软硬件协同设计中模拟退火划分算法的改进

针对传统软硬件划分算法对硬件资源的使用效率考虑不足的问题,提出改进的模拟退火划分算法。该算法对成本函数中的执行时间和面积使用提供附加权、减少权值的动态加权策略,并考虑了一个移动的性能改变对系统面积的影响。实验表明,改进的模拟退火划分算法收敛速度快,得到的解更优,保证了系统硬件资源的有效利用。     

基于SOPC嵌入式系统中软硬件协同设计方法研究

软硬件协同设计方法克服了传统设计方法的缺点,使嵌入式系统的设计效率更高,速度更快。通过研究嵌入式系统中基于SOPC的软硬件协同设计方法,论述了软硬件协同设计方法的特点,并且对设计流程中的系统任务描述、系统软硬件划分、软硬件协同综合、软硬件协同仿真等各个阶段进行了阐述,最后对软硬件协同设计的工具进行了介绍。     

基于SystemC的嵌入式系统软硬件协同设计

本文针对嵌入式系统软硬件协同设计技术进行了深入的探讨,并提出一种基于SystemC语言的嵌入式系统软硬件协同设计方法和模型。该模型比典型的软硬件协同设计方法更灵活,可以提高开发效率,降低开发成本,并能有效地保证系统开发的质量。     

基于混沌优化算法的软硬件划分

针对软硬件协同设计中的关键问题——软硬件划分,提出一种基于混沌优化的划分算法．首先,使用有向无环图对嵌入式系统建模,得到软硬件划分优化系统的目标函数．然后,采用逻辑斯蒂映射产生混沌序列,并将此序列映射到划分系统的模型空间,利用混沌序列的遍历性,将粗搜索和细搜索相结合,分两阶段搜索模型空间目标函数的最优解,有效避免搜索过程陷入局部最小,并且使算法搜索时间大幅度降低．和模拟退火软硬件划分技术对比的实验结果表明,选取适当的算法参数,采用混沌优化算法能够以更快的搜索速度得到更好的软硬件划分结果．     

基于混合遗传算法和神经网络的软硬件划分算法

在对比了Hopfield神经网络(Hopfield Neural Networks,HNN)和遗传算法(Genetic Algorithm,GA)各自特性的基础上,针对嵌入式系统和SoC的软/硬件双路划分问题,在时间性能的约束下,将系统功耗作为优化目标,提出了基于Hopfield神经网络和遗传算法的混合算法(GA_HNN).Hopfield神经网络快速求解的特性和遗传算法高效的全局搜索能力,使得GA_HNN算法能够跳出局部最优解而快速趋于全局最优解.最后通过实验仿真表明,GA_HNN算法与单一的Hopfield神经网络和遗传算法相比,不仅具有高速的搜索能力,而且还具有更好的节省功耗的优势.     

基于改进KL算法的软硬件划分方法

软硬件划分问题是嵌入式系统软硬件协同设计中的重要问题之一。针对该问题,提出一种基于改进KL算法的软硬件划分方法。通过调整初始分组的方法提高算法的性能,解决了算法执行时容易陷入局部最优解的问题,加快了算法的执行速度。实验结果说明该算法对于规模适中的系统均可以有效地解决软硬件划分问题。     

嵌入式系统中软硬件协同设计技术应用研究

协同设计作为嵌入式系统开发的重要方法,克服了传统设计方法的缺陷.通过综合分析系统软硬件功能,最大限度地挖掘系统软硬件之间的并发性,使软硬件开发紧密结合.从方法学的角度,结合嵌入式系统的设计,介绍了软硬件协同设计方法的流程和一些关键技术.利用这种方法,大大提高了设计的可行性,降低了工作难度,减少了系统设计周期,提高了设计质量.最后结合具体的例子介绍了协同设计的特点.     

混合并行两步调整遗传策略的软硬件划分算法

为了提高软硬件划分方法的效率,针对已有遗传算法求解软硬件划分没有结合特定问题处理、不满足约束个体的不足,提出一种混合并行的两步调整遗传算法.采用两步调整策略将不满足约束的个体转换为可行个体,当提高方法的运行效率时,图形处理单元用于计算每个个体的硬件耗费、软件耗费和通信耗费,多核CPU(中央处理器)用于并行执行个体间的调整,流并发传输策略进一步减少CPU和GPU(图形处理器)之间的传输开销.在基准数据集上,与求解该问题的已有方法相比,运行时间和求解质量都有明显优势.实验结果验证了该方法的有效性和合理性.     

性能受限系统的软硬件划分方法

提出了一种基于固定分割粒度的软硬件划分方法来解决系统性能约束下硬件开销最小的问题,该方法以改进的模拟退火算法作为软硬件划分的核心,对所抽取的数据流图进行分析.利用任务调度机制为基础的性能估计方法进行软硬件划分的性能估计,并通过最终的实现来进行系统性能约束的检查.实验结果表明,通过这种划分方法的使用,可以达到以较小的硬件开销而满足系统性能的要求.     

一种用于可重构计算系统的软硬件划分算法

在编译过程中,为了对运行于可重构计算系统上的应用程序自动地进行软硬件划分,提出一种基于模拟退火和链式调度的划分算法,该算法将程序的划分和调度结合起来,采用软硬件协同工作的方式,利用系统中微处理器核与可重构硬件之间的并行性加速程序的执行,同时在调度过程中,通过配置预取减少系统的重构开销.实验结果表明,相对于现有软硬件自动划分方法,该算法可以平均减少25%左右的程序执行时间.     

遗传算法在期刊数字化任务分配中的应用

针对印刷图文信息处理专业在期刊数字化的实践过程，提出了一种自适应的实践任务分配方法，并改进遗传算法中基于排序的适应度方法，建立了任务分配优化模型，实现全局最优。实验结果表明，采用遗传算法进行项目分组实践可以使得整体制作效果获得较佳的状态，且优于同类其他方法。     

基于遗传算法的稳定自适应模糊控制器的优化

采用模糊动态模型,对连续时间的高阶非线性系统进行了模糊控制。通过模糊推理,选择起主导作用的局部子系统的状态反馈控制,并作用于整个系统。利用大系统分散控制关联稳定性的概念和方法,得到了闭环模糊系统稳定的充分条件,并在此基础上给出了对模糊控制器进行优化设计的一种遗传算法实现策略。同时,仿真例子也验证了该设计方法的正确性。     

基于网格法的遗传算法及其应用

在基本的遗传算法(sGA)中,初始群体是随机产生的.为了增加个体的遍历性和多样性提出-种用网格法来产生遗传算法的初始群体,并对网格法的遗传算法的优化效率进行了定量的评价.同时与基本的遗传算法一起应用在DeJong的测试函数F1上便于进行对比.评价结果和实验结果表明网格法在提高遗传算法的优化效率上是可行的.     

基于遗传算法的直觉模糊C均值聚类算法

 针对一般直觉模糊C均值聚类算法在寻优过程中易陷入局部最优解的问题,利用遗传算法具备全局寻优的优点,提出了一种基于遗传算法的直觉模糊C均值聚类算法。在该算法中聚类中心为直觉模糊数,这使得遗传过程中个体信息变得复杂,进而增大了约束问题的处理难度。本文对产生的个体采用适时分段的归一化方法,很好地解决了该问题。仿真结果表明该算法所得聚类结果不仅准确而且更为细致。     

基于遗传算法的最小误工任务数问题求解

为了解决最小误工任务数问题（MTTP），将遗传算法引入该问题的求解中，基于惩罚函数。讨论了MTTP的遗传算法求解方法。并对genGA，ssGA，cGA三种演化式算法求解MTTP的实验运行结果进行分析比较，得出在解决大规模的MTTP时，genGA明显优于另两种演化式算法。     

对传统遗传算法的两处改进

比照传统遗传算法与生物界进化过程,分析了引起传统遗传算法收敛速度慢和寻优效率低的两个原因.有针对性地对传统遗传算法进行了两处改进:一是加强了进化过程中环境选择压力变化和种群数量变化的共同作用,以便使得优秀基因在种群中迅速占统治地位;二是对优秀基因采取必要的保护措施,使得优秀基因的稳定性得到了保证.仿真结果验证了这种改进方法的有效性。     

基于小生境遗传算法的约束滤波器优化设计

为了对战场图像进行实时处理,抑制噪声,改善图像质量,需要对图像进行平滑滤波。考虑了一类具有频域等式约束的FIR滤波器Minmax设计问题,引入小生境技术自适应遗传算法来得到最优化滤波器的一组参数,并且对滤波器的阶数N进行了优化。设计实例表明,基于小生境技术自适应遗传算法是有效的,具有很好的扩展性,可用来设计最优约束FIR滤波器,实现对图像的平滑滤波。     

求解Job Shop调度问题的自适应遗传算法设计

针对标准遗传算法中交叉概率Pc和变异概率Pm固定不变带来的局限性,以及M.Sr-invivas自适应遗传算法的缺点,提出了根据适应值集中程度,自适应地变化整个种群的Pc和Pm的一种改进的自适应遗传算法,文中系统地介绍了算法的改进及算法的流程,并将算法应用于求解JSP问题,最后用一个典型的测试例子,对本文设计的算法的求解效果进行了测试,并对测试结果进行了分析.     

基于遗传算法的匹配问题求解

系统地论述了遗传算法的由来、传统二进制编码的优缺点，浮点数编码的优点，以及用浮点数编码方案实现匹配问题的求解方法。     

基于改进的模拟退火遗传算法的公交线网优化

文章将遗传算法与改进的模拟退火算法相结合组成混合改进的模拟退火-遗传算法。研究了以居民乘车出行时间最短和公交部门投入最少为目标建立的公交线网优化的模型,并利用改进的模拟退火-遗传算法对该模型进行求解。通过温州滨海新区的规划实例研究验证方法的实用性。