[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

摘要

本发明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，包括步骤1初始化EPSO‑HC算法的参数。步骤2NodeRank算法初始化种群。步骤3更新每个粒子的位置和速度，并对种群进行离散化。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。步骤5改进爬山法更新当前全局最优位置，在当前全局最优位置附近集中搜索更优位置。步骤6采用GPU并行计算软硬件通信代价。步骤7若EPSO‑HC算法达到终止条件，则输出全局最优解，该解即为软硬件划分问题的最终解；否则，转到步骤3。本发明与其他软硬件划分算法相比，EPSO‑HC算法解的质量更高，运行时间更少。

主权项

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：min(Σi=1nhi(1-xi))s.t.Σi=1nsixi+C(x)≤Rxi∈{0,1},i=1,2,...,n......(1),]]>式中，x＝(x1,x2,...,xn)表示软硬件划分问题的一个解；xi＝1表示任务节点vi由嵌入式系统中的软件模块实现，xi＝0表示任务节点vi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；si和hi分别表示节点vi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：Xidk=1ifr4<sig(Vdk)0otherwise......(7)]]>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；步骤5：改进爬山法更新当前全局最优位置，改进爬山法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更优位置；步骤6：采用GPU并行计算软硬件通信代价；步骤7：若EPSO‑HC算法达到终止条件，则输出EPSO‑HC算法求解公式(1)的全局最优解，该解即为软硬件划分问题的最终解；否则，转到步骤3。