Abstract
可程式化邏輯陣列（PLA ）是設計兩階段多輸出組合邏輯方程式（two-level multi-ple output combinational logic functions）的一種很好方法，在積體電路的設計中，它已被廣泛的使用，尤其是用來設計控制器（controller）。近年來，大量的研究投注在可程式化邏輯陣列的折疊（folding ），因為經由折疊，可省下不少面積，亦即省下製造成本。在這篇論文中，我們提出一個新的可程式化邏輯陣列的bipartite 折疊方法，我們將可程式化邏輯陣列的特性矩陣（personality matrix）模組化成網路，且將可程式邏輯陣列的bipartite 折疊模組化成網路的切割問題，然後我們設計了一個新的線性演算法來解網路的切割問題。我們的方法對所有的測試樣本（benchmarks）皆能找到最佳解。此外，我們提出一個新觀念，同時考慮邏輯極小（logic minimization）和可程式化邏輯陣列的折疊，因在邏輯極小化的過程中，存在了許多不同的選擇（alternative），而不同的選擇會造成在折疊時有不同的結果，在此之前，所有的論文都將邏輯極小和可程式化邏輯陣列的折疊分開考慮，而我們則將這兩個問題一起考慮，如此烈以徥較好的結果。我們將我們的bipartite 折疊演算法和一套邏輯極小化的程式（ESPRESSO）結合在一起，實驗結果證實這樣的作法可以得到更好的結果。