基于改進(jìn)的遺傳算法軟硬件劃分方法研究
加入技術(shù)交流群
SoC軟硬件劃分問(wèn)題實(shí)際上可以看作一個(gè)求解多個(gè)目標的優(yōu)化問(wèn)題。其目標是在滿(mǎn)足一定系統約束的前提下實(shí)現系統性能的最優(yōu)化?；诟倪M(jìn)的軟硬件劃分步驟如下：
步驟1：將待優(yōu)化的SoC系統轉化為數據流圖DFG
步驟2：從IP庫中調出數據流圖中可實(shí)現每個(gè)任務(wù)節點(diǎn)的候選IP
步驟3：對個(gè)體進(jìn)行整數編碼初始化，形成群體P0
步驟4：對Pi中的每個(gè)個(gè)體進(jìn)行性能評估，計算其執行時(shí)間、面積、功耗和成本
步驟5：適應度賦值
步驟6：合并Pi和P*i群體，對其進(jìn)行Pareto排序，構造非支配集(NDS)。復制Pareto最優(yōu)個(gè)體，即所得的非支配集，記做P*i+1
步驟7：判斷結束條件是否滿(mǎn)足，如果t>Gen，則進(jìn)化結束，P*i+1為最終輸出的非劣解，P*i+1中每個(gè)個(gè)體的實(shí)現方式即為候選的軟硬件劃分解。否則繼續，轉步驟8
步驟8：構造新群體。如果NDSpopsize，用分類(lèi)方法構造新群體；如果NDS>popsize，用聚類(lèi)方法構造新群體步驟9：對新群體執行遺傳操作，操作的結果設為pi+l，令T=Pi+l；轉步驟4
3．1 數據流圖描述
數據流圖DFG(Data Flow Graph)是一個(gè)包含頂點(diǎn)和邊的有向無(wú)環(huán)圖。DFG由節點(diǎn)和弧線(xiàn)構成，當一個(gè)DFG用來(lái)描述一個(gè)SoC系統時(shí)，其頂點(diǎn)通常用來(lái)表示一些功能單元，對應構成系統的軟硬件部件；而弧則表示數據處理的順序，或者說(shuō)是頂點(diǎn)之間的數據依賴(lài)關(guān)系，如圖3所示。本文引用地址：http://dyxdggzs.com/article/188731.htm
3．2 個(gè)體編碼和遺傳操作
在基于遺傳算法的軟硬件劃分中，最常見(jiàn)的編碼方法是二進(jìn)制編碼。通過(guò)二進(jìn)制編碼將數據流圖的節點(diǎn)映射到位串空間0和1上，然后在位串空間進(jìn)行遺傳操作。一般用0表示該節點(diǎn)由軟件實(shí)現，用l表示該節點(diǎn)由硬件實(shí)現。設IP核數目為20，每個(gè)節點(diǎn)編碼長(cháng)度為5，二進(jìn)制編碼的交叉變異情況如圖3、圖4所示。
在圖3、圖4的遺傳操作過(guò)程中，有兩個(gè)節點(diǎn)的個(gè)體{Xl，X2}的二進(jìn)制編碼長(cháng)度為10，節點(diǎn)Xl、X2的編碼取值范圍均為[00000，l0011]，經(jīng)過(guò)交叉和變異操作后，分別產(chǎn)生超出編碼取值范圍的無(wú)效個(gè)體{1011l，l0010}和{0llll，11010}。出于上述原因，本文采用整數向量編碼的個(gè)體編碼方案。該方法直接自然，避免了編碼、解碼的冗余，減輕了遺傳算法的計算負擔，提高了運算效率，能夠更好地保持群體的多樣性。
針對圖3所示為目標對象，在交叉概率PC=0．62，變異概率Pm=0．02，種群大小sizePop=80，演化代數numGen=l00的條件下，通過(guò)Matlab遺傳工具箱進(jìn)行模擬仿真，得出仿真結果如圖5所示。圖5中群體均值隨著(zhù)迭代次數的增加逐漸收斂，說(shuō)明基于小生境技術(shù)和精英保持策略的改進(jìn)算法可以得到該優(yōu)化問(wèn)題的最優(yōu)解。
4 結論
綜上所述，在小生境技術(shù)的基礎上引入精英保持策略和保持群體多樣性的方法，即經(jīng)過(guò)優(yōu)化策略之后的算法，能夠更好更快地搜索到最優(yōu)解集，從而達到了加速算法收斂速度、并避免陷入局部最優(yōu)的目的。
評論