基于遗传算法的嵌入式系统软硬件划分.pdfVIP

基于遗传算法的嵌入式系统软硬件划分 张鲁峰史军慧 (北京系统工程研究所) 摘要软硬件划分是软硬协同设计中的一个关键问题。文章针对单处理器嵌入式系统，给出了基于 遗传算法的解决方案，并引入了模拟退火和按概率选择两种技术。结果表明，算法有效地解决了软硬件 划分问题，稳定性好、效率高，模拟退火和按概率选择的引入，进一步提高了算法效率、保证了算法的自 适应性及结果的全局最优性。 关键词遗传算法软硬件划分软硬协同设计 1 引言 的控制关系或数据流向，每条边的终点任务必须在此 嵌入式系统一般有软件和硬件两种基本实现方 边的始点任务完成之后才可以开始执行。每个节点包 式，同硬件相比，软件容易修改、成本较低，而硬件可 含其软件、硬件代价信息，边的权重代表两个节点之 以提供更高的性能。软硬件划分问题，就是在嵌入式 间的通讯开销。 系统的高层次设计阶段，根据设计约束及系统各个部 任务流图是系统的行为级描述，主要描述系统中 分的特点，确定各部分的软件或者硬件实现方式，以 任务间的控制、数据关系及每个任务的代价信息，而 获得高性能，低成本的优化设计方案。软硬件划分是 与系统实现时采用什么样的体系结构无关。 嵌入式系统的软硬协同设计中的一个关键问题。 下面给出划分模型的形式化描述。 常用于软硬件划分的算法有整数规划[11、混合线 定义l目标系统的体系结构【11：包括一个处理器 性规划川、启发式算法嘲等。对于规划类算法，难以给 P，一个ASICH={h1，．…“，hk)，存储器和总线，目标系 出明确的目标函数，约束条件太多，不易使用，而且当 统的组件集合定义为A=HU{P}。其中，h。，…，ht是 目标系统的结点很多时，算法的计算时间会很长。启 ASIC中具有不同功能的硬件电路，参见图2。 发式算法对启发式规则的要求很高，结果很容易受其 ASIC 影响。这几种算法还有一个共同的弊端：容易陷入局 部最优。 本文描述了一种基于遗传算法的自动划分方法， 充分利用该类算法的自适应、自学习、本质并行、全局 搜索的特性[41，有效地解决了上述问题。在算法中，引 入了模拟退火和按概率选择父个体两种方法，以使算 图2目标系统结构简图 法过程更稳健，结果更趋近于全局最优。 定义2一个系统定义为一个三元组S={V，R， 2软硬件划分模型 M)：V={vl，．…“，¨)是系统中的节点集合，N为系统的 节点总数；R--{rl．…一，rN】，r,CA=HU(Pl代表节点i的 实现方式集合，P表示用软件实现，h，表示用硬件i实 现；二维矩阵MCVxV代表节点之间的连接关系。 节点i应该包含以下信息：用方式k(0≤klr。I) 实现时的代价(软件主要由所占内存决定，硬件主要 理时间。需要注意的是，硬件代价与软件代价需要使 图1任务流图 用统一的度量，而每个节点的硬件代价应该比其软件 代价大得多。 一个系统使用任务流图(task graph)(参见图1)一个设计rA是指系统S在目标系统的体系结 来描述，任务流图是有向无环图，只有一个起始节点 构A上的实现。检验一个设计好坏的参数包括系 和一个终止节点，两个节点之间最多只