基于遗传和阴性选择的混合软硬件划分方法

发布时间：2017-04-07 22:18

  本文关键词：基于遗传和阴性选择的混合软硬件划分方法，，由笔耕文化传播整理发布。

【摘要】：嵌入式系统SoC的器件尺寸越来越小、集成度越来越高、功能越来越复杂,传统的设计方法已经不能满足当前SoC设计的需求,因此出现了软硬件协同设计。软硬件划分是软硬件协同设计中非常关键的步骤,研究软硬件划分方法,对系统进行描述并建模,不断优化划分的算法,都具有十分重要的理论和实际应用意义。本文介绍了国内外在软硬件协同设计领域中的研究状况,进一步讨论了在嵌入式系统设计过程中建立系统对应的数学模型的方法,同时分析了软硬件划分方法中存在的普遍问题以及经常遇到的困难。在对遗传算法(Genetic Algorithm,GA)和阴性选择(Negative Selection,NS)算法的各方面特性以及优缺点进行分析和比较的基础上,提出了遗传阴性选择混合算法,通过结合遗传算法和阴性选择算法各自的优势,得到了具有较强执行效率和寻优能力的算法,并对传统的交叉和变异算子做了一定优化以提高最终解集的质量和解分布的广泛性。还提出了伴随进化过程自我集淘汰参数不断变化的策略,实现了在不同进化阶段对个体进行淘汰的力度的控制和调整。最后,分别将遗传算法、阴性选择算法以及遗传阴性选择混合算法进行编程实现,并对使用TGFF(Task Graph for Free)工具生成的任务图进行软硬件划分实验。通过对比和验证,实验结果表明遗传阴性选择混合算法克服了遗传算法淘汰个体过程慢、阴性选择算法初期搜索能力差的弱点,从而在提高了算法执行速度的同时能得到质量有保证、分布均匀且广泛的划分方案集。
【关键词】：软硬件划分 遗传算法 阴性选择算法
【学位授予单位】：西安电子科技大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP18;TP368.1
【目录】：

• 摘要5-6
• ABSTRACT6-9
• 缩略语对照表9-12
• 第一章 绪论12-20
• 1.1 研究背景12-13
• 1.2 设计方法13-15
• 1.2.1 传统设计方法13-14
• 1.2.2 软硬件协同设计方法14-15
• 1.3 国内外研究状况15-17
• 1.3.1 国外研究状况15-16
• 1.3.2 国内研究状况16-17
• 1.3.3 研究状况总结17
• 1.4 本文研究内容17-20
• 第二章 软硬件划分系统综述20-28
• 2.1 软硬件划分主要内容20-21
• 2.1.1 软硬件划分系统的要求20
• 2.1.2 目标系统结构20-21
• 2.1.3 系统开销和优化目标21
• 2.2 软硬件划分问题21-25
• 2.2.1 组合优化21-22
• 2.2.2 软硬件划分的定义22-23
• 2.2.3 多目标优化23
• 2.2.4 多目标优化的数学定义23-25
• 2.2.5 多目标优化与软硬件划分25
• 2.3 嵌入式系统建模方法25-28
• 第三章 遗传和阴性选择算法研究与分析28-38
• 3.1 遗传算法28-32
• 3.1.1 遗传算法基本原理28-29
• 3.1.2 遗传编码29
• 3.1.3 种群规模与初始化29-30
• 3.1.4 适应度函数30
• 3.1.5 遗传运算30-31
• 3.1.6 遗传算法流程及特性31-32
• 3.2 阴性选择算法32-38
• 3.2.1 阴性选择算法基本原理32-34
• 3.2.2 阴性选择算法如何应用于优化34-36
• 3.2.3 阴性选择算法的流程36-38
• 第四章 基于遗传和阴性选择的混合软硬件划分算法38-58
• 4.1 遗传算法与阴性选择算法对比分析38-41
• 4.1.1 时间复杂度38-40
• 4.1.2 寻优趋势40-41
• 4.1.3 寻优能力与收敛速度41
• 4.2 算法实现41-58
• 4.2.1 软硬件划分模型41-43
• 4.2.2 目标函数的计算43-46
• 4.2.3 基因库与等位基因浓度46-47
• 4.2.4 自我集47-49
• 4.2.5 适应度函数49-51
• 4.2.6 带海明距离检测的均匀两点交叉运算51-54
• 4.2.7 算法的步骤和流程54-58
• 第五章 算法验证及结果分析58-70
• 5.1 实验环境与实验用例58-60
• 5.2 实验结果及分析60-70
• 5.2.1 子目标函数值变化趋势60-63
• 5.2.2 适应度值变化趋势63-65
• 5.2.3 解的数量65-67
• 5.2.4 算法执行时间67-70
• 第六章 总结70-72
• 参考文献72-76
• 致谢76-78
• 作者简介78-79

【相似文献】

中国期刊全文数据库 前10条

1 张鲁峰,李思昆,刘功杰;嵌入式系统软硬件划分方法研究[J];计算机应用;2000年S1期

2 彭艺频,凌明,杨军;性能受限系统的软硬件划分方法[J];东南大学学报(自然科学版);2004年06期

3 彭艺频,凌明,杨军;基于资源受限的软硬件划分方法[J];电路与系统学报;2005年03期

4 曹云;边计年;吴强;;改进多路软硬件划分算法的筛选法[J];微电子学与计算机;2007年01期

5 高健;李涛;;三种软硬件划分算法的比较分析[J];计算机工程与设计;2007年14期

6 张乐;项安;;基于遗传算法的软硬件划分方法[J];电脑编程技巧与维护;2010年14期

7 郭荣佐;黄君;王霖;;基于π网的嵌入式系统软硬件划分方法[J];计算机应用;2012年03期

8 陈书敏;;基于π网的嵌入式系统软硬件划分方法[J];硅谷;2013年15期

9 赵敏媛,吕钊,顾君忠;嵌入式系统的软硬件划分[J];微计算机应用;2005年03期

10 袁爱平;傅明;;嵌入式系统软硬件划分方法探索[J];计算机应用;2008年09期

中国重要会议论文全文数据库 前4条

1 吴百锋;彭澄廉;孙晓光;;面向数据处理领域嵌入式系统在实时性约束条件下的软硬件划分[A];全国第十五届计算机科学与技术应用学术会议论文集[C];2003年

2 吴强;边计年;薛宏熙;;基于抽象体系结构模板的多路软硬件划分算法[A];全国第13届计算机辅助设计与图形学（CAD/CG）学术会议论文集[C];2004年

3 高丰;刘鹏;姚庆栋;;基于系统集成芯片的RTOS的软硬件划分算法的研究[A];第十届全国信号处理学术年会（CCSP-2001）论文集[C];2001年

4 晏阳;;基于ESL的软硬件划分在AVS熵解码器中的应用[A];2009通信理论与技术新发展——第十四届全国青年通信学术会议论文集[C];2009年

中国博士学位论文全文数据库 前6条

1 余娟;分布估计算法研究及其在软硬件划分中的应用[D];西北工业大学;2015年

2 彭艺频;面向多媒体应用的软硬件划分方法研究[D];东南大学;2005年

3 全浩军;盲优化软硬件划分技术研究[D];天津大学;2013年

4 马天义;低功耗软硬件划分算法研究[D];哈尔滨工业大学;2009年

5 桑胜田;基于相关性的SoC软硬件划分技术研究[D];哈尔滨工业大学;2010年

6 郭天天;嵌入式系统软硬件划分技术研究[D];国防科学技术大学;2006年

中国硕士学位论文全文数据库 前10条

1 党林玉;可重构高效能计算系统中软硬件协同技术研究[D];解放军信息工程大学;2014年

2 韩宏业;基于人工蜂群算法的软硬件划分算法研究[D];天津大学;2014年

3 蔡晓;基于混洗蛙跳的软硬件划分算法的研究与实现[D];天津大学;2014年

4 李炳岩;基于遗传和阴性选择的混合软硬件划分方法[D];西安电子科技大学;2015年

5 杜敏;嵌入式系统软硬件划分方法的研究[D];哈尔滨理工大学;2008年

6 刁双君;基于大规模嵌入式系统软硬件划分方法的研究[D];哈尔滨理工大学;2010年

7 周雁;基于遗传和粒子群优化算法的软硬件划分方法研究[D];华东师范大学;2011年

8 赵全伟;面向可重构系统芯片的软硬件划分方法研究[D];湖南大学;2011年

9 朱向华;软硬件协同设计之软硬件划分技术研究[D];山东师范大学;2013年

10 李春江;面向动态可重构片上系统的过程级软硬件划分方法研究[D];湖南大学;2010年

  本文关键词：基于遗传和阴性选择的混合软硬件划分方法，由笔耕文化传播整理发布。

本文编号：291458