基于改进蛙跳算法的社区划分方法

现有的网络社区划分方法以社区为主体,机械地将每一个节点划分到某一个社区,在真实网络中,对于活跃度低的用户进行划分会大大降低划分精确度,同时增加时间复杂度,并具有较小的划分意义。因此,将蛙跳算法与社区划分相结合,通过对青蛙性能的排序,提取活跃度高的用户,从而提高划分精确度。实验结果表明该方法具有良好的性能。     

一种基于云模型的改进型混洗蛙跳算法

针对经典混洗蛙跳算法在函数优化中易陷入局部最优和早熟收敛等缺点,结合云模型在定性与定量之间相互转换的优良特性,提出一种基于云模型的改进型混洗蛙跳算法。其思想是通过反向学习机制初始化种群,再通过正态云算子求解全局最优个体和子群最优个体周围的更优值,最后利用混沌理论对个别个体进行变异来跳出局部最优解。典型复杂函数测试表明,该算法能有效找出全局最优解,特别适宜于多峰值函数寻优。     

基于资源受限的软硬件划分方法

本文提出了一种在硬件资源受限的情况下进行软硬件划分的一种方法。以贪婪算法(greedy)作为划分的核心，并对所抽取的划分图进行结点的预先分类，减小贪婪算法探索的设计空间，加速算法的执行。通过反复地迭代，获得了最终的软硬件划分选择。实验证明，这种软硬件划分的方法具有高效率及高面积利用率的特点。     

混合蛙跳算法研究综述

本文介绍了其基本原理和算法模型。每年都有许多研究人员为了提高其优化性能做出贡献,本文从参数调整和混合优化两方面讨论了混合蛙跳算法近几年的一些改进,对该算法的应用也进行了梳理,最后分析了算法的进一步研究方向和应用领域。     

一种基于改进模拟退火算法的软硬件划分技术

提出一种应用于嵌入式系统软硬件划分的改进模拟退火算法.算法通过使用基于Cauchy分布的扰动模型和Tsallis接收准则来提高模拟退火算法的性能.通过对比经典的模拟退火软硬件划分技术以及实验结果的验证表明,使用改进模拟退火算法能加快划分的收敛,并且找到目标函数的最优值的概率也更大.     

基于改进的遗传算法软硬件划分方法研究

随着芯片集成度的飞速发展,集成电路的设计已经进入了片上系统（SoC,System on Chip）的时代。传统的软硬件分开设计的方法已经不再适合SoC设计的需要,而软硬件协同设计技术很好地解决了传统设计方法所不能解决的问题。软硬件划分方法是软硬件协同设计中的一个关键的问题,文章主要从基于多目标的遗传算法出发,对遗传算法主要做了两方面的改进：一方面引入小生境技术,进一步优化了算法;另一方面是引入精英保持策略,保证了算法的收敛性。并通过实验,对比不同算法之间的结果,验证了算法的收敛性。     

基于改进的遗传算法软硬件划分方法研究

随着芯片集成度的飞速发展,集成电路的设计已经进入了片上系统（Soc,Systemonchip）的时代。传统的软硬件分开设计的方法已经不在适合Soc设计的需要,而软硬件协同设计技术很好解决了传统设计方法所不能解决的问题。软硬件划分方法是软硬件协同设计中的一个关键问题,从基于多目标的遗传算法出发,主要做了两方面的改进：一方面引入小生境技术,进一步优化了算法;另一方面是引入精英保持策略,保证了算法的收敛性。     

基于改进混合蛙跳算法的CVRP求解

该文提出基于实数编码模式的混合蛙跳算法(Shuffled Frog Leaping Algorithm,SFLA)求解容量约束车辆路径问题(Capacitated Vehicle Routing Problem,CVRP);把具有极强局部搜索能力的幂律极值动力学优化(Power Law Extremal Optimization,-EO)融合于SFLA,针对CVRP对-EO过程进行设计和改进。改进的-EO采用新颖的组元适应度计算方法;采用幂律概率分布来挑选需要变异的组元;根据最邻近城市表,采用幂律概率分布挑选变异组元的最佳邻近城市,执行线路间或线路内的变异。求解测试库中的实例,证明该改进算法有效。     

基于遗传算法的Soc软硬件划分方法研究

软硬件划分是软硬件协同设计中的一个关键问题。本文基于多目标的遗传算法,从任务级抽象建模,对系统进行软硬件划分,并采用小生境技术,将共享函数的概念引入到求解多目标最优化问题的遗传算法中,保证了群体多样性以及有效避免未成熟收敛。     

基于改进的NSGA遗传算法的SOC软硬件划分方法

在遗传算法中引入精英保持策略构造非支配集和生成新群体,并用排除法构造非支配集,本文得到了一种改进的非支配集分类遗传算法,该算法具有全局收敛特性,并简化了计算复杂性.本文将此算法应用于SOC设计的软硬件划分.针对SOC系统设计中存在多个IP核的特点,采用整数向量的个体编码方案,避免了个体编码解码的冗余.本文给出了仿真实验结果,验证了该划分方法的有效性.     

改进多路软硬件划分算法的筛选法

文章提出筛选法对基于抽象体系结构模板的多路软硬件划分算法进行了改进,从而使整个软硬件划分-任务调度过程的时间大大缩短。该方法在原算法的软硬件划分和任务调度过程之间加入了一个筛选步骤,对软硬件划分结果的硬件面积进行预估,依据预估的结果进行筛选,筛选后满足要求的划分方案才进行调度,从而大大减少了调度过程的工作量。实验结果表明,加入筛选步骤后,在最终结果性能基本不损失的前提下,整个软硬件划分-任务调度过程的速度有明显提高。     

基于扩展背包问题的的软硬件划分算法

软硬件划分问题常以时间为约束对硬件面积进行优化。随着嵌入式的发展,功耗这一因素也越来越重要,故在约束条件中加入了功耗的约束。贪婪算法是解决0-1背包问题的一种简单有效的方法,因此建立多约束的软硬件划分问题与0-1背包问题之间的联系,采用扩展的贪婪算法解决多性能指标的软硬件划分问题。利用仿真与动态规划方法的对比,进行了有效性验证。     

An Algorithm for Hardware/Software Partitioning Using Mixed Integer Linear Programming

One of the key problems in hardware/software codesign is hardware/software partitioning. This paper describes a new approach to hardware/software partitioning using integer programming (IP). The advantage of using IP is that optimal results are calculated for a chosen objective function. The partitioning approach works fully automatic and supports multi-processor systems, interfacing and hardware sharing. In contrast to other approaches where special estimators are used, we use compilation and synthesis tools for cost estimation. The increased time for calculating values for the cost metrics is compensated by an improved quality of the values. Therefore, fewer iteration steps for partitioning are needed. The paper presents an algorithm using integer programming for solving the hardware/software partitioning problem leading to promising results.     

高效关键路径粒子群的软硬件划分算法

软硬件划分是在满足系统约束条件下,将系统中部分功能模块由硬件实现,部分功能模块由软件实现,使系统整体性能达到最优.本文采用有向无环图对划分问题建模,提出采用关键路径调度、自适应性的高效粒子群软硬件划分算法.实验结果表明,采用本文算法,所得结果明显优于采用先来先服务的调度方法.     

基于关键路径和面积预测的软硬件划分方法

本文提出了一种基于关键路径和面积预测的软硬件划分方法,这种划分方法将软硬件映射和任务调度合而为一,在调度过程中同时完成软硬件的映射,充分发挥了任务调度的作用.在实验过程中,我们对比了基于模拟退火算法的软硬件划分方法(SA)和基于路径分析的软硬件划分方法(PA).实验结果表明,我们提出的方法在成功率以及结果的优化程度上都能取得更好的效果.     

基于蛙跳算法的模糊图像复原

针对模糊图像复原的特点,提出蛙跳算法。首先按青蛙适应度值从大到小降序排序,控制种群移动步长对子群中最差青蛙的位置进行更新;接着通过模糊运动图像模型构造矩阵函数对图像复原,将蛙跳步长与模糊图像抑制比建立关系,同时给出评价指标体系以及算法流程。实验仿真结果证明,蛙跳算法具有对模糊图像复原清晰度高、抑制噪声能力强的特点。     

基于蛙跳算法的模糊图像复原

为了提高模糊图像复原后的清晰度,提出蛙跳算法。将蛙群体分成若干个族群,每个族群包含若干只青蛙,每次进化只更新最差青蛙的位置。为防止解空间收缩,对最优个体进行高斯变异算子操作,同时设定阈值策略对蛙跳各维变量进行指导性更新。建立模糊图像复原模型,用蛙跳算法非线性映射特性建立模糊图像与复原的函数关系,使模糊图像复原的解最终收敛于泊松统计的最大似然解。建立了复原评价指标。仿真实验结果表明,与其他算法相比,蛙跳算法复原较清晰,改善百分比最大,同时耗时最少。