基于小生境遗传模拟退火算法的SOC软硬件划分方法研究

论文摘要

微电子工艺的快速发展促使集成电路进入SoC时代,但是随着设计复杂度的提高,传统的设计方法已经无法满足片上系统设计的需要。因此软硬件协同设计方法学应运而生,而软硬件划分技术又是软硬件协同设计技术中的关键技术之一。因此,研究SoC设计中的软硬件划分方法,构建一种合理的系统描述模型,提出划分算法并对其进行优化改进,将有十分重要的理论及应用价值。本文介绍了软硬件协同设计的研究领域以及国内外的发展现状,重点研究了在解决软硬件划分问题所使采用的数学模型,同时分析了目前划分技术中普遍存在的问题。面向嵌入式系统和SoC软硬件双路划分问题,在分析遗传算法和模拟退火算法的主要优缺点的基础上,提出了小生境遗传模拟退火算法(Niched Genetic Simulated Annealing Algorithm, NGSA)的策略,在遗传算法中融入模拟退火思想,同时引入小生境技术,保持群体的多样性;并采用Metropolis法则形成新群体,改善群体的质量。最后,将GA、SA算法与NGSA算法分别使用由TGFF工具生成的真实数据进行编程,对比验证,验证结果表明NGSA算法吸取了遗传算法和模拟退火算法在软硬件划分上的优点,克服了遗传算法早熟收敛、进化后期搜索效率较低、模拟退火算法进化速度慢等缺点,从而得到更优秀,精度更高的划分结果。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题研究背景及意义
• 1.1.1 嵌入式系统的特点
• 1.1.2 传统嵌入式系统设计方法的不足
• 1.1.3 SoC 软硬件协同设计
• 1.2 国内外相关研究进展情况
• 1.2.1 国外研究情况
• 1.2.2 国内研究情况
• 1.2.3 综合国内外的研究现状总结
• 1.3 课题的来源及研究内容
• 1.3.1 课题来源
• 1.3.2 课题的主要研究内容
• 第2章 硬件划分的相关理论
• 2.1 引言
• 2.1.1 软硬件划分问题
• 2.1.2 软硬件划分的基本概念
• 2.1.3 软硬件划分种类
• 2.1.4 软硬件划分要求
• 2.2 系统建模方法
• 2.2.1 有限状态机模型
• 2.2.2 数据流图建模
• 2.2.3 Petri 网建模
• 2.2.4 其他建模方法
• 2.3 软硬件划分方法中存在问题的分析
• 2.3.1 抽象的层次
• 2.3.2 划分粒度问题
• 2.3.3 系统中元件的分配
• 2.3.4 指标和评估问题
• 2.3.5 划分算法问题
• 2.4 本章小结
• 第3章 遗传和模拟退火算法研究与分析
• 3.1 引言
• 3.2 遗传算法
• 3.2.1 遗传算法与传统优化算法的优越性
• 3.2.2 遗传算法的应用领域
• 3.2.3 遗传算法的编码方式
• 3.2.4 适应度函数（评价函数）
• 3.2.5 遗传操作算子
• 3.3 模拟退火算法
• 3.3.1 模拟退火算法的特点
• 3.3.2 模拟退火算法的效率分析
• 3.3.3 模拟退火算法的实现步骤
• 3.4 小生境技术
• 3.4.1 小生境技术的引用
• 3.4.2 当前小生境技术的分析
• 3.5 本章小结
• 第4章 NGSA 软硬件划分方法实现
• 4.1 引言
• 4.2 遗传和模拟退火算法对比分析
• 4.2.1 遗传算法GA 分析
• 4.2.2 模拟退火算法SA 分析
• 4.3 算法实现
• 4.3.1 目标系统结构
• 4.3.2 软硬件划分模型
• 4.3.3 编码与初始化种群
• 4.3.4 适应度函数的确定
• 4.3.5 遗传操作
• 4.3.6 算法实现过程
• 4.4 本章小结
• 第5章 算法验证及结果分析
• 5.1 引言
• 5.2 实验样本
• 5.3 算法验证及分析
• 5.4 运行结果比较
• 5.5 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的学术论文
• 致谢