基于多目标演化算法的SOC设计空间搜索策略研究

摘要

随着硅片上集成的晶体管数量迅猛增加,基于IP核的SOC已成为VLSI实现技术发展的趋势.目前SOC的系统设计主要采用基于IP核的配置并执行方法.这种方法是从一个预设计的参数化SOC体系结构出发,以参数化的IP核为组件,通过编写代码、设置参数的方式,对可编程的IP核进行配置以实现设计,通过模拟器仿真执行以完成功能验证,最后产生物理芯片.由于IP核的多样性及其可优化参数的矛盾性,使得SOC的设计空间极其复杂.能否找到一组最优的参数,直接关系到设计的成败.SOC系统综合的主要任务之一就是针对具体的应用在可能的设计空间中找到一组满足设计约束的IP可行配置集,其本质是求多目标优化问题的最优解.多目标优化问题的经典求解方法是使用目标函数线性聚合或者基于Pareto方法.这类方法通常是将若干个子目标聚合成向量函数,转换成单目标优化问题,其最大的缺点是优化结果为单个解而非Pareto最优集合.使用演化算法求解多目标优化问题的优点在于该方法将解集作为群体,并行搜索多个Pareto最优解对应的目标空间节点.在对SOC系统综合本质和多目标演化算法分析的基础上,针对SOC设计空间的复杂性,提出了一个新的搜索策略,使得SOC系统应用在消耗较低功率的同时,执行的更快.该搜索策略以多目标演化算法为核心,依据参数依赖性概念对设计空间进行大幅度的缩减并使用空间阈值技巧增加了策略的适应性.通过与敏感度分析策略和穷举搜索策略的对比,证明了该搜索策略具有运行时间快、求解质量高的优点.

目录

文摘

英文文摘

哈尔滨工程大学学位论文原创性声明

第1章绪论

1.1 SOC设计技术概述

1.2 SOC的自顶向下设计方式

1.3 SOC中的IP模块重用技术

1.3.1 IP模块

1.3.2 IP模块的重用

1.3.3 IP模块重用面临的问题

1.4基于平台的SOC设计方法

1.4.1 SOC设计平台的分类

1.4.2平台中的处理器核

1.4.3 SOC平台配置空间的复杂性

1.5本文的主要工作

第2章SOC系统级综合的形式化描述

2.1 SOC系统综合概述

2.1.1 SOC系统综合的任务

2.1.2 SOC系统综合的方法

2.1.3演化算法用于SOC系统综合的优点

2.2 SOC系统综合的形式化描述

2.2.1系统功能的形式化描述

2.2.2系统综合的形式化描述

2.3本章小结

第3章多目标演化算法

3.1多目标优化问题的数学描述

3.2多目标演化算法的分类

3.2.1先验优先权技术

3.2.2优先权演化技术

3.2.3后验优先权技术

3.3典型多目标演化算法的比较与分析

3.3.1多性别遗传算法

3.3.2向量评估遗传算法(VEGA)

3.3.3多目标遗传算法(MOGA)

3.3.4非劣性分层遗传算法(NSGA)

3.3.5小组决胜遗传算法(NPGA)

3.3.6比较的结论

3.4多目标演化算法研究中的相关问题

3.4.1多目标问题非劣最优域的性质

3.4.2算法性能的评估技术

3.4.3算法收敛性分析

3.5本章小结

第4章一种新的SOC设计空间搜索策略

4.1利用参数依赖性缩减设计空间的方法

4.1.1 SOC的可配置参数

4.1.2参数依赖性的基本概念

4.1.3设计空间的缩减方法

4.2设计空间搜索策略概述

4.2.1设计空间搜索问题的数学描述

4.2.2设计空间搜索策略的算法描述

4.3多目标演化搜索

4.3.1遗传算法的设计策略

4.3.2算法参数的选取与算法的实现

4.3.3算法的评价

4.4本章小结

第5章与敏感度分析策略的实验对比研究

5.1敏感度分析策略

5.1.1单目标敏感度分析

5.1.2基于Pareto概念的多目标敏感度分析

5.2 Platune平台

5.2.1 Platune平台的体系结构

5.2.2 Platune平台的主要功能

5.3仿真实验

5.3.1实验方案设计

5.3.2实验统计数据

5.3.3实验结论

5.4本章小结

结 论

参考文献

攻读硕士学位期间发表的论文及取得的科研成果

致 谢