基于改進的遺傳算法軟硬件劃分方法研究
加入技術(shù)交流群
SoC軟硬件劃分問題實際上可以看作一個求解多個目標的優(yōu)化問題。其目標是在滿足一定系統(tǒng)約束的前提下實現(xiàn)系統(tǒng)性能的最優(yōu)化?；诟倪M的軟硬件劃分步驟如下：
步驟1：將待優(yōu)化的SoC系統(tǒng)轉(zhuǎn)化為數(shù)據(jù)流圖DFG
步驟2：從IP庫中調(diào)出數(shù)據(jù)流圖中可實現(xiàn)每個任務節(jié)點的候選IP
步驟3：對個體進行整數(shù)編碼初始化，形成群體P0
步驟4：對Pi中的每個個體進行性能評估，計算其執(zhí)行時間、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，對其進行Pareto排序，構(gòu)造非支配集(NDS)。復制Pareto最優(yōu)個體，即所得的非支配集，記做P*i+1
步驟7：判斷結(jié)束條件是否滿足，如果t>Gen，則進化結(jié)束，P*i+1為最終輸出的非劣解，P*i+1中每個個體的實現(xiàn)方式即為候選的軟硬件劃分解。否則繼續(xù)，轉(zhuǎn)步驟8
步驟8：構(gòu)造新群體。如果NDSpopsize，用分類方法構(gòu)造新群體；如果NDS>popsize，用聚類方法構(gòu)造新群體步驟9：對新群體執(zhí)行遺傳操作，操作的結(jié)果設(shè)為pi+l，令T=Pi+l；轉(zhuǎn)步驟4
3．1 數(shù)據(jù)流圖描述
數(shù)據(jù)流圖DFG(Data Flow Graph)是一個包含頂點和邊的有向無環(huán)圖。DFG由節(jié)點和弧線構(gòu)成，當一個DFG用來描述一個SoC系統(tǒng)時，其頂點通常用來表示一些功能單元，對應構(gòu)成系統(tǒng)的軟硬件部件；而弧則表示數(shù)據(jù)處理的順序，或者說是頂點之間的數(shù)據(jù)依賴關(guān)系，如圖3所示。本文引用地址：http://m.butianyuan.cn/article/188731.htm
3．2 個體編碼和遺傳操作
在基于遺傳算法的軟硬件劃分中，最常見的編碼方法是二進制編碼。通過二進制編碼將數(shù)據(jù)流圖的節(jié)點映射到位串空間0和1上，然后在位串空間進行遺傳操作。一般用0表示該節(jié)點由軟件實現(xiàn)，用l表示該節(jié)點由硬件實現(xiàn)。設(shè)IP核數(shù)目為20，每個節(jié)點編碼長度為5，二進制編碼的交叉變異情況如圖3、圖4所示。
在圖3、圖4的遺傳操作過程中，有兩個節(jié)點的個體{Xl，X2}的二進制編碼長度為10，節(jié)點Xl、X2的編碼取值范圍均為[00000，l0011]，經(jīng)過交叉和變異操作后，分別產(chǎn)生超出編碼取值范圍的無效個體{1011l，l0010}和{0llll，11010}。出于上述原因，本文采用整數(shù)向量編碼的個體編碼方案。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(shù)numGen=l00的條件下，通過Matlab遺傳工具箱進行模擬仿真，得出仿真結(jié)果如圖5所示。圖5中群體均值隨著迭代次數(shù)的增加逐漸收斂，說明基于小生境技術(shù)和精英保持策略的改進算法可以得到該優(yōu)化問題的最優(yōu)解。
4 結(jié)論
綜上所述，在小生境技術(shù)的基礎(chǔ)上引入精英保持策略和保持群體多樣性的方法，即經(jīng)過優(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