KR20140082238A - 비용 주도 순차적 하드웨어/소프트웨어 분할 최적화 프레임워크 개발 - Google Patents

비용 주도 순차적 하드웨어/소프트웨어 분할 최적화 프레임워크 개발 Download PDF

Info

Publication number
KR20140082238A
KR20140082238A KR1020120151891A KR20120151891A KR20140082238A KR 20140082238 A KR20140082238 A KR 20140082238A KR 1020120151891 A KR1020120151891 A KR 1020120151891A KR 20120151891 A KR20120151891 A KR 20120151891A KR 20140082238 A KR20140082238 A KR 20140082238A
Authority
KR
South Korea
Prior art keywords
cost
hardware
software
elements
algorithm
Prior art date
Application number
KR1020120151891A
Other languages
English (en)
Inventor
유종민
Original Assignee
유종민
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 유종민 filed Critical 유종민
Priority to KR1020120151891A priority Critical patent/KR20140082238A/ko
Publication of KR20140082238A publication Critical patent/KR20140082238A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
    • G06F9/45504—Abstract machines for programme code execution, e.g. Java virtual machine [JVM], interpreters, emulators
    • G06F9/45529—Embedded in an application, e.g. JavaScript in a Web browser
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2212/00—Indexing scheme relating to accessing, addressing or allocation within memory systems or architectures
    • G06F2212/17—Embedded application

Abstract

본 발명에서는 첫째, 기존 하드웨어/소프트웨어 분할 문제의 접근 방식 모델에서 다루지 못하였던 시간 의존적인 판매 가격, 판매량 등의 요소들을 반영하는 다목적 최적화 문제 형태의 새로운 “Cost-driven Sequential Hardware/Software Partitioning Optimization Framework (CSPOF)”를 제시하고, 둘째, 그 모델로 형식화된 NP-난해 문제를 일반적으로 해결하기 위한 해법으로 최대 이익을 찾거나 근사하는 정확한 알고리즘 및 휴리스틱 알고리즘들과 변형된 메타휴리스틱 “Fast and Elitist Multiobjective Genetic Algorithm (NSGA-II)”을 제시한다. 실험을 통하여 제시된 알고리즘들의 성을 비교하고, NSGA-II의 최적의 해로의 수렴성을 보인다.

Description

비용 주도 순차적 하드웨어/소프트웨어 분할 최적화 프레임워크 개발 {An Optimization Framework for Cost-driven Sequential Hardware/Software Partitioning}
대다수의 기존 하드웨어/소프트웨어 분할(hardware/software partitioning) 관련 발명은 공통적으로 임베디드 시스템의 성능(사이즈, 무게, 부피, 파워, 안정 성, 속도 등)의 최적화에만 연구의 초점을 맞추어 왔다.시스템의 개발과 제조 과정에서 요구되는 금전적인 비용 측면을 고려하는 발경과 하드웨어 요소(component)들 을 점차 소프트웨어로 대체해 감으로써 금전적인 비용 을 최소화하는 아이디어를 제시한 발명이 존재하지 만, 위 연구들은 기업의 전반적인 이익에 보다 큰 영향
을 미치는 예상 판매 가격 및 판매량 등의 시간에 따라 변화하는 요소들을 고려하지 못하였고, 하드웨어/소프트웨어 분할 단계에서의 구체적인 최적화 문제의 정의를 제공하지 못하는 한계점을 가지고 있다.
기존에 연구되어진 하드웨어/소프트웨어 분할문제들 에 대하여 간략하게 설명하면 다음과 같다. 하드웨어/소프트웨어 분할이란 시스템의 요소들이 하드웨어(예: FPGA, ASIC)로 구현될지 소프트웨어(예: generalpurpose processor에서 실행되는 프로그램)로 구현될지를 결정하는 것을 말한다. 일반적으로 시스템의 요소들을 하드웨어로 구현할 경우, 소프트웨어로 구현하는 것 보다 훨씬 빠른 속도를 낼 수 있고, 전력 소비가 적을 수 있다는 장점이 있다. 하지만 이 경우, 하드웨어 비용 과 시스템의 크기가 소프트웨어로 구현하는 것보다 커질 수 있다는 단점이 있다. 이러한 하드웨어와 소프트웨어의 상충되는 특징들로 인하여 하드웨어/소프트웨어 분할의 결과에 따라서 임베디드 시스템의 성능(크기, 수행속도, 전력소비 등)이 크게 달라질 수 있기 때문에 하드웨어/소프트웨어 분할 문제는 임베디드 시스템을 개발하는 과정에서 매우 중요한 단계이다. 따라서 기존의 하드웨어/소프트웨어 분할 문제는 이러한 하드웨어와 소프트웨어의 상충되는 특징을 전제로 하여 특정 제약조건 하에서 하드웨어 혹은 소프트웨어 비용을 최소화 하는 분할을 찾는 문제를 말한다.하지만 경쟁이 심화된 현재의 시장 상황에서의 성공을 위해서는 기존의 하드웨어/소프트웨어 분할 문제에서 고려하였던 임베디드 시스템의 성능뿐만 아니라 개발비용과 개발기간, 시장 출시 시간, 제품의 수명 주기 등의 금전적 비용에 영향을 미치는 요소들과 더불어 시간의 흐름에 따라 변할 수 있는 예상 판매 가격과 판매 수량,제조비용 등과 같은 요소들을 같이 고려하여 금전적인 비용을 최소화하는 것이 중요하다.
대다수의 기존 하드웨어/소프트웨어 분할(hardware/software partitioning) 관련 발명은 공통적으로 임베디드 시스템의 성능(사이즈, 무게, 부피, 파워, 안정 성, 속도 등)의 최적화에만 연구의 초점을 맞추어 왔다.시스템의 개발과 제조 과정에서 요구되는 금전적인 비용 측면을 고려하는 발경과 하드웨어 요소(component)들 을 점차 소프트웨어로 대체해 감으로써 금전적인 비용 을 최소화하는 아이디어를 제시한 발명이 존재하지 만, 위 연구들은 기업의 전반적인 이익에 보다 큰 영향
을 미치는 예상 판매 가격 및 판매량 등의 시간에 따라 변화하는 요소들을 고려하지 못하였고, 하드웨어/소프트웨어 분할 단계에서의 구체적인 최적화 문제의 정의를 제공하지 못하는 한계점을 가지고 있다.
시간에 따라 변하는 요소들을 분할 과정에 반영하지 못하는 기존의 하드웨어/소프트웨어 분할 방법을 이용하여 구한 정적인 분할은 시간이 흐름에 따라 이익에 대하여 최적의 해(optimal soltuion)가 아닐 수 있는 경우가 생길 수 있다. 때문에 생산비용을 줄이기 위해 하드웨어 요소를 소프트웨어 요소로 점차 대체해가며 생산비용을 낮추어 전체적인 비용을 최소화 할 수 있도록 시간에 따라 최적인 분할들의 순서를 구하는 문제를 고려하였다. 하지만 기업의 전반적인 이익에 더 큰 영향을 미치는 판매 가격, 판매량 등의 요소를 고려하지 못하였고, 구체적인 문제 정의를 제공하지 못하였다는 점에서 더 많은 연구가 필요하다.
이러한 문제점들을 개선하기위하여 우선적으로 생각해 볼 수 있는 방법은 기존 하드웨어/소프트웨어 분할 문제를 단순히 시간에 대하여 확장하여 매 시간마다 목적을 최적화 하는 분할을 결정하는 것이다. 하지만 탐욕적으로 현재 시각에서 목적함수 값을 최적화 하는 분할을 선택할 경우, 현재 시각에서는 선택된 분할이 최적의 해일 수 있지만 미래의 어떤 시점에서는 선택된 분할이 최적이 아닐 수도 있는 문제를 야기할 수 있다. 예를 들어 개발비용이 부족하여 개발비가 큰 분할 A보다 분할 B를 우선적으로 개발하게 된다면 당장은 분할 B가 최대의 이익을 창출하는 최적의 해일 수 있지만, 만약 분할 A가 미래의 어느 시점부터 분할B보다 큰 이익을 낼 수 있다면 현재시점에서 분할 B보다 분할 A를 우선적으로 개발하는 것이 전체 시간을 고려하였을 때 최대의 이익을 얻을 수 있는 방법이 된다. 따라서 본 발명에서는 기존의 하드웨어/소프트웨어 분할 문제를 단순히 매 시간마다 반복하는 것이 아니라,이익에 영향을 미치는 모든 요소들을 총체적으로 고려하여 주어진 기간 동안 최적의 이익을 얻는 분할 순서 를 찾는 것과 더불어 기존 하드웨어/소프트웨어 분할 문제에서 고려하여왔던 시스템의 성능에 관한 목적들을 같이 고려할 수 있는 새로운 하드웨어/소프트웨어 분할 문제의 프레임워크인 CSPOF를 제시하고, CSPOF형태 의 목적함수들을 정의하였다. 또한 보다 일반적인 분할 문제를 다룰 수 있도록 요소의 구현 형태를 한 개의 하드웨어 형태와 한 개의 소프트웨어 형태로 제한하지 않고, 1개 이상의 하드웨어 또는 소프트웨어의 형태로 구현 가능하도록 하였다.
따라서 본 발명에서는 개발비용과 개발기간, 시장 출시 시간(time-to-market), 제품의 수명 주기(life-cycletime) 등의 금전적 비용에 영향을 미치는 요소들과 더불어 시간의 흐름에 따라 변할 수 있는 예상 판매 가격과 판매 수량, 제조비용 등과 같은 요소들을 하드웨어/소프트웨어 분할 문제 정의에 반영하여 이익을 최대화하는 분할 순서(partition sequence)를 찾는 다. 동시에
기존의 하드웨어/소프트웨어 분할 문제에서 다루었던 시스템의 성능에 영향을 미치는 요소들을 같이 고려한다. 또한 한 가지 이상의 하드웨어 형태와 소프트에어 형태의 요소들을 고려함으로써 보다 일반화된 문제를 고려할 수 있도록 한다.
도 1은 제품에 개발에 투자되는 비율을 계산하는 수식이다.
도 2는 개발 비용을 수치적으로 변환하는 수식이다.
도 3은 개발에 착수하였다는 사실을 명시하는 정수의 결정 논리식이다.
도 4는 최적 이익 목적 함수 값을 구하는 알고리즘이다.
도 5는 최적 이익 목적 함수값을 구하는 휴리스틱 알고리즘이다.
따라서 본 발명에서는 개발비용과 개발기간, 시장 출시 시간(time-to-market), 제품의 수명 주기(life-cycletime) 등의 금전적 비용에 영향을 미치는 요소들과 더불어 시간의 흐름에 따라 변할 수 있는 예상 판매 가격과 판매 수량, 제조비용 등과 같은 요소들을 하드웨어/소프트웨어 분할 문제 정의에 반영하여 이익을 최대화하는 분할 순서(partition sequence)를 찾는 다. 동시에
기존의 하드웨어/소프트웨어 분할 문제에서 다루었던 시스템의 성능에 영향을 미치는 요소들을 같이 고려한다. 또한 한 가지 이상의 하드웨어 형태와 소프트에어 형태의 요소들을 고려함으로써 보다 일반화된 문제를 고려할 수 있도록 한다. 따라서 본 발명에서는 위와 같은 내용을 반영하여 기존 하드웨어/소프트웨어 분할 문제의 모델을 확장한 새로운 최적화 모델인 “Cost-driven Sequential Hardware/Software Partitioning Optimization Framework(CSPOF)”를 제시한다. 또한 CSPOF형태의 이익 목적함수와 기존 하드웨어/소프트웨어 분할 문제의 목적(objective)들에 대한 목적함수(objective function)를 정의한다. 그리고 CSPOF로 형식화된 NP-난해(NP-hard) 문제를 해결하기위한 해법으로 다음의 알고리즘들을 제시한다. 이익 목적함수 값만을 고려하는 단일 목적(single-objective) 최적화 문제의 경우, 최적 이익 목적함수 값을 찾는 정확한 알고리즘(exact algorithm)과 탐욕적인(greedy) 방법을 사용하는 휴리스틱 알고리즘(heuristic algorithm)을 제안하고, 이익을 포함하여 다수의 목적을 다루는 다중 목적(multi-objective) 최적화 문제를 해결하기위하여 메타휴리스틱 “Fast and Elitist Multi-objective Genetic Algorithm(NSGA-II)을 이용하도록 한다

Claims (5)

  1. 시스 템은 무방향 단순 그래프(undirected simple graph)로 표현되며, 태스크 그래프(task graph)라고 칭한다. 그래프의 노드는 시스템의 요소(component)를나타내고, 모든 요소들의 집합을 간선들의 집합이며, 요소 간의 통신(communication) 정보를 나타낸다.휴리스틱 알고리즘을 사용한다. 이러한 정보를 이용하여 비용 주도적으로 순차적으로 설계하는 방식을 칭함.
  2. 제 1항의 휴리스틱 알고리즘은 모든 원소들을 무작위로 탐색하는 점을 개선하여 각 원소들이 해당 시각에서 얻을 수 있는 판매 수익과 생산 비용의 차를 크기 순서대로 정렬하여 값이 큰 순서대로 분할 생성자 순서를 생성하여 가장 처음 발견되는 기능해를 반환하는 휴리스틱 알고리즘.
  3. 제 1항의 집합 원소들의 정렬을 위해 분할 생성자 순서의 이익 목적 함수가 사용되지 않고 함수 값의 근사 값인 분할 생성자의 판매 수익과 생산비용의 차가 사용되는 방법.
  4. 제 1항에 시간 복잡도는 함수가 수행되기 이전에 우선 공통적으로 n 번의 집합 정렬이 요구되는 데 있어 정렬에 걸리는 시간 복잡도가 집합의 일반적인 정렬을 알고리즘을 사용하는 방법.
  5. 제 2항에 있어 분할 생성자의 판매 수익과 생산비용의 차를 구하는 것을 방법으로 하는 방법.
KR1020120151891A 2012-12-24 2012-12-24 비용 주도 순차적 하드웨어/소프트웨어 분할 최적화 프레임워크 개발 KR20140082238A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020120151891A KR20140082238A (ko) 2012-12-24 2012-12-24 비용 주도 순차적 하드웨어/소프트웨어 분할 최적화 프레임워크 개발

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020120151891A KR20140082238A (ko) 2012-12-24 2012-12-24 비용 주도 순차적 하드웨어/소프트웨어 분할 최적화 프레임워크 개발

Publications (1)

Publication Number Publication Date
KR20140082238A true KR20140082238A (ko) 2014-07-02

Family

ID=51733217

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020120151891A KR20140082238A (ko) 2012-12-24 2012-12-24 비용 주도 순차적 하드웨어/소프트웨어 분할 최적화 프레임워크 개발

Country Status (1)

Country Link
KR (1) KR20140082238A (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110490364A (zh) * 2019-07-12 2019-11-22 西安理工大学 一种基于nsga-ii算法的区县教育资源配置方法
CN111352650A (zh) * 2020-02-25 2020-06-30 杭州电子科技大学 一种基于insga-ii的软件模块化多目标优化方法及系统
CN112234602A (zh) * 2020-09-08 2021-01-15 长沙理工大学 一种启发式搜索和nsga-ii相结合的火电机组组合算法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110490364A (zh) * 2019-07-12 2019-11-22 西安理工大学 一种基于nsga-ii算法的区县教育资源配置方法
CN111352650A (zh) * 2020-02-25 2020-06-30 杭州电子科技大学 一种基于insga-ii的软件模块化多目标优化方法及系统
CN111352650B (zh) * 2020-02-25 2023-06-30 杭州电子科技大学 一种基于insga-ii的软件模块化多目标优化方法及系统
CN112234602A (zh) * 2020-09-08 2021-01-15 长沙理工大学 一种启发式搜索和nsga-ii相结合的火电机组组合算法

Similar Documents

Publication Publication Date Title
Crainic et al. Progressive hedging‐based metaheuristics for stochastic network design
Barbierato et al. Performance evaluation of NoSQL big-data applications using multi-formalism models
US9372928B2 (en) System and method for parallel search on explicitly represented graphs
CN103455515B (zh) Sns社区中的用户推荐方法和系统
CN106355506B (zh) 一种在线社会网络中影响力最大化初始节点选取方法
KR102125119B1 (ko) 데이터 핸들링 방법 및 장치
CN106844477B (zh) 区块链系统、区块查找方法和区块链后向同步方法
KR20140093535A (ko) 대용량 이벤트 파일에서 시간 관계를 병렬 탐사하기 위한 방법
Ribas et al. A competitive variable neighbourhood search algorithm for the blocking flow shop problem
CN106503059B (zh) 展示页面推送方法及装置
TWI525460B (zh) 電子計算裝置、其個人化資訊推薦方法及其電腦程式產品
Chattopadhyay et al. A fast and scalable mechanism for web service composition
CN105893566A (zh) 股票行情数据存储方法及存储装置
Brito et al. An iterative local search approach applied to the optimal stratification problem
CN103235811A (zh) 一种数据存储方法及装置
KR20140082238A (ko) 비용 주도 순차적 하드웨어/소프트웨어 분할 최적화 프레임워크 개발
Müller et al. A cluster-based approach to improve similarity-based retrieval for process-oriented case-based reasoning
Mooyaart et al. The changing relationship between socio-economic background and family formation in four European countries
US10146876B2 (en) Predicting real-time change in organic search ranking of a website
Ennaji et al. Social intelligence framework: Extracting and analyzing opinions for social CRM
Pezzotta et al. Definition of a PSS engineering environment: from the theoretical methodology to the platform implementation
KR20140146437A (ko) 특허정보를 이용한 기업성과 예측 장치 및 방법
JP6414321B2 (ja) 人数予測システム、人数予測方法および人数予測プログラム
US20120072227A1 (en) Automatically generating high quality soa design from business process maps based on specified quality goals
CN113128184A (zh) 针对多人协同编辑文档的文档内容筛选方法及装置

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E601 Decision to refuse application