演化算法在RISC-V体系结构上的高效实现

发布时间：2021-11-20 14:21

　　在学术研究和工业生产的许多领域中,常用演化算法对实值问题进行优化和求解。演化算法作为一种群体为基础的随机优化方法,与传统梯度方法相比,缺少梯度信息和优化方向,需要通过大量的迭代来优化和求解问题,存在运行效率上的不足,这是制约演化算法应用的一个重要因素。为了应对这一挑战,本课题从计算机体系结构的角度出发,围绕演化算法运行效率和硬件加速进行研究。基于最新的第五代精简指令集计算（Reduced Instruction Set Computing V,RISC-V）体系结构,本课题对粒子群优化（Particle Swarm Optimization,PSO）、差分演化（Differential Evolution,DE）、协方差矩阵自适应演化策略（Covariance Matrix Adaptation Evolution Strategy,CMAES）三种单目标演化算法和第二代非支配排序遗传算法（Non-dominated Sorting Genetic Algorithm II,NSGA-II）、基于多指标的随机排序算法（Stochastic Ranking-based Multi-ind... 

【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校

【文章页数】：86 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 课题背景及研究的目的和意义
        1.1.1 演化算法的背景
        1.1.2 RISC-V体系结构的背景
        1.1.3 研究的目的和意义
    1.2 相关领域的研究现状及分析
        1.2.1 演化算法运行效率相关研究
        1.2.2 RISC-V体系结构上的算法加速相关研究
        1.2.3 相关领域研究现状的简析
    1.3 主要研究内容
        1.3.1 演化算法
        1.3.2 基准函数
        1.3.3 软件运行框架
        1.3.4 RISC-V体系结构具体实现
        1.3.5 研究成果的验证方式
        1.3.6 算法运行效率的评价指标和影响因素
    1.4 研究方法的框架和研究步骤
    1.5 研究的难点和主要创新点
    1.6 论文的组织结构
第2章 存储器系统对演化算法运行效率影响的研究
    2.1 存储器系统相关背景
    2.2 Rocket Chip的存储器系统
    2.3 高速缓存和演化算法运行效率的研究
        2.3.1 16KiBL1的实验
        2.3.2 32KiBL1的实验
        2.3.3 512KiBL2的实验
        2.3.4 4MiBL3的实验
    2.4 本章小结
第3章 NSGA-Ⅱ算法运行效率的研究
    3.1 非支配排序的过程和时间复杂度分析
    3.2 NSGA-Ⅱ算法各部分消耗周期的情况
    3.3 RoCC协处理器的设计
        3.3.1 RoCC协处理器设计相关背景
        3.3.2 协处理器的输入输出和数据存储
        3.3.3 协处理器的工作和交互流程
        3.3.4 浮点操作的实现方式
        3.3.5 个体对的比较过程
        3.3.6 流水线的设计
    3.4 RoCC协处理器的验证
        3.4.1 加速后NSGA-Ⅱ算法各部分消耗周期的情况
        3.4.2 RoCC协处理器的加速性能
    3.5 本章小结
第4章 SRA算法运行效率的研究
    4.1 计算指标的过程和时间复杂度分析
    4.2 SRA算法各部分消耗的周期
    4.3 RoCC协处理器的设计
        4.3.1 协处理器的输入输出和数据存储
        4.3.2 协处理器的工作和交互流程
        4.3.3 浮点操作的实现方式
        4.3.4 计算指标的过程
        4.3.5 流水线的设计
    4.4 RoCC协处理器的验证
        4.4.1 加速后SRA算法各部分消耗周期的情况
        4.4.2 RoCC协处理器的加速性能
    4.5 非支配排序和计算指标时间复杂度的讨论
    4.6 本章小结
结论
参考文献
附录
    附录A:单目标演化算法使用的基准函数
    附录B:多目标演化算法使用的基准函数
攻读硕士学位期间发表的论文及其它成果
致谢


【参考文献】：
期刊论文
[1]AI芯片的发展及应用[J]. 刘衡祁.  电子技术与软件工程. 2019(22)

博士论文
[1]高维多目标动力学演化算法及在GPU上的实现[D]. 岳雪芝.武汉大学 2013



本文编号：3507508