5 + I 1 I 4 I 5+ I 1 I 4 I 6+ I 2 I 3 I 5 + I 2 I 4 I 5 + I 2 I 4 I 6

Przykład 1 – minimalne pokrycia funkcji
• Dla funkcja f(x1, x2, x3, x4) znaleziono 6 rozwiązań

minimalnych
I 1=x 2 x 4 I 2= x 1 x 2 x 3 I 3= x 2 x 3 I 4= x 2 x 4 I 5 =x1 x 2 I 6 =x 1 x 4
f min =I 1 + I 3 + I 5 f min =x 2 x 4 + x2 x 3 + x1 x 2
f min=I 1 + I 4 + I 5 f min =x 2 x 4 + x2 x 4 + x1 x 2
f min =I 1 + I 4 + I 6 f min =x 2 x 4 + x2 x 4 + x1 x 4
f min =I 2 + I 3 + I 5 f min =x1 x 2 x3 + x 2 x 3 + x1 x 2
f min=I 2 + I 4 + I 5 f min =x 1 x2 x 3 + x 2 x 4 + x 1 x2
f min =I 2 + I 4 + I 6 f min =x 1 x2 x 3 + x 2 x 4 + x 1 x 4

Wyklad 3

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Wyklad 3

Uploaded by

Copyright:

Available Formats

Podstawy techniki cyfrowej (POCY)

dr inż. Andrzej Wielgus

Podstawy techniki cyfrowej Andrzej Wielgus IMiO

• Minimalizacja wyrażeń boolowskich umożliwia realizację

Podstawy techniki cyfrowej Andrzej Wielgus IMiO

• Poszukujemy wyrażenia logicznego w postaci

Podstawy techniki cyfrowej Andrzej Wielgus IMiO

• Dwupoziomowe wyrażenie minimalne w postaci

Podstawy techniki cyfrowej Andrzej Wielgus IMiO

x1x2x3 + x1x2x3 = x1x3

Podstawy techniki cyfrowej Andrzej Wielgus IMiO

• Wpisywanie funkcji do tablicy Karnaugha ułatwia opis pól w kodzie NKB

x1x2x3 000 001 011 010 110 111 101 100

1)Zapisać funkcję w tablicy Karnaugha.

Podstawy techniki cyfrowej Andrzej Wielgus IMiO

Podstawy techniki cyfrowej Andrzej Wielgus IMiO

Podstawy techniki cyfrowej Andrzej Wielgus IMiO

x1x2x3 000 001 011 010 110 111 101 100

Podstawy techniki cyfrowej Andrzej Wielgus IMiO

x1x2x3 000 001 011 010 110 111 101 100

Podstawy techniki cyfrowej Andrzej Wielgus IMiO

Podstawy techniki cyfrowej Andrzej Wielgus IMiO

• Funkcja f(x1, x2, x3) = Σ(1, 3, 6, 7)

fmin = x1x3 + x1x2

Podstawy techniki cyfrowej Andrzej Wielgus IMiO

fmin = abd + bcd + bcd + ace

Podstawy techniki cyfrowej Andrzej Wielgus IMiO

• Implikant to iloczyn literałów, który ma taką cechę,

Podstawy techniki cyfrowej Andrzej Wielgus IMiO

Podstawy techniki cyfrowej Andrzej Wielgus IMiO

Podstawy techniki cyfrowej Andrzej Wielgus IMiO

• Funkcja f(x1, x2, x3) = Σ(1, 3, 6, 7)

fmin = (x1 + x2) (x1 + x3)

Podstawy techniki cyfrowej Andrzej Wielgus IMiO

• Wielowyjściowe układy kombinacyjne realizują

Podstawy techniki cyfrowej Andrzej Wielgus IMiO

• Zminimalizować i zrealizować zespół funkcji:

Podstawy techniki cyfrowej Andrzej Wielgus IMiO

Podstawy techniki cyfrowej Andrzej Wielgus IMiO

• Pokryciem funkcji logicznej nazywamy zbiór

• Pokrycie funkcji jest minimalne, jeżeli nie istnieje

• Każde minimalne pokrycie funkcji logicznej zawiera

Podstawy techniki cyfrowej Andrzej Wielgus IMiO

• Minimalizacja heurystyczna (przybliżona)

Podstawy techniki cyfrowej Andrzej Wielgus IMiO

• Klasyczne algorytmy dokładnej minimalizacji obejmują

• W ogólnym przypadku, obydwa te problemy są bardzo

Podstawy techniki cyfrowej Andrzej Wielgus IMiO

Podstawy techniki cyfrowej Andrzej Wielgus IMiO

• Metoda minimalizacji dokładnej

Podstawy techniki cyfrowej Andrzej Wielgus IMiO

• Kostka to ciąg elementów ze zbioru {0, 1, *}, gdzie *

• Kostka reprezentuje zatem niepełny iloczyn literałów:

• W metodzie ekspansji funkcja boolowska f(X)

Podstawy techniki cyfrowej Andrzej Wielgus IMiO

• Zbiory F i R funkcji f(x1, x2, x3, x4)

Podstawy techniki cyfrowej Andrzej Wielgus IMiO

• Każdy implikant funkcji jest kostką

Podstawy techniki cyfrowej Andrzej Wielgus IMiO

• Ekspansja jest procesem działającym na

Podstawy techniki cyfrowej Andrzej Wielgus IMiO

Podstawy techniki cyfrowej Andrzej Wielgus IMiO

Podstawy techniki cyfrowej Andrzej Wielgus IMiO

• Kostka to ciąg elementów ze zbioru {0, 1, }, gdzie