随着集成电路的进步,计算机视觉,人工智能,大数据等密集运算的应用得以发展。但是随着这些应用的发展,对底层硬件的运算力提出了更高的要求。那么在现有的工艺上如何满足应用层需求是目前集成电路研究重点之一。近似计算是通过损失精度换取功耗,面积,延时优化的一种设计方法,因为损失计算精度在某些特定应用上并不影响最终的输出结果,所以近似计算具有一定的实际应用价值和潜在的应用前景。本文根据Boolean和Reed-Muller(RM)逻辑的特性,结合近似计算方法,对电路进行优化。研究内容有以下两个方面:1)基于近似计算的包含不完全确定项的固定极性的RM(Incompletely Specified Fixed Polarity Reed-Muller,ISFPRM)函数的近似优化方法。该方法,通过并行列表法和不相交项表示法提升极性转换速度,通过公式法代替低功耗分解法提升功耗计算速度,通过遗传算法搜索到最优近似电路版本。2)基于近似计算的传统布尔(Traditional Boolean,TB)逻辑优化方法。该方法通过计算各节点信号概率迅速锚定卡点位置,通过前向简化和反向简化技术删减电路结构,最后通过最大收益点计算方法获得优质的近似电路的版本。此外,单一逻辑的优化效果是有限的,研究发现通过RM+TB组成的双逻辑表示电路可以取得更好的效果,所以本文将根据双逻辑电路的特点进行功耗优化。研究内容主要是:3)双逻辑电路的功耗优化方法。讨论了同类型级联结构以及镜像结构优化的可能性。具体的实现:通过在AXIOG(And-Xor-Or-Inverter Graph,AXIOG)中寻找模式图,根据每个模式图的特点,结合重构后结构的功耗情况进行模式匹配,选取最优的匹配图。