遗传算法的FPGA实现与加速研究

发布时间：2022-07-12 13:42

　　遗传算法（Genetic Algorithm）是一种计算模型,它以达尔文进化理论为基础,仿照自然界的选择和进化过程,搜索复杂问题优化解的一种随机优化算法,并在众多领域有着广泛应用。传统遗传算法程序是采用高级语言实现的,在解空间十分庞大的情况下,搜索最优解的过程会花费大量时间,也限制了遗传算法在一些特定场景的应用。遗传算法本质上是可并行的,该特性决定了遗传算法在硬件上实现的优越性。本文使用现场可编程门电路（Field Programmable Gate Array,简称FPGA）实现遗传算法,并且在现场可编程门电路上对遗传算法的结构进行优化,以加速遗传算法计算速度。同软件实现遗传的算法相比,采用现场可编程门电路实现遗传算法更复杂、研发成本高,但在并行性和计算效率方面相较于软件具有巨大的优势。为了有效降低硬件实现的复杂性,本文采用了Xilinx HLS开发工具进行高级语言综合（将高级语言转化成RTL门级电路的自动化过程）,通过高级语言来实现硬件所需的IP核（Intelligent Property,是具有知识产权核的集成电路芯核总称）,降低研发成本。同时,由于BRAM（Block Rand... 

【文章页数】：65 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状与分析
    1.3 论文创新点
    1.4 论文内容安排
    1.5 本章小结
第2章 遗传算法的相关介绍
    2.1 遗传算法和自然遗传学的基础用语
    2.2 遗传算法的执行过程
    2.3 遗传算法的群体设定
    2.4 遗传算法的基本操作
    2.5 本章小结
第3章 现场可编程门阵列
    3.1 可编程逻辑器件概述
    3.2 FPGA的介绍
    3.3 FPGA开发工具HLS
        3.3.1 HLS的设计过程
        3.3.2 HLS的优化策略
    3.4 VIVADO开发工具介绍
    3.5 Verilog开发语言介绍
    3.6 本章小结
第4章 遗传算法的FPGA实现与加速
    4.1 遗传算法的FPGA实现的总体设计结构
    4.2 系统各部分模块设计
        4.2.1 控制模块
        4.2.2 存储模块
        4.2.3 冲突解决模块
        4.2.4 IP模块
    4.3 本章小结
第5章 实验设计与分析
    5.1 实验环境
    5.2 实验步骤
        5.2.1 使用HLS生成遗传算法IP核
        5.2.2 遗传算法在FPGA实现
    5.3 实验结果比较
        5.3.1 实验结论
    5.4 本章小结
第6章 总结和展望
    6.1 工作总结
    6.2 工作展望
参考文献
作者简介及在学期间所获得的科研成果
致谢



本文编号：3659228