基于平台的SoC系统综合技术研究

论文摘要

随着VLSI技术的进步和电路复杂度的不断提高,基于平台的设计技术逐渐成为国际学术界的研究热点之一。在传统的基于平台的SoC设计中,设计师首先要根据经验选择合适的平台,然后在选定的平台上增加或者删减功能模块,从而实现一个新的设计。这种设计方法过多地依靠人的设计经验,并不适合于设计实现的自动化。本文以系统综合自动化为目标,展开研究基于平台的SoC系统综合技术,并把研究的重点放在系统综合的规范和系统综合的优化技术上。 在基于平台的SoC系统综合技术研究中,本文采用遗传算法作为优化系统综合过程的数学工具,并在以下几个方面为基于平台的SoC系统综合自动化及其优化技术做了一些基础性研究工作。 1)为了克服基本遗传算法局部搜索能力不足的缺点,提出了基于两级记忆模型的混合遗传算法,然后在此基础上做了进一步改进,提出了基于两级记忆模型的爬山混合遗传算法; 2)为了克服基本遗传算法容易早熟的缺点,提出了使用复合排序选择算子（包括线性的和指数的）的方法。这种方法通过考量个体相似度来降低相似个体被同时选中并参与遗传操作的概率。根据选择算子中的参数是否与时间相关,我们将之分为静态复合排序和动态复合排序两种选择算子。本文分析了采用静态复合排序选择算子时遗传算法的收敛性,也论证了采用动态复合排序选择算子时遗传算法的弱遍历性; 3)在基于平台的SoC设计方法中,本文研究了系统综合技术的规范问题。在通用问题规范的基础上,提出了基于平台的SoC设计的系统综合规范; 4)合理的库结构是系统综合技术自动化的基础。本文以尽量摆脱人力介入,更多实现综合自动化为目的,提出了一种新的库结构:平台-IP混合库; 5)减少无效编码的数量是所有自动综合技术必须考虑的重要问题。本文针对平台-IP混合库的特点,为系统综合提出了一个两级映射过程模型,以尽量减少综合自动化过程中无效码的数量; 6)将上述各种经过改造的遗传算法引入系统综合的优化过程,并通过实验比较了各种遗传算法在基于平台的系统综合中对优化的贡献。

论文目录

• 第一章 概述
• 1.1 序言
• 1.2 论文结构
• 1.3 论文创新点
• 1.4 课题来源
• 第二章 相关技术背景
• 2.1 基于平台设计
• 2.1.1 现代设计方法学演变
• 2.1.1.1 时序驱动的设计方法
• 2.1.1.2 基于功能块的设计方法
• 2.1.1.3 基于平台设计方法
• 2.1.1.3.1 平台的定义
• 2.1.1.3.2 平台的结构
• 2.1.1.3.3 基于平台的设计流程
• 2.2 遗传算法
• 2.2.1 全局优化问题
• 2.2.2 遗传算法简介
• 2.2.2.1 遗传算法的基本流程
• 2.2.2.2 遗传算法的特点
• 2.2.2.3 遗传算法的优点
• 2.2.2.4 遗传算法的研究现状
• 2.3 小结
• 第三章 遗传算法研究
• 3.1 序言
• 3.2 基于两级记忆模型的遗传算法
• 3.2.1 基于两级记忆模型的遗传算法研究
• 3.2.1.1 两级记忆模型
• 3.2.1.2 基于两级记忆模型的混合遗传算法（TMH）分析
• 3.2.1.3 TMH实验
• 3.2.1.3.1 测试函数
• 3.2.1.3.2 控制参数
• 3.2.1.3.3 实验结果与分析
• 3.2.1.4 基于两级记忆模型的爬山混合遗传算法（TMHH）
• 3.2.1.5 TMHH实验
• 3.2.1.5.1 测试函数
• 3.2.1.5.2 控制参数
• 3.2.1.5.3 实验结果与分析
• 3.3 复合排序选择算子
• 3.3.1 选择算子简介
• 3.3.1.1 比例选择
• 3.3.1.2 联赛选择
• 3.3.1.3 槛式选择
• 3.3.1.4 线性排序选择
• 3.3.1.5 指数排序选择
• 3.3.2 MRS
• 3.3.3 MRS重新排序的其它考虑
• 3.3.4 MRS（L）对早熟的作用分析
• 3.3.5 实验
• 3.3.5.1 测试函数
• 3.3.5.2 控制参数
• 3.3.5.3 实验结果及分析
• 3.4 采用 MRS的遗传算法的收敛性分析
• 3.4.1 采用 S-MRS的遗传算法的收敛性证明
• 3.4.1.1 齐次马尔柯夫链的相关定义
• 3.4.1.2 采用 S-MRS的非最优保留遗传算法的收敛性
• 3.4.1.3 采用 S-MRS的最优保留遗传算法的收敛性
• 3.4.2 采用 D-MRS的遗传算法的遍历性
• 3.4.2.1 非齐次马尔柯夫链的相关定义
• 3.4.2.2 采用 D-MRS的遗传算法的弱遍历分析
• 3.5 小结
• 第四章 PSSS研究
• 4.1 序言
• 4.1.1 系统综合的研究现状
• 4.1.2 系统综合的研究内容
• 4.2 系统规范
• 4.2.1 PSSS问题规范
• 4.2.1.1 通用问题规范
• 4.2.1.2 PSSS系统规范
• 4.2.3 PSSS两级映射模型
• 4.3 PSSS优化实现
• 4.3.1 多目标优化
• 4.3.2 PSSS的优化
• 4.3.2.1 个体编解码
• 4.3.2.2 TMHH实现
• 4.3.2.3 调度及适应度函数
• 4.3.3 实验
• 4.3.3.1 虚拟库单元
• 4.3.3.2 虚拟任务
• 4.3.3.3 参数设置
• 4.3.3.4 实验结果及分析
• 4.4 小结
• 第五章 总结与展望
• 5.1 总结
• 5.2 未来展望
• 攻读博士学位期间发表的论文
• 参考文献