CN113253989A - 基于嵌入式系统的软硬件协同一体化集成架构方法 - Google Patents
基于嵌入式系统的软硬件协同一体化集成架构方法 Download PDFInfo
- Publication number
- CN113253989A CN113253989A CN202110755405.6A CN202110755405A CN113253989A CN 113253989 A CN113253989 A CN 113253989A CN 202110755405 A CN202110755405 A CN 202110755405A CN 113253989 A CN113253989 A CN 113253989A
- Authority
- CN
- China
- Prior art keywords
- hardware
- software
- population
- individuals
- calculating
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 21
- 230000010354 integration Effects 0.000 title claims description 5
- 230000006870 function Effects 0.000 claims abstract description 33
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 21
- 238000002922 simulated annealing Methods 0.000 claims abstract description 10
- 238000004088 simulation Methods 0.000 claims abstract description 4
- 238000012795 verification Methods 0.000 claims abstract description 4
- 230000003044 adaptive effect Effects 0.000 claims description 24
- 238000000137 annealing Methods 0.000 claims description 9
- 210000000349 chromosome Anatomy 0.000 claims description 9
- 238000001816 cooling Methods 0.000 claims description 9
- 230000002068 genetic effect Effects 0.000 claims description 7
- 238000005192 partition Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000000638 solvent extraction Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 4
- 238000013468 resource allocation Methods 0.000 abstract description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000002028 premature Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/20—Software design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了基于嵌入式系统的软硬件协同一体化集成架构方法,包括如下步骤:(1)根据嵌入式系统需要实现的功能和性能要求,利用计算机语言对嵌入式系统进行描述,构建系统模型;(2)利用多种群遗传和模拟退火结合算法对系统模型进行设计,实现软硬件功能划分,计算更新后的种群最优解;(3)对步骤(2)软硬件功能模块划分得到的系统进行仿真验证,利用随机任务产生器对设定节点数产生有向无环图;(4)按照步骤(2)进行软硬件功能划分。本发明实现了软硬件模块间的互补,达到软硬件协同设计的成本最低、资源的分配总体最优、最省效果。
Description
技术领域
本发明涉及软硬件协同构架方法,特别涉及基于嵌入式系统的软硬件协同一体化集成架构方法。
背景技术
传统的软硬件协同设计中,通常采用硬件优先原则来进行系统设计,对于系统优化,由于设计空间限制,只能改善软件和硬件各自的性能,无法针对系统做出较好综合性优化,最终设计结果很难充分利用软硬件资源,难以适用现代复杂、大规模的系统设计任务。
随着现代科学技术的发展,遗传算法、模拟退火等算法被应用到软硬件任务划分中,但标准的遗传算法局部搜索能力较差,容易出现早熟问题;模拟退火算法全局搜索能力较差,无法使搜索方向迅速进入到正确区域,致使运算效率较低。
发明内容
发明目的:针对以上问题,本发明目的是提供一种基于嵌入式系统的软硬件协同一体化集成架构方法。
技术方案:本发明的基于嵌入式系统的软硬件协同一体化集成架构方法,包括如下步骤:
(1)根据嵌入式系统需要实现的功能和性能要求,利用计算机语言对嵌入式系统进行描述,构建系统模型;
(2)利用多种群遗传和模拟退火结合算法对系统模型进行设计,实现软硬件功能划分,计算更新后的种群最优解;
(3)对步骤(2)软硬件功能模块划分得到的系统进行仿真验证,利用随机任务产生器对设定节点数产生有向无环图;
(4)按照步骤2进行软硬件功能划分。
进一步,步骤1中系统模型利用有向无环图构建系统任务模块之间的调用图,有向无环图的形式为:
其中G表示软硬件划分问题的形式化定义对象集合,V表示系统中基本调度模块的节点集合,E表示有向边连接的两个任务节点之间有数据流动或者调用关系集合;
进一步,所述步骤2功能划分过程包括如下步骤:
(202)根据约束条件定义系统的广义目标函数,利用目标函数定义适应度计算函数,计算每一个种群中个体的适应值,目标函数定义为:
其中A为给定划分的硬件成本,为系统成本约束,T为给定划分的执行时间,为模拟退火算法中的退火系数,且,;和为调整成本比重的
参数;引入归一化因子和解决运行和成本约束在数值范围和量级的差异,且,为系统全硬件实现时间总和,为系统全软件实现时间总和,,为系统全硬件实现成本;
基于广义目标函数,算法的适应度函数定义为:
(203)每个子种群并行独立进化,每个子种群设置不同的交叉概率和变异概率,当子种群进化的迭代次数为时,子种群之间进行一次移民操作,交换最优个体,其
中;当子种群内的个体适应值不再变化后停止进化,由各个子种群的最优个体构成
精华种群,当进化迭代次数达到最大时,停止进化。
进一步,当每个子种群进行进化后,再对优选出来的精华种群进行进化,包括如下步骤:
(2041)在精华种群中进行局部竞争和交叉操作相结合,确定交叉点位置,进行单点交叉操作来产生新的个体,计算新个体的适应值,从新个体和父代个体中选择适应值最高的个体替换父代个体;
(2042)在精华种群中进行局部竞争和变异操作相结合,确定变异点位置,进行单点变异操作产生新的个体,计算新个体的适应值,从新个体和父代个体中选择适应值最高的个体替换父代个体。
进一步,当全部种群优化之后,对种群进行模拟退火,利用Tsallis判别准则生成下一代种群群体:
(2051)在当前种群个体i的领域内随机产生新的染色体个体j,通过计算i和j的适应值,适应值大的个体进入下一代;
有益效果:本发明与现有技术相比,其显著优点是:本发明利用多种群遗传算法与模拟退火融合算法对软硬件进行协同设计,提升运算速度,提高了算法IP核的通用性,实现软硬件模块间的互补,达到软硬件协同设计成本最低、资源分配总体最优、最省得效果。
附图说明
图1为本发明流程框图;
图2为本发明多种群遗传和模拟退火结合算法流程图。
具体实施方式
本实施例所述的基于嵌入式系统的软硬件协同一体化集成架构方法,流程图如图1所示,包括如下步骤:
(1)根据嵌入式系统需要实现的功能和性能要求,利用计算机语言对嵌入式系统进行描述,构建系统模型;
其中系统模型利用有向无环图构建系统任务模块之间的调用图,有向无环图的形式为:
其中G表示软硬件划分问题的形式化定义对象集合,V表示系统中基本调度模块的节点集合,E表示有向边连接的两个任务节点之间有数据流动或者调用关系集合;
(2)利用多种群遗传和模拟退火结合算法对系统模型进行设计,流程图如图2所示,实现软硬件功能划分,计算更新后的种群最优解;
功能划分过程包括如下步骤:
(202)根据约束条件定义系统的广义目标函数,利用目标函数定义适应度计算函数,计算每一个种群中个体的适应值,目标函数定义为:
其中A为给定划分的硬件成本,为系统成本约束,T为给定划分的执行时间,为模拟退火算法中的退火系数,且,;和为调整成本比重的
参数;引入归一化因子和解决运行和成本约束在数值范围和量级的差异,且,为系统全硬件实现时间总和,为系统全软件实现时间总和,,为系统全硬件实现成本;
基于广义目标函数,算法的适应度函数定义为:
(203)每个子种群并行独立进化,每个子种群设置不同的交叉概率和变异概率,当子种群进化的迭代次数为时,子种群之间进行一次移民操作,交换最优个体,其
中;当子种群内的个体适应值不再变化后停止进化,由各个子种群的最优个体构成
精华种群,当进化迭代次数达到最大时,停止进化。
当每个子种群进行进化后,再对优选出来的精华种群进行进化,包括如下步骤:
(2041)在精华种群中进行局部竞争和交叉操作相结合,确定交叉点位置,进行单点交叉操作来产生新的个体,计算新个体的适应值,从新个体和父代个体中选择适应值最高的个体替换父代个体;
(2042)在精华种群中进行局部竞争和变异操作相结合,确定变异点位置,进行单点变异操作产生新的个体,计算新个体的适应值,从新个体和父代个体中选择适应值最高的个体替换父代个体。
当全部种群优化之后,对种群进行模拟退火,利用Tsallis判别准则生成下一代种群群体:
(2051)在当前种群个体i的领域内随机产生新的染色体个体j,通过计算i和j的适应值,适应值大的个体进入下一代;
(3)对步骤(2)软硬件功能模块划分得到的系统进行仿真验证,利用随机任务产生器对设定节点数产生有向无环图。
(4)按照步骤2进行软硬件功能划分。
Claims (5)
1.基于嵌入式系统的软硬件协同一体化集成架构方法,其特征在于,包括如下步骤:
(1)根据嵌入式系统需要实现的功能和性能要求,利用计算机语言对嵌入式系统进行描述,构建系统模型;
(2)利用多种群遗传和模拟退火结合算法对系统模型进行设计,实现软硬件功能划分,计算更新后的种群最优解;
(3)对步骤(2)软硬件功能模块划分得到的系统进行仿真验证,利用随机任务产生器对设定节点数产生有向无环图;
(4)按照步骤(2)进行软硬件功能划分。
3.根据权利要求1所述的软硬件协同一体化集成架构方法,其特征在于,所述步骤(2)功能划分过程包括:
(202)根据约束条件定义系统的广义目标函数,利用目标函数定义适应度计算函数,计算每一个种群中个体的适应值,目标函数定义为:
其中A为给定划分的硬件成本,为系统成本约束,T为给定划分的执行时间,为
模拟退火算法中的退火系数,且,;和为调整成本比重的参数;引
入归一化因子和解决运行和成本约束在数值范围和量级的差异,且,为系统全硬件实现时间总和,为系统全软件实现时间总和,,为系统全硬件实现成本;
基于广义目标函数,算法的适应度函数定义为:
4.根据权利要求3所述的软硬件协同一体化集成架构方法,其特征在于,当每个子种群进行进化后,再对优选出来的精华种群进行进化,包括如下步骤:
(2041)在精华种群中进行局部竞争和交叉操作相结合,确定交叉点位置,进行单点交叉操作来产生新的个体,计算新个体的适应值,从新个体和父代个体中选择适应值最高的个体替换父代个体;
(2042)在精华种群中进行局部竞争和变异操作相结合,确定变异点位置,进行单点变异操作产生新的个体,计算新个体的适应值,从新个体和父代个体中选择适应值最高的个体替换父代个体。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110755405.6A CN113253989B (zh) | 2021-07-05 | 2021-07-05 | 基于嵌入式系统的软硬件协同一体化集成架构方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110755405.6A CN113253989B (zh) | 2021-07-05 | 2021-07-05 | 基于嵌入式系统的软硬件协同一体化集成架构方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113253989A true CN113253989A (zh) | 2021-08-13 |
CN113253989B CN113253989B (zh) | 2021-10-08 |
Family
ID=77190639
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110755405.6A Active CN113253989B (zh) | 2021-07-05 | 2021-07-05 | 基于嵌入式系统的软硬件协同一体化集成架构方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113253989B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101593132A (zh) * | 2009-06-25 | 2009-12-02 | 北京航空航天大学 | 基于线程构造模块的多核并行模拟退火方法 |
CN105786502A (zh) * | 2016-02-26 | 2016-07-20 | 成都雅骏新能源汽车科技股份有限公司 | 一种调度式嵌入式应用软件架构及其实现方法 |
CN106789320A (zh) * | 2017-01-04 | 2017-05-31 | 大连理工大学 | 一种用于优化无线传感器网络拓扑的多种群协同进化方法 |
CN109345023A (zh) * | 2018-10-19 | 2019-02-15 | 上海交通大学 | 一种混合模拟退火和粒子群的最优化算法 |
CN112053615A (zh) * | 2020-09-07 | 2020-12-08 | 中国海洋大学 | 一种嵌入式实验教学系统、教学方法 |
-
2021
- 2021-07-05 CN CN202110755405.6A patent/CN113253989B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101593132A (zh) * | 2009-06-25 | 2009-12-02 | 北京航空航天大学 | 基于线程构造模块的多核并行模拟退火方法 |
CN105786502A (zh) * | 2016-02-26 | 2016-07-20 | 成都雅骏新能源汽车科技股份有限公司 | 一种调度式嵌入式应用软件架构及其实现方法 |
CN106789320A (zh) * | 2017-01-04 | 2017-05-31 | 大连理工大学 | 一种用于优化无线传感器网络拓扑的多种群协同进化方法 |
CN109345023A (zh) * | 2018-10-19 | 2019-02-15 | 上海交通大学 | 一种混合模拟退火和粒子群的最优化算法 |
CN112053615A (zh) * | 2020-09-07 | 2020-12-08 | 中国海洋大学 | 一种嵌入式实验教学系统、教学方法 |
Non-Patent Citations (3)
Title |
---|
HNXXDDYYF: ""遗传算法与模拟退火算法"", 《HTTPS://WWW.DOCIN.COM/P-236408626.HTML?QQ-PF-TO=PCQQ.C2C》 * |
LXY_1015: ""多种群遗传算法(MPGA)"", 《HTTPS://BLOG.CSDN.NET/LXY_1015/ARTICLE/DETAILS/112547502》 * |
XINGLEI ZHANG等: ""Random Target Localization for an Upper Limb Prosthesis"", 《SHOCK AND VIBRATION》 * |
Also Published As
Publication number | Publication date |
---|---|
CN113253989B (zh) | 2021-10-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yuan et al. | Multiqueue scheduling of heterogeneous tasks with bounded response time in hybrid green IaaS clouds | |
CN107977744B (zh) | 一种基于传统Benders分解法的电力系统日前鲁棒调度方法 | |
Chen et al. | A new approach for analyzing average time complexity of population-based evolutionary algorithms on unimodal problems | |
CN109345027B (zh) | 基于独立成分分析与支持向量机的微电网短期负荷预测方法 | |
CN104035816A (zh) | 一种基于改进nsga-ii的云计算任务调度方法 | |
CN112784362A (zh) | 一种用于无人机辅助边缘计算的混合优化方法及系统 | |
CN104516785A (zh) | 一种云计算资源调度系统及方法 | |
CN106961125B (zh) | 风水火电力系统动态经济调度的等式约束处理方法 | |
Chen et al. | Smoothed least-laxity-first algorithm for electric vehicle charging: Online decision and performance analysis with resource augmentation | |
Feng et al. | Age of information in UAV aided wireless sensor networks relying on blockchain | |
Mégel et al. | Reducing the computational effort of stochastic multi-period dc optimal power flow with storage | |
Zhang et al. | Short term load forecasting based on IGSA-ELM algorithm | |
Kashyap et al. | DECENT: Deep learning enabled green computation for edge centric 6G networks | |
CN113253989B (zh) | 基于嵌入式系统的软硬件协同一体化集成架构方法 | |
CN114493106B (zh) | 一种基于地理划分的空间众包任务分配方法 | |
CN115903514A (zh) | 随机工时下复杂装备资源项目集群鲁棒调度方法 | |
Wang et al. | A hybrid optimization method for fuzzy classification systems | |
CN113743012A (zh) | 一种多用户场景下的云-边缘协同模式任务卸载优化方法 | |
Peng et al. | Improving orchestra using distributed parallel genetic algorithm | |
Chen et al. | Smoothed least-laxity-first algorithm for EV charging | |
CN112183843A (zh) | 一种基于混合智能算法的火电厂负荷优化分配方法 | |
Liu et al. | Bi-objective intelligent task scheduling for green clouds with deep learning-based prediction | |
Chan et al. | Generating scheduling constraints for discrete event dynamic systems | |
Barracosa et al. | A Bayesian approach for the optimal integration of renewable energy sources in distribution networks over multi-year horizons | |
Parassuram et al. | A hybrid technique using particle swarm optimization and differential evolution to solve economic dispatch problem with valve-point effect |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20231121 Address after: No. 86, runqi Road, Jiangning District, Nanjing, Jiangsu 210000 Patentee after: Nanjing OMI new energy Co.,Ltd. Address before: No.219, ningliu Road, Jiangbei new district, Nanjing, Jiangsu Province, 210032 Patentee before: Nanjing University of Information Science and Technology |
|
TR01 | Transfer of patent right |