众核片上系统嵌入式软件综合技术研究

发布时间：2017-05-04 15:00

  本文关键词：众核片上系统嵌入式软件综合技术研究，，由笔耕文化传播整理发布。

【摘要】：随着半导体技术进入纳米时代,嵌入式片上系统可集成越来越多的处理器核心,推动处理器技术进入众核时代。处理器核心众多,众核硬件平台具有巨大的并行计算潜能。但由于与之配套的众核软件综合工具等基础软件技术的滞后,使得系统性能得不到充分发挥。所以,研究众核软件综合技术,突破众核技术瓶颈,具有重要意义。任务绑定与调度算法是众核软件综合技术的核心环节,研究收敛速度快、求解精度高的任务绑定与调度算法,是提升众核软件综合技术水平的基本途径。而任务绑定与调度问题是NP-hard问题的一个实例,需要依据问题本身的特殊性来构造良好的算法对其求解,具有一定的难度。本文的工作,便是基于2D-Torus拓扑架构众核平台,对其任务绑定与调度问题进行了如下的研究工作:首先,本文根据2D-Torus片上网络的特点,对BAMSE算法进行了改进,实现了具有通信开销的任务集到2D-Torus同构众核平台物理内核的绑定。并通过实验探究了改进后的BAMSE算法的性能。其次,本文通过引入聚度和信息权重,结合全新的信息素更新机制,提出了一种基于蚁群算法的任务绑定与调度方案。实验表明:在不同的CCR下该方案都能得到比前文改进的BAMSE算法更良好的结果。最后,本文为解决基于蚁群算法的任务绑定与调度方案前期由于信息素匮乏而引起的收敛速度慢的问题,在分析研究遗传算法的优缺点的基础上,融合遗传算法和蚁群算法这两者的优势,提出了一种基于遗传蚁群算法的任务绑定与调度方案,实验表明了该算法的有效性。本文工作在研究收敛速度快、求解精度高的众核任务绑定与调度算法方面做了一些尝试,为设计基于2D-Torus同构众核平台的软件综合工具打下了基础。
【关键词】：众核软件综合 任务绑定与调度 执行跨度 蚁群算法 遗传算法
【学位授予单位】：东华大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP18
【目录】：

• 摘要4-6
• ABSTRACT6-11
• 第1章 绪论11-18
• 1.1 研究背景11-13
• 1.1.1 处理器集成技术的发展11-12
• 1.1.2 众核片上系统软件综合技术的发展现状12
• 1.1.3 众核片上系统软件综合技术研究的困难性12-13
• 1.2 研究目的与意义13
• 1.3 课题研究现状13-14
• 1.4 论文的主要工作14-16
• 1.4.1 众核任务绑定与调度的近似算法15
• 1.4.2 基于蚁群算法的任务绑定与调度15
• 1.4.3 基于遗传蚁群算法的任务绑定与调度15-16
• 1.5 论文的组织结构16-17
• 1.6 本章小结17-18
• 第2章 众核软件综合技术概述18-30
• 2.1 众核软件综合流程18-19
• 2.2 众核处理器模型19-22
• 2.2.1 典型的众核处理器架构19-21
• 2.2.2 基于NoC的众核处理器拓扑结构21-22
• 2.3 软件任务模型22-24
• 2.4 任务划分24-26
• 2.5 任务分配与调度26-28
• 2.5.1 任务分配与调度问题概述26
• 2.5.2 任务分配与调度问题的分类26-28
• 2.5.3 众核处理器任务分配与调度模型28
• 2.6 生成中间代码28
• 2.7 二次编译与代码执行28-29
• 2.8 本章小结29-30
• 第3章 众核任务绑定与调度的近似算法30-39
• 3.1 引言30-31
• 3.2 问题抽象31-33
• 3.2.1 任务模型抽象31-32
• 3.2.2 2D-Torus众核平台抽象32
• 3.2.3 问题描述32-33
• 3.3 算法介绍33-35
• 3.3.1 任务选择33
• 3.3.2 处理器内核的选取33-34
• 3.3.3 解的构建34-35
• 3.4 实验仿真与分析35-37
• 3.5 本章小结37-39
• 第4章 基于蚁群算法的任务绑定与调度39-52
• 4.1 引言39-40
• 4.2 蚁群算法介绍40-43
• 4.2.1 蚁群算法概述40-41
• 4.2.2 蚁群算法的基本原理41-42
• 4.2.3 蚁群算法的优缺点42-43
• 4.3 问题建模43-44
• 4.3.1 软件任务模型43-44
• 4.3.2 众核处理器模型44
• 4.3.3 问题描述44
• 4.4 基于ACO的任务绑定与调度算法44-48
• 4.4.1 聚度和信息权重45-46
• 4.4.2 算法初始化46
• 4.4.3 内核的选择与解的构建46-47
• 4.4.4 信息素的更新机制47-48
• 4.5 实验结果与分析48-51
• 4.6 本章小结51-52
• 第5章 基于遗传蚁群算法的任务绑定与调度52-64
• 5.1 引言52-53
• 5.2 遗传算法53-56
• 5.2.1 遗传算法概述53
• 5.2.2 遗传算法的基本概念53-55
• 5.2.3 遗传算法的基本流程55-56
• 5.2.4 遗传算法的优缺点56
• 5.3 遗传算法与蚁群算法的融合56-58
• 5.4 算法实现58-61
• 5.4.1 遗传编码58-59
• 5.4.2 初始种群的生成59
• 5.4.3 适应值函数59
• 5.4.4 遗传操作59-60
• 5.4.5 融合算法解的构建60-61
• 5.4.6 遗传算法与蚁群算法的衔接61
• 5.5 仿真实验与实验分析61-63
• 5.6 本章小结63-64
• 第6章 总结与展望64-66
• 6.1 总结64-65
• 6.2 展望65-66
• 参考文献66-71
• 攻读硕士学位期间发表的学术论文71-72
• 致谢72

【相似文献】

中国期刊全文数据库 前10条

1 苑进,孙忠林,刘雪美;改进遗传算法在齿轮减速器优化中的应用[J];山东科技大学学报(自然科学版);2001年04期

2 刘雅琴,迟洪钦;最优合并构成的有序遗传算法[J];上海师范大学学报(自然科学版);2001年04期

3 程锦松;求多项式全部根的遗传算法[J];微机发展;2001年01期

4 程锦松,刘锋;基于分布理论和遗传算法的多项式求根算法[J];微机发展;2001年06期

5 周林,娄寿春,赵杰;基于遗传算法的目标优化分配模型[J];系统仿真学报;2001年03期

6 赵胜利;李书全;刘燕;刘永建;田伟;;用遗传算法确定鲍罗米公式中的系数A、B值[J];河北农业大学学报;2002年03期

7 许世刚,高新陵;分流机制遗传算法研究[J];系统工程与电子技术;2002年07期

8 孙进平 ,吴瑞明 ,翟瑞红 ,刘忠武;基于遗传算法的工艺决策模式的探索[J];现代制造工程;2002年01期

9 胡静,陈恩红,王上飞,王熙法;交互式遗传算法中收敛性及用户评估质量的提高[J];中国科学技术大学学报;2002年02期

10 吴青萍;一种新的优化方法——遗传算法原理及其应用[J];常州信息职业技术学院学报;2002年02期

中国重要会议论文全文数据库 前10条

1 韩娟;;遗传算法概述[A];第三届河南省汽车工程科技学术研讨会论文集[C];2006年

2 庞国仲;王元西;;基于遗传算法控制步长的定性仿真方法[A];'2000系统仿真技术及其应用学术交流会论文集[C];2000年

3 林家恒;李国锋;田国会;刘长有;;遗传算法在旋转货架拣选优化中的应用[A];1996中国控制与决策学术年会论文集[C];1996年

4 史骏;裘聿皇;;遗传算法中基因排列方式对运行的影响[A];1996年中国控制会议论文集[C];1996年

5 韩战钢;;遗传算法及在经济中的应用[A];Optimization Method, Econophysics and Risk Management--Proceedings of CCAST (World Laboratory) Workshop[C];2001年

6 唐毅;葛运建;王定成;江建举;;遗传算法在运动员技术动作优化中的应用研究[A];2003年中国智能自动化会议论文集（下册）[C];2003年

7 文泾;朱玉文;;用遗传算法进行航线规划[A];全国第16届计算机科学与技术应用（CACIS）学术会议论文集[C];2004年

8 于春梅;黄玉清;杨胜波;;遗传算法在参数辨识中的应用进展[A];中国自动化学会、中国仪器仪表学会2004年西南三省一市自动化与仪器仪表学术年会论文集[C];2004年

9 王志宏;王斌;;基于遗传算法的非确定性目标优化[A];中国自动化学会全国第九届自动化新技术学术交流会论文集[C];2004年

10 王晓东;刘全利;金吉凌;王伟;;基于序次优化策略的改进遗传算法[A];第二十三届中国控制会议论文集（下册）[C];2004年

中国重要报纸全文数据库 前2条

1 林京;《神经网络和遗传算法在水科学领域的应用》将面市[N];中国水利报;2002年

2 高雪娟;协同设计的平台策略[N];中国计算机报;2006年

中国博士学位论文全文数据库 前10条

1 周辉仁;递阶遗传算法理论及其应用研究[D];天津大学;2008年

2 郝国生;交互式遗传算法中用户的认知规律及其应用[D];中国矿业大学;2009年

3 侯格贤;遗传算法及其在跟踪系统中的应用研究[D];西安电子科技大学;1998年

4 马国田;遗传算法及其在电磁工程中的应用[D];西安电子科技大学;1998年

5 唐文艳;结构优化中的遗传算法研究和应用[D];大连理工大学;2002年

6 周激流;遗传算法理论及其在水问题中应用的研究[D];四川大学;2000年

7 刘冀成;基于改进遗传算法的生物电磁成像与磁场聚焦应用研究[D];四川大学;2005年

8 袁丽华;基于物种进化的遗传算法研究[D];南京航空航天大学;2009年

9 李航;遗传算法求解多模态优化问题的研究[D];天津大学;2007年

10 石玉;提高实数遗传算法数值优化效率的研究[D];南京航空航天大学;2002年

中国硕士学位论文全文数据库 前10条

1 谷克;遗传算法在公路路线智能决策系统中的应用研究[D];长安大学;2008年

2 李艳娇;基于改进遗传算法的刚架结构截面力学特性参数优化的研究[D];吉林大学;2009年

3 任巍;求解极小碰集的遗传算法的研究与改进[D];吉林大学;2009年

4 王赫;混沌遗传算法在模式识别中的应用[D];东北电力大学;2009年

5 于蕾蕾;双种群遗传算法的改进及其应用研究[D];合肥工业大学;2009年

6 王婧;遗传算法及其在聚类分析中的应用[D];华中师范大学;2009年

7 胡文斯;基于遗传算法的车间作业调度问题的研究[D];中国海洋大学;2009年

8 吴明华;基于遗传算法的养护机械生产车间作业调度问题的研究[D];长安大学;2007年

9 尉钰;基于改进遗传算法的桥梁模型动力优化[D];长安大学;2007年

10 王银年;遗传算法的研究与应用[D];江南大学;2009年

  本文关键词：众核片上系统嵌入式软件综合技术研究，由笔耕文化传播整理发布。

本文编号：345254