基于EDA的嵌入式系統軟硬件劃分方法

　　根據概率估計算法的不同，EDAs 分為一階EDAs 和高階EDAs 兩大類(lèi)，其中，二階EDAs 中的建立在一般結構Gauss 網(wǎng)絡(luò )上的分布估計算法（GN-EDA ）采用一種不使用條件概率密度函數來(lái)產(chǎn)生樣本的方法，無(wú)需進(jìn)行Gauss 網(wǎng)絡(luò )結構的學(xué)習，大大減少了計算量，而且可以獲得高精度的聯(lián)合密度函數[5]。

　　GN- EDA 的算法步驟為：

4 仿真試驗

　　算法采用C++ 在m IntelP41.6GHz 256MRam 環(huán)境下實(shí)現，CDFG 的結點(diǎn)數、時(shí)間約束、每個(gè)節點(diǎn)的信息、結點(diǎn)之間的連接關(guān)系都是隨機生成的。首先，隨機生成了 30、60、100 、200 個(gè)節點(diǎn)的 CDFG，并隨機生成了各個(gè)節點(diǎn)的性能參數，同時(shí)根據對節點(diǎn)的性能參數的分析，確定了系統的約束條件以及這些約束條件各自的權重。CDFG 硬件執行時(shí)間為軟件執行時(shí)間的20%~50%，硬件代價(jià)約束取值為總硬件代價(jià)之和的50% 。對每個(gè) CDFG 都進(jìn)行 100 次的測試，并將最終求出的最優(yōu)解的代價(jià)函數值的平均值同遺傳算法求出的值進(jìn)行了比較，實(shí)驗數據如表 1 所示。

　　表 1 為60 節點(diǎn)系統隨機運行10 次的統計結果。從表中數據可以看出，與遺傳算法相比，本文提出的GN-EDA 算法在算法的執行速度和搜索目標函數最優(yōu)值方面都有很大的優(yōu)勢。對于各節點(diǎn)數系統，尤其是對于較多節點(diǎn)數系統，GN-EDA 算法有更為優(yōu)化的結果，且劃分結果較為穩定。

圖2 系統性能收斂曲線(xiàn)

　　圖 2 為 60 節點(diǎn)系統隨機運行30 次，劃分過(guò)程中平均每代最佳有效個(gè)體對應的系統性能，從圖中可以看出GN-EDA 算法有很好的收斂性。

　　5 結論

　　本文作者創(chuàng )新點(diǎn)：運用一種建立在一般結構Gauss 網(wǎng)絡(luò )上的分布估計算法對嵌入式系統軟硬件劃分問(wèn)題進(jìn)行了研究，該算法無(wú)需進(jìn)行Gauss 網(wǎng)絡(luò )結構的學(xué)習，大大減少了計算量，適用于處理日趨復雜的嵌入式系統軟硬件劃分問(wèn)題。實(shí)驗結果表明，GN-EDA 算法能有效地完成軟硬件劃分，并具有較好的計算穩定性。