一種基于多目標(biāo)混洗蛙跳的軟硬件劃分方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種系統(tǒng)軟硬件協(xié)同設(shè)計(jì)中的軟硬件劃分技術(shù)。特別是涉及一種針對(duì) 嵌入式系統(tǒng)實(shí)現(xiàn)復(fù)雜任務(wù)的基于多目標(biāo)混洗蛙跳的軟硬件劃分方法。
【背景技術(shù)】
[0002] 1、混洗蛙跳算法簡(jiǎn)介
[0003] 混洗娃跳算法（Shuffled Frog Leap Algorithm, SFLA)是一種新型群體智能優(yōu)化 算法，其思想來(lái)源于青蛙群體的迀移和覓食行為。混洗蛙跳算法的仿生學(xué)行為可以描述為： 在一片洼地中生活著一群青蛙，每個(gè)青蛙都有自己的思想。為了尋找食物，每個(gè)青蛙都會(huì)向 距離食物更近的青蛙跳躍以縮短自己與食物的距離，同時(shí)青蛙群體每完成一次更新，青蛙 個(gè)體之間都會(huì)進(jìn)行信息交換與共享以提高整個(gè)青蛙種群搜索食物的能力。為了避免青蛙子 群體的積聚現(xiàn)象，每次交換信息之后青蛙群體還會(huì)被重新隨機(jī)分組，這樣每個(gè)青蛙都能夠 攜帶自己曾經(jīng)尋找食物的信息以提供子種群間的學(xué)習(xí)和進(jìn)化，再通過(guò)子種群中的最優(yōu)個(gè)體 對(duì)子種群內(nèi)的青蛙進(jìn)行跳躍方向的指導(dǎo)。這一過(guò)程在青蛙個(gè)體的自我適應(yīng)（局部搜索）與 青蛙子種群之間的洗牌分組（全局搜索）之間交替進(jìn)行，直至滿(mǎn)足算法停止準(zhǔn)則。
[0004] 2、Pareto 優(yōu)化理論
[0005] Pareto優(yōu)化理論考慮的是在多目標(biāo)優(yōu)化問(wèn)題中多個(gè)優(yōu)化目標(biāo)協(xié)同考慮無(wú)差別對(duì) 待是的優(yōu)化比較模式，主要包括以下幾個(gè)概念：
[0006] (1) Pareto優(yōu)越性：一個(gè)給定的目標(biāo)向量u = (Up u2，…，un)優(yōu)于另一個(gè)目標(biāo)向量 v = (Vp v2，…，vn)(記為u > v)當(dāng)且僅當(dāng)u的部分分量小于v
[0007]
【主權(quán)項(xiàng)】
1. 一種基于多目標(biāo)混洗蛙跳的軟硬件劃分方法，其特征在于，包括如下步驟： 1) 初始化算法參數(shù)，混洗蛙跳算法的初始時(shí)刻，首先隨機(jī)生成青蛙種群，每個(gè)青蛙的位 置對(duì)應(yīng)的N位編碼二進(jìn)制序列的每一位采用0或1等概率隨機(jī)生成的方式，迭代次數(shù)gen =〇 ； 2) 初始化Pareto最優(yōu)臨時(shí)種群，初始化Pareto最優(yōu)種群，初始化V組青娃種群，并利 用評(píng)估模塊進(jìn)行預(yù)調(diào)度和計(jì)算，獲得每個(gè)青蛙個(gè)體對(duì)應(yīng)解的各個(gè)基本參數(shù)； 3) 對(duì)V組青蛙種群分別進(jìn)行類(lèi)似的操作，分別以第i組青蛙種群以第i個(gè)優(yōu)化目標(biāo)用 混洗蛙跳算法進(jìn)行進(jìn)化，包括： (1) 按照青蛙個(gè)體的第i個(gè)優(yōu)化目標(biāo)對(duì)整個(gè)青蛙種群進(jìn)行降序排序，并按照模因分組 法對(duì)青蛙種群進(jìn)行分組，確定每組中的組內(nèi)最優(yōu)青蛙、組內(nèi)最差青蛙以及整個(gè)青蛙種群中 的全局最優(yōu)青娃； (2) 在第i組青蛙種群中首先利用組內(nèi)最優(yōu)青蛙的信息更新組內(nèi)最差青蛙，若發(fā)現(xiàn)更 新后的組內(nèi)最差青蛙的第i個(gè)優(yōu)化目標(biāo)值優(yōu)于之前的青蛙且滿(mǎn)足系統(tǒng)本身的約束條件，則 完成一次更新過(guò)程；否則，采用全局最優(yōu)青蛙的位置信息更新，若更新后的組內(nèi)最差青蛙的 優(yōu)化目標(biāo)值優(yōu)于之前的青蛙且滿(mǎn)足系統(tǒng)本身的約束條件，則完成更新過(guò)程；若依然無(wú)法更 新成功，則采用隨機(jī)更新的方式更新組內(nèi)最優(yōu)青蛙； (3) 對(duì)全體青蛙種群進(jìn)行混洗，將所有青蛙個(gè)體按第i個(gè)優(yōu)化目標(biāo)值進(jìn)行降序排序，重 新分組，完成第i組青蛙種群的一次進(jìn)化； 4)利用Pareto優(yōu)越性以及Pareto最優(yōu)解集，分別從兩組青蛙種群中提取出各自組內(nèi) 的Pareto最優(yōu)解集，并存入Pareto最優(yōu)臨時(shí)種群中； 5) 保留精英的Pareto最優(yōu)解，生成本代的Pareto最優(yōu)種群； 6) 將本代Pareto最優(yōu)種群分別與V組青蛙種群進(jìn)行交叉混合操作，生成用于下一代V 個(gè)優(yōu)化目標(biāo)進(jìn)行進(jìn)化的青蛙種群； 7) 迭代次數(shù)gen自加，比較gen與最大迭代進(jìn)化代數(shù)MaxGen的值，如果gen大于MaxGen，本代Pareto臨時(shí)種群的規(guī)模大于ParetoTempBestSize或者本代Pareto最優(yōu)種群 的規(guī)模大于ParetoBestSize，則結(jié)束迭代進(jìn)化過(guò)程，跳轉(zhuǎn)至步驟8);否則繼續(xù)迭代進(jìn)化，跳 轉(zhuǎn)至步驟3)。 8) 輸出最后一代的最終Pareto最優(yōu)種群作為本次算法的輸出，這些解也正是多目標(biāo) 軟硬件劃分問(wèn)題的多個(gè)最優(yōu)解，算法結(jié)束。
2. 根據(jù)權(quán)利要求1所述的一種基于多目標(biāo)混洗蛙跳的軟硬件劃分方法，其特征在于， 步驟1)所述的參數(shù)包括每組青蛙種群個(gè)體總數(shù)，用FrogNum表示，每組青蛙子種群數(shù)量，用 GroupNum表示，步長(zhǎng)概率，用y表示，最大迭代進(jìn)化代數(shù)用MaxGen表示，Pareto臨時(shí)最優(yōu) 種群最大規(guī)模用ParetoTempBestSize表不，Pareto最優(yōu)種群最大規(guī)模用ParetoBestSize 表示，優(yōu)化目標(biāo)個(gè)數(shù)，用V表示，以V個(gè)優(yōu)化目標(biāo)生成V個(gè)青蛙種群。
3. 根據(jù)權(quán)利要求1所述的一種基于多目標(biāo)混洗蛙跳的軟硬件劃分方法，其特征在于， 步驟2)所述的初始化V組青蛙種群，是分別對(duì)V組青蛙種群的每個(gè)青蛙個(gè)體所在的位置進(jìn) 行評(píng)估，即將位置信息的二進(jìn)制編碼序列送入評(píng)估函數(shù)，采用評(píng)估函數(shù)計(jì)算軟硬件面積、時(shí) 間開(kāi)銷(xiāo)、系統(tǒng)功耗和系統(tǒng)最大通信存儲(chǔ)容量；所述Pareto最優(yōu)臨時(shí)種群和初始化Pareto最 優(yōu)種群都初始化為空集合。
4. 根據(jù)權(quán)利要求1所述的一種基于多目標(biāo)混洗蛙跳的軟硬件劃分方法，其特征在于， 步驟3)中所述的模因分組是：假設(shè)每組青蛙的個(gè)數(shù)為n，排名為1的青蛙分在1號(hào)組，排名 為2的青蛙分在2號(hào)組，以此類(lèi)推，排名為m的青蛙分在m號(hào)組，排名為m+1的青蛙分在1 號(hào)組，組號(hào)k與青蛙個(gè)體的序號(hào)i之間的關(guān)系為：
同時(shí)標(biāo)記每組中優(yōu)化目標(biāo)值最優(yōu)的為組內(nèi)最優(yōu)青蛙xb、優(yōu)化目標(biāo)值最差的為組內(nèi)最差 青蛙xw以及全局優(yōu)化目標(biāo)值最優(yōu)的為整個(gè)青蛙種群中的全局最優(yōu)青蛙xbest。
5. 根據(jù)權(quán)利要求1所述的一種基于多目標(biāo)混洗蛙跳的軟硬件劃分方法，其特征在于， 步驟3)中所述的更新是：利用組內(nèi)最優(yōu)青蛙的信息更新組內(nèi)最差青蛙更新方案如下式：
利用全局最優(yōu)青蛙的信息更新組內(nèi)最差青蛙更新方案如下式：
其中，
genBool(rand)表示的是采用賭輪法以概率P=y產(chǎn)生1，以概率P= 1-y產(chǎn)生0的 一個(gè)隨機(jī)值生成函數(shù)，即
y稱(chēng)為步長(zhǎng)概率。
6. 根據(jù)權(quán)利要求1所述的一種基于多目標(biāo)混洗蛙跳的軟硬件劃分方法，其特征在于， 步驟5)中所述的精英的Pareto最優(yōu)解是：對(duì)第i組的每個(gè)青蛙個(gè)體x的兩個(gè)優(yōu)化目標(biāo)值 Vl，v2, . . .，￥￥與同組的其他青蛙個(gè)體的兩個(gè)優(yōu)化目標(biāo)值進(jìn)行比較，如果對(duì)其他組內(nèi)青蛙個(gè) 體的任一個(gè)青娃個(gè)體y(兩個(gè)優(yōu)化目標(biāo)值Wpw2, . . .，wv)有V#wv2<W2, . . .，Vv<wv，則 認(rèn)為個(gè)體X是一個(gè)Pareto最優(yōu)個(gè)體。
【專(zhuān)利摘要】一種基于多目標(biāo)混洗蛙跳的軟硬件劃分方法：混洗蛙跳算法的初始時(shí)刻；初始化V組青蛙種群，并利用評(píng)估模塊進(jìn)行預(yù)調(diào)度和計(jì)算，獲得每個(gè)青蛙個(gè)體對(duì)應(yīng)解的各個(gè)基本參數(shù)；分別以第i組青蛙種群以第i個(gè)優(yōu)化目標(biāo)用混洗蛙跳算法進(jìn)行進(jìn)化；分別從兩組青蛙種群中提取出各自組內(nèi)的Pareto最優(yōu)解集；保留精英的Pareto最優(yōu)解，生成本代的Pareto最優(yōu)種群；將本代Pareto最優(yōu)種群分別與V組青蛙種群進(jìn)行交叉混合操作，生成用于下一代V個(gè)優(yōu)化目標(biāo)進(jìn)行進(jìn)化的青蛙種群；比較gen與最大迭代進(jìn)化代數(shù)MaxGen的值；輸出最后一代的最終Pareto最優(yōu)種群作為本次算法的輸出。本發(fā)明可以提高系統(tǒng)的搜索和尋優(yōu)能力，提高系統(tǒng)執(zhí)行任務(wù)的效率。
【IPC分類(lèi)】G06N3-00
【公開(kāi)號(hào)】CN104573814
【申請(qǐng)?zhí)枴緾N201510018118
【發(fā)明人】張濤, 馮超, 蔡曉, 焦海泉
【申請(qǐng)人】天津大學(xué)
【公開(kāi)日】2015年4月29日
【申請(qǐng)日】2015年1月14日