IPSO算法及其在硬件電路優(yōu)化設(shè)計(jì)的應(yīng)用研究.pdf

1、硬件電路中片上系統(tǒng)SoC(System on Chip)的設(shè)計(jì)主要采用基于IP核的配置并執(zhí)行方法。由于IP核的多樣性及其可優(yōu)化參數(shù)的矛盾性，使得SoC的設(shè)計(jì)空間極其復(fù)雜。能否在龐大的SoC參數(shù)設(shè)計(jì)空間中找到一組相對(duì)最優(yōu)的配置參數(shù)，直接關(guān)系到設(shè)計(jì)的成敗。因此，SoC系統(tǒng)綜合的主要任務(wù)之一就是針對(duì)具體的應(yīng)用在可能的設(shè)計(jì)空間中找到一組滿足設(shè)計(jì)約束的1P可行配置集，其本質(zhì)是求多目標(biāo)優(yōu)化問(wèn)題的最優(yōu)解。
　　 鑒于SoC參數(shù)設(shè)計(jì)問(wèn)題的復(fù)雜性

2、，本文提出了將基于擁擠度和動(dòng)態(tài)慣性權(quán)重聚合的多目標(biāo)粒子群優(yōu)化算法(IPSO)應(yīng)用于SoC參數(shù)設(shè)計(jì)的思路。IPSO算法以Pareto支配關(guān)系來(lái)更新粒子的個(gè)體最優(yōu)值，用外部存檔策略保存搜索過(guò)程中發(fā)現(xiàn)的非支配解；采用適應(yīng)值擁擠度裁剪歸檔中的非支配解，并從歸檔中的稀松區(qū)域隨機(jī)選取精英作為粒子的全局最優(yōu)位置，以保持解的多樣性；采用動(dòng)態(tài)慣性權(quán)重聚合的方法以使算法盡可能地逼近各目標(biāo)的最優(yōu)解．
　　 本文通過(guò)與普通的粒子群多目標(biāo)優(yōu)化方法和非劣性

3、分層遺傳算法的比較，說(shuō)明基于擁擠度和動(dòng)態(tài)慣性權(quán)重聚合多目標(biāo)粒子群優(yōu)化算法(IPSO)在解決多目標(biāo)優(yōu)化問(wèn)題上具有一定的優(yōu)越性。針對(duì)粒子群方法在SoC實(shí)際領(lǐng)域的應(yīng)用，本文對(duì)算法做了如下修改：粒子速度向量的離散化方法；粒子群的編碼方式；領(lǐng)導(dǎo)者的選擇方案；不合理配置的篩選。將改良多目標(biāo)粒子群優(yōu)化算法(IPSO)應(yīng)用于參數(shù)優(yōu)化算法能夠在SoC設(shè)計(jì)空間中快速搜索到最優(yōu)的參數(shù)配置，同時(shí)得益于適應(yīng)值擁擠度裁剪技術(shù)的應(yīng)用使得參數(shù)配置在目標(biāo)空間中保持一定的

4、差異性。
　　 本文使用Matlab的m腳本建立了IPSO方法的數(shù)學(xué)模型，并將IPSO方法以C++語(yǔ)言編寫(xiě)成計(jì)算機(jī)程序，與美國(guó)加利福尼亞大學(xué)開(kāi)發(fā)的高度參數(shù)化的SoC設(shè)計(jì)平臺(tái)Platune集成，選擇了三種衡量多目標(biāo)優(yōu)化算法優(yōu)劣的指標(biāo)，將基于參數(shù)依賴(lài)性的搜索策略、多目標(biāo)遺傳算法的搜索策略以及改良粒子群算法分別在如下三個(gè)不同的應(yīng)用上進(jìn)行了對(duì)比：1)image，將一個(gè)位圖從內(nèi)存的一個(gè)區(qū)域拷貝到另一個(gè)區(qū)域；2)key，對(duì)一個(gè)位圖進(jìn)行反色處

5、理；3)matrix，對(duì)一個(gè)10×10的整數(shù)矩陣進(jìn)行轉(zhuǎn)置操作。
　　 通過(guò)對(duì)三種方法仿真結(jié)果的精確性和執(zhí)行效率兩方面的統(tǒng)計(jì)對(duì)比，用數(shù)據(jù)定量地說(shuō)明本文IPSO方法與同類(lèi)方法相比較所體現(xiàn)出的有優(yōu)越性，用Pareto集在目標(biāo)空間上的分布情況定性地反映本文IPSO方法解決多目標(biāo)優(yōu)化問(wèn)題的能力。仿真結(jié)果說(shuō)明本文采用的SoC結(jié)構(gòu)參數(shù)配置優(yōu)化方法，在以功耗和執(zhí)行時(shí)間組成的二維目標(biāo)空間中具有良好的分散性和非支配性，并且搜索時(shí)間大大縮短，搜索效率