I/O通讯中时序和同步的高级综合

研究VHDL中表示时序和约束的方法和综合前后模拟一致性在不同设计中的含义.根据这一含义,说明并实现了VHDL中循环语句的综合方法、条件语句和分支语句的综合方法,并实现了与循环有关的其它语句的综合.通过典型的例子给出程序的运行结果,说明实现的方法具有正确性和实用性.     

基于蚁群算法的多QoS约束海量数据网格任务调度

针对海量数据计算网格任务调度问题,提出一种多Qos约束网格任务调度蚁群改进算法,优先考虑与数据存储网格结点间数据传输效率高、完成任务概率高的网格计算资源,通过调整蚁群算法中信息素挥发因子和传输导向因子的更新方法来提高算法的收敛速度和全局最优解搜索能力,从而达到调度目标最优.仿真实验结果表明,该算法与QoS-Min-min和QoS-Sufferage等同类算法相比,具有较好的综合性能,特别是在计算数据文件较大时,该算法在收敛速度和全局最优解搜索能力方面有明显的提高.     

网络控制系统中任务与信息的优化调度

为了提高网络控制系统性能,解决网络控制系统中信息和任务相互约束的问题,设计了同时调度网络控制系统中任务与信息的算法.采用遗传算法优化调度序列,减小系统采样周期和端端延时,优化了系统整体性能.最终形成同步异构系统一个周期内的调度表,确定了系统每个子任务的执行时间和占用资源,解决了不同控制回路资源冲突问题和相同控制回路任务与信息执行顺序的约束问题,并且保证了每个子任务的实时性.仿真表明该算法是有效的.     

一种快速带环数据流图的流水线调度算法

在带反馈环的数据流图的高层次综合调度中。提出了一种基于时间约束并考虑资源约束的调度算法．该算法利用了数据流图中的迭代内及迭代间的优先约束，采用retiming和流水线操作来进行并行的构造调度．提出的基于待调度稍点的retiming算法可以缩短常规的对调度空间搜索最优解的时间，从而快速地完成满足时间和空间约束的调度．     

基于混合遗传算法的多约束组播路由问题的求解

研究了延时、延时抖动约束的最小费用组播路由问题,并且提出了一种混合遗传算法.遗传算法是一种模拟生物进化过程的并行最优算法,适合在大型、复杂的空间中寻找最优解.遗传算法并不需要求解问题具有连续性,因而适宜于约束组播路由问题的求解.此外,遗传算法的并行分布式处理实现简单,因而用遗传算法解决约束组播路由问题十分有效.并通过计算分析,表明本算法能够快速有效的构造出所要求的满足延时、延时抖动约束的最优组播树.     

一种基于Muller流水线的异步流水线物理实现流程

为了克服异步电路实现工具不统一、实现复杂度较高的问题,提出了一种新的异步流水线实现流程.基于功能将实现流程分为同步时序约束和异步控制实现两个部分,对同步时序约束采用虚拟时钟,对异步控制实现采用真实延时控制,通过在实际的异步控制信号下的静态时序分析得到时序结果.实验和仿真结果一致表明,该流程可以完全利用成熟的电路自动化设计工具实现,极大地降低了异步流水线的实现难度.     

应用全场景可行安全约束机组组合的风电最优消纳模型及解法

针对含风电电力系统的安全约束机组组合(SCUC)问题,目前广泛采用的鲁棒优化方法在求解时不能满足调度解的非预期约束并存在严重缺陷,且各种模型和算法中均未考虑最大消纳和最优经济消纳的区别。为克服以上困难,提出了满足非预期约束条件的风电最大消纳和最优消纳模型,并给出对应求解方法。该模型及对应求解方法为容纳可能的弃风决策以扩大调度解空间,引入了风电可变不确定集来替代广泛采用的固定不确定集;为满足调度解的非预期性,引入了一组规模极小的强非预期约束,避免了传统建模方式导致的大量非预期约束难题;为克服鲁棒优化中复杂极小极大结构带来的求解困难,引入了基于可变不确定集顶点场景的全场景可行调度模型,该模型具有单层混合整数线性规划(MILP)问题结构,求解可得调度问题的最优解。实验及测试结果表明:该算法在IEEE118节点系统中取得了良好效果,显示了最大消纳和最优消纳的区别,可以实现含风电SCUC问题的快速求解,并使风电消纳的经济性得到提高。     

考虑释放时间和调度顺序的可分任务调度模型

针对处理机具有任意释放时间的异构并行与分布式系统,通过寻找最优的处理机调度顺序和任务分配方案,使得任务的完成时间达到最短.首先,在给定处理机调度顺序的情况下,分析了处理机释放时间对任务完成时间的影响,得到了任务分配方案关于处理机调度顺序和时序约束条件的解析解;然后,以调度顺序和时序约束条件为变量,以任务的最短完成时间为目标,建立了一种新的可分任务调度模型;最后,设计了高效的全局优化遗传算法求解该模型.仿真结果表明所提算法比已有算法完成任务的时间更短.     

YHFT-DSP外部同步存储器接口时序设计优化

针对YHFT-DSP外部同步存储器接口的时序问题,本文综合考虑工程实际、设计开销和实现自动化等因素,给出了封装延时差、单元延时和IO单元虚延时三种优化方法.芯片测试结果表明:基于时钟提前的IO单元虚延时方法能够高效地实现133 MHz时钟频率的外部同步存储器接口访问.     

用于跑道调度的约束多目标遗传模拟退火算法

为获得较优跑道调度方案,以提高跑道运行效率,建立了约束多目标多跑道进离场航班调度模型.在分析遗传算法与模拟退火算法特征的基础上,提出遗传模拟退火组合算法.分别采用Pareto支配及理想点法对跑道调度目标函数进行处理,采用惩罚目标函数值及可行解占优的方式处理约束条件,并确定了不同条件下新粒子更新机制及最优粒子筛选原则.文中还通过设置温度自适应改变机制控制算法收敛速度,以提高最优解性能.最后,以国内某大型机场跑道调度为例,对文中算法的有效性进行验证.结果表明:基于Pareto支配的约束多目标遗传算法能获得跑道调度多组较优可行解,且时效性强.     

支持AFTER子句的综合算法研究

为了提高综合系统的效率,减少对综合系统的人工干预,提高其自动化程度,对VHDL硬件描述语言中的AFTER子句进行研究.通过对其行为综合语义的定义,给出了在AFTER子句时延约束下的ASAP和ALAP算法,建立了AFTER子句时延约束下的调度模型,并采用整数线性规划法求解调度模型.实验结果表明,在综合过程中考虑AFTER子句,不仅提供了一个有效给出时序约束的手段,而且使得设计描述方式更能够符合思维习惯,同时扩大了行为描述中可用语法范围,提高了行为综合的可预见性.     

针对面积优化的时钟偏斜规划算法

提出了一种新的时钟偏斜规划算法,该算法所生成的时序约束可以有效地促进逻辑综合工具的面积优化。在时钟偏斜规划的过程中,对时序图(sequential graph)中的关键环不再平均分配时间裕量(slack),而是根据不同路径对电路面积的影响不同,按照一定权重来进行分配。实验结果表明:按权重分配裕量的方法相对于平均分配裕量,能够在不降低电路性能的情况下,更加有效地降低逻辑综合结果的面积。     

针对面积优化的时钟偏斜规划算法

提出了一种新的时钟偏斜规划算法,该算法所生成的时序约束可以有效地促进逻辑综合工具的面积优化。在时钟偏斜规划的过程中,对时序图（sequentialgraph）中的关键环不再平均分配时间裕量（slack）,而是根据不同路径对电路面积的影响不同,按照一定权重来进行分配。实验结果表明：按权重分配裕量的方法相对于平均分配裕量,能够在不降低电路性能的情况下,更加有效地降低逻辑综合结果的面积。     

基于芯核的SOC测试调度

针对大规模SOC的测试问题，基于不同优先级、资源、芯核约束的SOC测试优化模型，引入了SOC测试调度用神经网络，同时利用试探性随机搜索技术对神经网络进行了改进．仿真结果表明，采用已改进的神经网络不仅能解决SOC的测试问题，而且能够在一个合理的计算时间内找到最优解，在解决SOC测试调度问题方面具有较优异的性能．     

基于遗传算法的单点交叉口信号配时优化

以相位的周期时长、绿灯时间作为约束条件,平均停车次数、平均延误最小作为优化目标函数,建立了信号配时优化非线性模型.以上海某一交叉口作为研究对象,将其交叉口的交通数据应用于该模型中,以Matlab为模拟环境,应用实数编码遗传算法对其求解.运行结果显示:交叉口的信号周期由145s变为118s,缩短了19%;车辆的平均延误由45s/veh变为36s/veh,下降了20%;车辆的平均停车次数由0.828 2变为0.736 1,下降了11%.研究结论表明,该方法得出的信号配时方案可以有效地减少停车延误和停车次数,优于现有控制方案及传统的Webster算法得出的方案,从而证明了此模型的实用性.     

逻辑综合中关键门的寻找

关键路径一直是电路性能优化的核心问题之一，门的尺寸调整和插入缓冲器是时间优化的重要方法。实际上，电路拓扑图中最长的路径不一定就是关键路径，只有在一定输入下能敏化的最长路径才是关键路径，因此，仅仅按拓扑信息优化最长的路径不一定能真正提高电路的性能，此外，仅仅利用D－算法判断路长敏化有不足之处，本文利用电路拓扑找出超出时间限制的路径，然后利用改进的FAN算法－T－FAN算法，提取关键门－即和电路整体延时有关系的门，为优化指出具体、准确的目标，实验表明，改进的算法在保证优化效果的前提下，能平均减少30％－40％优化对象。     

OFDMA系统中实时业务的资源分配与调度算法

提出了一种适合于OFDMA系统中实时业务传输的资源分配与调度算法,该算法利用物理层的信道信息和MAC层的业务信息,采取分组调度与子载波分配交替进行的资源分配方式,在满足数据包传输时延要求的同时,最大化系统的吞吐量.仿真结果表明,该算法无论是在系统的吞吐量、丢包率,还是数据包等待时延方面,都具有良好的性能.     

基于遗传算法的Job Shop静态调度算法

研究了具有柔性加工路径的Ｊｏｂ Ｓｈｏｐ静态调度问题，并考虑了与操作序列有关的工件安装时间和工件到期时间的约束。提出了一种将遗传算法和分派规则相结合的调度算法，用遗传算法决定各工件的每个操作应分配到哪台机器上加工，而对每台机器则运用分派规则来决定相应工件在此机器上加工的次序和开始加工时间，遗传算法中的进化机理使得该算法有可能得到最优调度结果。最后给出了此调度算法的仿真结果。     

机场地勤服务优化问题的双重变异单亲遗传算法

为了减少地勤服务作业调度影响的航班延误,以总航班延误最小化及航班延误方差最小化为目标建立了多目标非线性整数优化模型.地勤服务作业调度优化问题是NP难问题,因此,提出了一种双重变异单亲遗传算法求解该类问题.该算法避免了遗传算法求解同类问题时产生非法个体的现象,并且双重变异策略具有全局搜索能力.结果表明:双重变异单亲遗传算法可以很好地解决航班分配服务组及服务组内航班服务序列优化的地勤服务调度问题,减少了因地勤服务作业导致的航班总延误,避免了单个航班长时间延误.