System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及软硬件划分,具体是涉及一种优化遗传禁忌混合的软硬件划分算法。
技术介绍
1、软硬件划分技术是嵌入式系统和soc软硬件协同设计过程中的关键步骤,它的作用是:在满足系统设计约束的条件下,在实现平台上,将系统功能划分成硬件实现和软件实现两个部分,为系统提供最佳的软硬件折中方案。
2、软硬件划分一般说来是个npc问题,现在已有许多解决方案,包括遗传方法(genetic algorithm,ga)、粒子群优化方法(particle swarm optimization,pso)、禁忌搜索方法(tabu search,ts)、蚁群方法(ant algorithm,aa)、模拟退火方法(simulatedannealing,sa)等,以及针对这些方法的不足的相应改进方案。
3、许多研究将其中两种方法结合起来,取长补短,设计出混合方法完成对问题的优化求解,如ga与aa的混合方法,吸取了在寻优问题上各自的优势,克服了它们的不足,在soc软硬件划分中取得了很好的效果;有研究将ga与pso结合起来的思想,综合了pso设计简单、收敛速度快以及ga求解组合优化问题易于表达的优点,在软硬件划分结果和方法执行时间上比传统方法都有明显的提高。
4、其中将ga与ts结合起来,可以充分利用ga方法的全局寻优能力和ts方法局部搜索能力,且有效避免各自缺陷,ga和ts方法的混合大致分为两种:一种是ga迭代的每次交叉变异后,都调用ts方法对群体中的每个个体进行局部搜索,但这种情况下ts方法的频繁调用大大增加了系统的计算量
技术实现思路
1、针对现有技术存在的不足,本专利技术的目的在于提供一种优化遗传禁忌混合的软硬件划分算法,以解决上述
技术介绍
中存在的问题。
2、本专利技术是这样实现的,一种优化遗传禁忌混合的软硬件划分算法,所述方法包括以下步骤:
3、进行适宜性测算,具体包括:功耗适宜性测算、时间适宜性测算和通信适宜性测算,确定适宜性综合因子;
4、进行ga过程设计,所述ga过程设计具体包括:进行二进制编码,确定适应度函数为目标函数的倒数,产生初始群体,进行选择操作,进行交叉和变异操作,设置结束条件;
5、进行ts过程设计,所述ts过程设计具体包括:禁忌方法初始化,以遗传方法得到的结果xga作为初始输入,进行邻域构造,确定禁忌表和禁忌长度,选择策略,特赦规则,终止规则。
6、作为本专利技术进一步的方案:功耗适宜性测算的公式为:其中pi表示第i个任务节点由硬件实现比用软件实现额外需要的功耗,pmax和pmin表示pi的最大和最小值,psum表示所有任务节点全部由硬件实现所需要的功耗开销,pcons表示系统对功耗的约束,pi越大硬件适宜性越小,psum越大硬件适宜性越小;
7、时间适宜性测算公式为:tis和tih分别表示第i个任务节点由软件和硬件实现的时间消耗,(tis-tih)/tis和(tih-tis)/tih分别表示两种实现方式的性能比,t1max,t1min,t2max和t2min分别表示两种性能比的最大值和最小值;
8、通信适宜性测算公式为:
9、cisrorien=∑[(1-siincline×tiincline)×tsr+siincline×tiincline×thr]cij
10、cisworien=∑[(1-siincline×tiincline)×tsw+siincline×tiincline×thw]cij
11、cihrorien=∑[(1-siincline×tiincline)×thr+siincline×tiincline×tsr]cij
12、cihworien=∑[(1-siincline×tiincline)×thw+siincline×tiincline×tsw]cij
13、其中thr、thw、tsr和tsw分别为硬件和软件的读写延迟,cisrorien、cisrorien、cisrorien和cisrorien是对式中的j求和。
14、作为本专利技术进一步的方案:所述产生初始群体的步骤,具体为:产生一个随机数ri∈(0,1),如果ri<ziincline,则该任务节点通过硬件实现,否则通过软件实现,并且通过海明距离保证种群个体间的差异性,要求任意两个个体的海明距离大于4,其中n表示任务节点个数,重复以上操作,直到产生nx个个体。
15、作为本专利技术进一步的方案:所述进行选择操作的步骤,具体为:在选择解的过程中引入自适应选择概率函数k,个体xi的选择概率为:
16、pi=a(β(g/gmax|c,d)/max(β(g/gmax|c,d))
17、β(g/gmax|c,d)=(g/gmax)c-1(1-g/gmax)d-1/a(c,d),
18、其中pi为个体被选中的概率,g为当前遗传代数,gmax为最大遗传代数,a为大于0的常数表示算法初始次优解被选中的概率,a(c,d)为beta函数。
19、作为本专利技术进一步的方案:所述进行邻域构造的步骤,具体为:邻域通过随机选择两个节点进行状态翻转得到,每次选两个节点成一个节点组翻转,而每个解存在个邻解,将邻解按适应度值由大到小进行排序。
20、作为本专利技术进一步的方案:所述特赦规则的步骤,具体为:若邻域内的某个解xneib(j)优于至今为止搜索到的最优解xbesst_so_far,且xneib(j)在禁忌表中,则将此解从禁忌表中解禁,并令xbesst_so_far=xneib(j)。
21、与现有技术相比,本专利技术的有益效果是:
22、本专利技术为了减少初始解的随机性和搜索的盲目性,提出适宜性测算的概念,用于遗传方法初始群体的生成和变异过程;首先运行遗传方法,使交叉变异概率随着遗传过程由大变小,保证早期具有较大的搜索空间,又使后期能保留较好的解,然后用遗传方法结果作为禁忌搜索的初始解,提出禁忌长度的自适应变化方法,提高了禁忌搜索过程的收敛速度。本专利技术在大规模问题求解问题上运行效率高于常规方法26%以上,且能够获得更优解。
本文档来自技高网...【技术保护点】
1.一种优化遗传禁忌混合的软硬件划分算法,其特征在于,所述方法包括以下步骤:
2.根据权利要求1所述的优化遗传禁忌混合的软硬件划分算法,其特征在于,功耗适宜性测算的公式为:其中Pi表示第i个任务节点由硬件实现比用软件实现额外需要的功耗,Pmax和Pmin表示Pi的最大和最小值,Psum表示所有任务节点全部由硬件实现所需要的功耗开销,Pcons表示系统对功耗的约束,Pi越大硬件适宜性越小,Psum越大硬件适宜性越小;
3.根据权利要求2所述的优化遗传禁忌混合的软硬件划分算法,其特征在于,确定适宜性综合因子的公式为:其中α+β+η=1,α>0,β>0,η>0,Ziincline为适宜性综合因子。
4.根据权利要求1所述的优化遗传禁忌混合的软硬件划分算法,其特征在于,所述产生初始群体的步骤,具体为:产生一个随机数ri∈(0,1),如果ri<Ziincline,则该任务节点通过硬件实现,否则通过软件实现,并且通过海明距离保证种群个体间的差异性,要求任意两个个体的海明距离大于4,其中n表示任务节点个数,重复以上操作,直到产生NX个个体。
5.
6.根据权利要求5所述的优化遗传禁忌混合的软硬件划分算法,其特征在于,所述进行交叉和变异操作的步骤,具体为:选择NX/2的个体进行交叉,在交叉过程中,选择两点交叉方法;
7.根据权利要求1所述的优化遗传禁忌混合的软硬件划分算法,其特征在于,所述进行邻域构造的步骤,具体为:邻域通过随机选择两个节点进行状态翻转得到,每次选两个节点成一个节点组翻转,而每个解存在个邻解,将邻解按适应度值由大到小进行排序。
8.根据权利要求7所述的优化遗传禁忌混合的软硬件划分算法,其特征在于,所述确定禁忌表和禁忌长度的步骤,具体为:将XGA做为初始解进行禁忌搜索,初始化禁忌长度为定义一个n×2矩阵TabuFreq(n×2),记录XGA每个邻解被禁忌的频率和该邻解最近一次进入禁忌表的迭代次数,邻解每被禁忌一次,其对应的TabuFreq(i,1)值加一,同时用TabuFreq(i,2)记录下迭代次数;每次禁忌搜索后计算TabuFreq(i,1)内各元素和在搜索前后的差TabuFreqDiff,作为控制禁忌长度的参考,修改禁忌长度为TabuLen=TabuLen+TabuFreqDiff(TabuLen<n);用禁忌度TabuDegree(i)表示被禁忌邻解的受禁程度,TabuIterCur表示当前迭代的步数,规定邻解两次进入禁忌表的间隔越小禁忌度越大,进入禁忌表的频率越高禁忌度越大,计算公式为:η1和η2为权重因子。
9.根据权利要求8所述的优化遗传禁忌混合的软硬件划分算法,其特征在于,所述选择策略的步骤,具体为:设当前解为Xcur,其某一个邻解为Xneib(i),令FObj(Xneib(i))=F(Xneib(i))-F(Xcur),其中F(Xneib(i))和F(Xcur)分别代表在Xneib(i)和Xcur两种解下的适应度。
10.根据权利要求9所述的优化遗传禁忌混合的软硬件划分算法,其特征在于,所述特赦规则的步骤,具体为:若邻域内的某个解Xneib(j)优于至今为止搜索到的最优解Xbesst_so_far,且Xneib(j)在禁忌表中,则将此解从禁忌表中解禁,并令Xbesst_so_far=Xneib(j)。
...【技术特征摘要】
1.一种优化遗传禁忌混合的软硬件划分算法,其特征在于,所述方法包括以下步骤:
2.根据权利要求1所述的优化遗传禁忌混合的软硬件划分算法,其特征在于,功耗适宜性测算的公式为:其中pi表示第i个任务节点由硬件实现比用软件实现额外需要的功耗,pmax和pmin表示pi的最大和最小值,psum表示所有任务节点全部由硬件实现所需要的功耗开销,pcons表示系统对功耗的约束,pi越大硬件适宜性越小,psum越大硬件适宜性越小;
3.根据权利要求2所述的优化遗传禁忌混合的软硬件划分算法,其特征在于,确定适宜性综合因子的公式为:其中α+β+η=1,α>0,β>0,η>0,ziincline为适宜性综合因子。
4.根据权利要求1所述的优化遗传禁忌混合的软硬件划分算法,其特征在于,所述产生初始群体的步骤,具体为:产生一个随机数ri∈(0,1),如果ri<ziincline,则该任务节点通过硬件实现,否则通过软件实现,并且通过海明距离保证种群个体间的差异性,要求任意两个个体的海明距离大于4,其中n表示任务节点个数,重复以上操作,直到产生nx个个体。
5.根据权利要求4所述的优化遗传禁忌混合的软硬件划分算法,其特征在于,所述进行选择操作的步骤,具体为:在选择解的过程中引入自适应选择概率函数k,个体xi的选择概率为:
6.根据权利要求5所述的优化遗传禁忌混合的软硬件划分算法,其特征在于,所述进行交叉和变异操作的步骤,具体为:选择nx/2的个体进行交叉,在交叉过程中,选择两点交叉方法;
7.根据权利要求1所述的优化遗传禁忌混合的软硬件划分算法,其特征在于,所述进行邻域构造的步骤,具体为:邻域通过随机选择两个节点进行状态翻转得到,每次选两个节点成一个节...
【专利技术属性】
技术研发人员:李国帅,刘泽乾,荆献勇,马宗成,赵添,陈丹强,肖树臣,
申请(专利权)人:中国人民解放军空军航空大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。