基于EDA的嵌入式系統(tǒng)軟硬件劃分方法

　　根據(jù)概率估計(jì)算法的不同，EDAs 分為一階EDAs 和高階EDAs 兩大類，其中，二階EDAs 中的建立在一般結(jié)構(gòu)Gauss 網(wǎng)絡(luò)上的分布估計(jì)算法（GN-EDA ）采用一種不使用條件概率密度函數(shù)來產(chǎn)生樣本的方法，無需進(jìn)行Gauss 網(wǎng)絡(luò)結(jié)構(gòu)的學(xué)習(xí)，大大減少了計(jì)算量，而且可以獲得高精度的聯(lián)合密度函數(shù)[5]。

　　GN- EDA 的算法步驟為：

4 仿真試驗(yàn)

　　算法采用C++ 在m IntelP41.6GHz 256MRam 環(huán)境下實(shí)現(xiàn)，CDFG 的結(jié)點(diǎn)數(shù)、時(shí)間約束、每個(gè)節(jié)點(diǎn)的信息、結(jié)點(diǎn)之間的連接關(guān)系都是隨機(jī)生成的。首先，隨機(jī)生成了 30、60、100 、200 個(gè)節(jié)點(diǎn)的 CDFG，并隨機(jī)生成了各個(gè)節(jié)點(diǎn)的性能參數(shù)，同時(shí)根據(jù)對(duì)節(jié)點(diǎn)的性能參數(shù)的分析，確定了系統(tǒng)的約束條件以及這些約束條件各自的權(quán)重。CDFG 硬件執(zhí)行時(shí)間為軟件執(zhí)行時(shí)間的20%~50%，硬件代價(jià)約束取值為總硬件代價(jià)之和的50% 。對(duì)每個(gè) CDFG 都進(jìn)行 100 次的測(cè)試，并將最終求出的最優(yōu)解的代價(jià)函數(shù)值的平均值同遺傳算法求出的值進(jìn)行了比較，實(shí)驗(yàn)數(shù)據(jù)如表 1 所示。

　　表 1 為60 節(jié)點(diǎn)系統(tǒng)隨機(jī)運(yùn)行10 次的統(tǒng)計(jì)結(jié)果。從表中數(shù)據(jù)可以看出，與遺傳算法相比，本文提出的GN-EDA 算法在算法的執(zhí)行速度和搜索目標(biāo)函數(shù)最優(yōu)值方面都有很大的優(yōu)勢(shì)。對(duì)于各節(jié)點(diǎn)數(shù)系統(tǒng)，尤其是對(duì)于較多節(jié)點(diǎn)數(shù)系統(tǒng)，GN-EDA 算法有更為優(yōu)化的結(jié)果，且劃分結(jié)果較為穩(wěn)定。

圖2 系統(tǒng)性能收斂曲線

　　圖 2 為 60 節(jié)點(diǎn)系統(tǒng)隨機(jī)運(yùn)行30 次，劃分過程中平均每代最佳有效個(gè)體對(duì)應(yīng)的系統(tǒng)性能，從圖中可以看出GN-EDA 算法有很好的收斂性。

　　5 結(jié)論

　　本文作者創(chuàng)新點(diǎn)：運(yùn)用一種建立在一般結(jié)構(gòu)Gauss 網(wǎng)絡(luò)上的分布估計(jì)算法對(duì)嵌入式系統(tǒng)軟硬件劃分問題進(jìn)行了研究，該算法無需進(jìn)行Gauss 網(wǎng)絡(luò)結(jié)構(gòu)的學(xué)習(xí)，大大減少了計(jì)算量，適用于處理日趨復(fù)雜的嵌入式系統(tǒng)軟硬件劃分問題。實(shí)驗(yàn)結(jié)果表明，GN-EDA 算法能有效地完成軟硬件劃分，并具有較好的計(jì)算穩(wěn)定性。