[发明专利]一种基于爬山淘汰粒子群算法的大规模软硬件划分方法

说明书

技术领域

本发明属于协同设计的领域，具体应用在软硬件划分、软硬件协同设计、函数优化等问题的求解过程中，涉及一种基于爬山淘汰粒子群算法的大规模软硬件划分方法。

背景技术

现代嵌入式系统是软件和硬件一体化的系统，系统的任务由硬件实现(如：FPGA和ASIC等)和软件实现(如：ARM和DSP等)协同完成。硬件实现的速度快，但是成本较高；软件实现的代价低，但是需要耗费更多的时间。软硬件划分是软硬件协同设计中最关键的一个步骤，它是在一定的限制条件下，将所有的计算任务合理地映射到软件或硬件上，使得整个系统的性能最优。

目前，国内外学者在软硬件划分问题方面进行了大量研究工作，解决方法分为精确算法和启发式算法两类。粒子群算法因实现简单且搜索速度快，已广泛应用于求解软硬件划分的问题中。Abdelhalim等人指出基于粒子群算法的软硬件划分方法在硬件代价和处理时间上优于遗传算法。Li等人融合粒子群算法和禁忌搜索算法，求解软硬件划分问题，禁忌搜索算法以粒子群算法获取的解为初始值进行寻优。Eimuri等人结合离散的粒子群算法和分支限界法求解软硬件划分问题，离散的粒子群算法用于加速分支限界法。

启发式算法求解大规模的软硬件划分问题十分耗时，因此相关研究提出基于高性能服务器和集群的求解方案。为了减少运行时间，Wu等人提出基于多CPU实现的并行混合粒子群算法求解软硬件划分问题，Farahani等人将基于MPI实现的并行遗传算法应用于软硬件划分问题，Bordoloi等人提出采用GPU并行加速软硬件划分过程。

然而，随着嵌入式系统设计规模的逐渐增大，现有的启发式算法已难以获取最优解。本发明提出一种基于爬山淘汰粒子群算法(Elimination Particle Swarm Optimization with Hill Climbing，简称EPSO-HC)的大规模软硬件划分方法求解大规模软硬件划分问题。根据达尔文进化论，淘汰群体中当前全局最差位置附近的个体，保持搜索种群的多样性，防止算法早熟收敛。改进爬山法(Hill Climbing，HC)的搜索机制，以粒子自身经历的最优位置为方向，在当前全局最优位置附近集中搜索，提升解的质量。软硬件通信代价计算是软硬件划分中最耗时的过程，为了减少算法的运行时间，采用(Graphic Processing Unit，GPU)并行计算该过程。

发明内容

本发明提出一种基于爬山淘汰粒子群算法的大规模软硬件划分方法，具体技术方案如下：

一种基于爬山淘汰粒子群算法的大规模软硬件划分方法，其特征在于，采用无向图G＝(V,E)描述系统任务，其中，V和E分别表示节点和边的集合；软硬件划分基于求解：

式中，x＝(x₁,x₂,...,x_n)表示软硬件划分问题的一个解；x_i＝1表示任务节点v_i由嵌入式系统中的软件模块实现，x_i＝0表示任务节点v_i由嵌入式系统中的硬件模块实现；C(x)表示软硬件划分x中软件模块和硬件模块的通信代价；s_i和h_i分别表示节点v_i的软件代价和硬件代价；R为约束值，具体包括：

步骤1：初始化EPSO-HC算法的参数；初始化算法中惯性权重，种群数目，最大迭代次数，学习因子c₁和c₂，范围因子c₃，搜索步长c₄和搜索半径Range等参数；

步骤2：NodeRank算法初始化种群；初始种群由NodeRank算法获取的解组成；

步骤3：更新每个粒子的位置和速度，并对种群进行离散化，在本步骤中，由于软硬件划分问题属于一类组合优化问题，因此求解该类问题需要采用离散的EPSO-HC；在离散EPSO-HC中，每个粒子的位置按如下公式进行离散化：

式中，r₄为[0，1]区间生成的随机数；离散的EPSO-HC用于求解式(1)，将基于EPSO-HC的软硬件划分方法命名为EPSO-HC算法；采用NodeRank算法对EPSO-HC的种群进行初始化；

步骤4：淘汰当前全局最差位置附近的粒子，随机产生的新粒子替代群体中弱小的粒子；