嵌入式系统软硬件自动划分方法研究

软硬件划分一直是嵌入式系统软硬件协同设计中的难点,如果离开具体系统,单纯的软硬件划分,其性能很难评估。本文提出基于系统体系结构,应用遗传算法来进行多目标优化的软硬件自动划分方法。在具体设计中,使用数据流图对系统建模,采用邻接表进行个体编码,定义交叉、变异操作,同时引入小生境技术,保持解的多样性。该方法为嵌入式系统软硬件自动划分提供一种新思路。     

三种软硬件划分算法的比较分析

软硬件划分是嵌入式系统软硬件协同设计中的关键技术之一,如何兼顾系统的性能和成本,达到两者的最佳结合,是软硬件划分的主要问题.针对单CPU多ASICs类型的目标结构,选取了遗传算法、禁忌搜索算法和模拟退火算法等全局优化算法进行系统的软硬件划分,并对3种算法的有效性进行了比较分析.     

基于Web服务的工作流执行优化方法探讨

工作流优化有多种不同的手段,按照优化操作的对象不同,可以分为结构优化和参数优化.资源优化是工作流参数优化领域的热点,优化资源数量可以最大化地改善工作流时间性能.优化算法主要涉及遗传算法、基于Petri网结构的并行优化和与扩展Petri网结合的遗传算法等.工作流验证目的是在过程设计时检验工作流的正确性,避免执行时出现异常.在工作流模型实际实施之前,探测其中可能存在的各种过程异常可以降低工作流运行时的停产、检查和修复的成本,具有重大的经济意义.车间作业调度问题是一类最具一般性的生产调度问题,采用这种新型的扩展Petri网对调度问题进行建模,结合遗传算法对该调度问题进行优化,最后得到了问题的最优解.这种基于扩展Petri网的遗传算法具有较高的通用性.     

基于组合算法的嵌入式系统软硬件划分方法

嵌入式系统软硬件划分是一个多约束条件、多目标的组合优化问题,单一算法难以找到最优设计方案,为此,提出一种遗传算法和粒子群算法组合的嵌入式系统软硬件划分方法。首先建立嵌入式系统软硬件划分问题的数学模型,然后利用遗传算法找到问题的可行解,最后采用粒子群算法找到最优方案,并采用仿真实验测试算法的性能。仿真结果表明,该方法提高了嵌入式系统软硬件划分问题的求解效率,可以快速找到更优的软硬件划分方案。     

结合遗传算法优化模糊Petri网的参数

本文提出了应用遗传算法实现模糊Petri网参数优化的方法.仿真实验的结果表明,遗传算法能有效地找到模糊Petri网的理想参数,这提高了模糊Petri网对知识的分析、推理能力.     

约束并发机制下Petri网模型的逻辑行为考察与随机性能评估

提出约束并发引发规则,建立该机制下Petri网行为的考察手段,进一步地对该机制下的 随机Petri网的性能进行评估.本文结果可以作为约束并发调度规则下系统逻辑行为分析与 随机品质估计的理论依据,为并发调度优化提供理论准备.     

基于Petri网和systemC的SoC系统描述

针对Petri网自带信息不足、硬件描述能力弱以及systemC无可视性等缺陷，将Petri网与systemC相结合来进行系统级建模。通过分析Petri网和systemC的相似点，建立Petri网和systemC的映射关系，以便于将Petri网描述的系统模型转化为systemC代码。同时，使用层次建模的方法防止状态爆炸。通过以上方式建立系统级模型，描述片上系统（SoC）嵌入式系统软硬件状态，作为可执行的系统级描述。     

基于Petri网的物流仓储系统的建模研究

Petri网作为一种离散事件动态系统的建模和分析方法,提供了在逻辑时序下研究系统特性和性能的有效手段,并有图形方法的直观性和逻辑方法的概括性.运用Petri网建立入库子模型及出库子模型,并使用基本Petri网和随机Petri网的化简规则对相应模型进行化简继而分析,得出优化结论,从而实现物流仓储系统的建模研究.     

基于模糊Petri网学习能力问题的最优化算法

在分析模糊Petri网推理机制的基础上,将优化算法ACA(Ant Colony Algorithm)引入至FPN(Fuzzy Petri Net)的学习能力问题中.针对一知识库系统的具体实例,探讨该算法在FPN学习能力问题中的具体实现,并结合传统优化算法对比分析了它们各自的特点和性能优劣.仿真实验表明,ACA算法整体性能最佳,训练出的参数正确率较高,且所得的模糊Petri网具有很强的泛化能力和自适应功能.     

一种面向对象模糊Petri网建模方法的研究*

针对一些复杂知识系统的知识不确定性及知识规则数量多的特点,在模糊Petri网（FPN）的基础上给出了面向对象模糊Petri网（object-oriented fuzzy Petri net, OOFPN）的形式化定义及其知识表示和知识推理。通过面向对象技术,可以采用模块化方法设计知识系统,将复杂知识系统划分为许多功能子系统,从而降低构建知识系统的复杂性,方便知识系统的优化和管理。