面向动态可重构片上系统的过程级软硬件划分方法研究

论文摘要

可重构片上系统（Reconfigurable System-on-Chip）包含了执行软件程序的可编程微处理器核和实现硬件逻辑的可重构器件,因此设计人员需要通过软硬件划分来将应用所需完成的功能有效地映射到这两种类型的运算部件上。研究面向可重构片上系统的动态软硬件划分方法对于充分发挥可重构片上系统的结构优势,构建灵活高效的嵌入式应用系统十分重要。目前,大部分可重构计算平台上的动态软硬件划分都采用进（线）程级或指令级粒度。这两种动态软硬件划分方案都存在相应的不足：进程级方案的调度、通信、同步基本由软件完成,时间开销较大,不利于嵌入式系统开发；而指令级方案需要研究在线反汇编、在线综合、在线布局以及布线等算法,实现起来相当复杂,且不便于重复利用现有的IP （Intellectual Property）核。本文针对现有的可重构片上系统软硬件划分算法的不足,主要做了以下工作：首先,采用过程级动态软硬件划分方法,基于过程（函数）级的划分粒度,通过量化待划分问题的复杂度,动态调整软硬件划分算法的参数,以提高软硬件划分算法的性能。然后,提出了支持该方法的自适应蚁群算法,并分析了蚁群算法参数对求解结果的影响,最后通过参数自适应解决了蚁群算法容易陷入局部最优的缺点。模拟实验结果表明,该算法能够较好的避免局部最优,求解质量较高。最后,针对自适应蚁群算法的运行时间较长的缺点,提出了一种遗传算法与自适应蚁群算法融合的软硬件划分方法。利用遗传算法的搜索结果构造蚁群算法初始信息素,通过自适应蚁群算法寻找更优结果,以提高算法的收敛速度并避免局部最优。模拟实验结果表明,该算法能够加快收敛速度,同时求解质量较高。

论文目录

• 摘要
• Abstract
• 目录
• 插图索引
• 附表索引
• 第1章 绪论
• 1.1 课题来源
• 1.2 课题研究背景及意义
• 1.3 研究内容
• 1.4 本文主要工作
• 1.5 论文结构
• 第2章 基础原理与相关研究
• 2.1 软硬件协同设计理论
• 2.1.1 系统描述
• 2.1.2 软硬件划分及综合
• 2.1.3 软硬件协同模拟
• 2.2 软硬件划分技术
• 2.2.1 软硬件划分理论
• 2.2.2 国内外研究现状
• 2.3 小结
• 第3章 过程级动态软硬件划分方法
• 3.1 过程级编程模型
• 3.1.1 过程级编程模型概述
• 3.1.2 过程级编程模型系统框架
• 3.2 问题描述
• 3.3 基于优先级的调度评价方式
• 3.3.1 任务优先级定义
• 3.3.2 调度算法流程及时间复杂度分析
• 3.4 动态划分算法
• 3.4.1 动态划分思想
• 3.4.2 确定算法的复杂度
• 3.4.3 动态软硬件划分流程
• 3.5 小结
• 第4章 支持动态软硬件划分的自适应蚁群算法
• 4.1 蚁群算法概述
• 4.1.1 蚁群算法原理
• 4.1.2 蚁群算法的优缺点
• 4.2 用于软硬件划分的蚁群算法
• 4.2.1 问题描述
• 4.2.2 蚁群算法规则
• 4.3 自适应蚁群算法设计
• 4.3.1 蚂蚁数量m设计
• 4.3.2 最大迭代次数N设计
• 4.3.3 信息素挥发因子ρ设计
• 4.3.4 启发式因子α和β设计
• 4.4 支持动态划分的自适应蚁群算法流程
• 4.5 实验结果分析
• 4.5.1 实验模型和环境
• 4.5.2 实验结果和分析
• 4.6 小结
• 第5章 遗传算法与自适应蚁群算法融合的划分方法
• 5.1 遗传算法概述
• 5.1.1 遗传算法的原理
• 5.1.2 遗传算法的基本步骤
• 5.1.3 遗传算法的优缺点
• 5.2 蚁群算法和遗传算法融合原理
• 5.2.1 基于时间效率优化的融合
• 5.2.2 基于搜索空间优化的融合
• 5.3 遗传蚁群算法设计
• 5.3.1 遗传算法规则
• 5.3.2 蚁群算法规则
• 5.3.3 遗传蚁群算法衔接规则
• 5.3.4 算法执行流程
• 5.4 实验结果分析
• 5.5 小结
• 结论与展望
• 参考文献
• 致谢
• 附录A （攻读学位期间所发表的学术论文目录）
• 附录B （攻读硕士学位期间所参与的科研活动）