基于启发式方法的可重构系统任务编译技术研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第14-22页 |
| 1.1 课题研究背景与意义 | 第14-17页 |
| 1.1.1 研究背景 | 第14-16页 |
| 1.1.2 研究意义 | 第16-17页 |
| 1.2 课题研究现状及问题 | 第17-20页 |
| 1.2.1 研究现状 | 第17-18页 |
| 1.2.2 问题提出 | 第18-20页 |
| 1.3 课题研究内容 | 第20-21页 |
| 1.4 论文组织结构 | 第21-22页 |
| 第二章 可重构系统任务编译技术概述 | 第22-34页 |
| 2.1 异构动态部分可重构系统 | 第22-24页 |
| 2.1.1 可重构计算发展 | 第22页 |
| 2.1.2 系统关键特征 | 第22-24页 |
| 2.2 可重构系统编译关键技术 | 第24-26页 |
| 2.2.1 代码变换 | 第25页 |
| 2.2.2 任务划分 | 第25-26页 |
| 2.2.3 任务调度 | 第26页 |
| 2.2.4 任务布局 | 第26页 |
| 2.2.5 配置优化 | 第26页 |
| 2.3 任务建模方法 | 第26-27页 |
| 2.3.1 Petri网 | 第26-27页 |
| 2.3.2 任务图 | 第27页 |
| 2.4 任务编译经典算法 | 第27-29页 |
| 2.4.1 规划类方法 | 第27页 |
| 2.4.2 启发式方法 | 第27-28页 |
| 2.4.3 启发式方法比较 | 第28-29页 |
| 2.5 系统评价指标与数据集 | 第29-33页 |
| 2.5.1 评价指标 | 第29页 |
| 2.5.2 数据集 | 第29-33页 |
| 2.6 本章小结 | 第33-34页 |
| 第三章 基于反向学习半径粒子群优化的任务划分算法 | 第34-44页 |
| 3.1 引言 | 第34页 |
| 3.2 粒子群优化理论 | 第34-35页 |
| 3.3 基于反向学习半径粒子群优化的任务划分算法 | 第35-39页 |
| 3.3.1 任务划分模型 | 第35-36页 |
| 3.3.2 学习因子和适应函数 | 第36-37页 |
| 3.3.3 反向学习机制 | 第37-38页 |
| 3.3.4 动态半径粒子群优化 | 第38-39页 |
| 3.4 仿真与分析 | 第39-42页 |
| 3.4.1 环境建立 | 第39-40页 |
| 3.4.2 结果分析 | 第40-42页 |
| 3.5 本章小结 | 第42-44页 |
| 第四章 基于离散粒子群优化的可重构任务调度算法 | 第44-54页 |
| 4.1 引言 | 第44页 |
| 4.2 离散粒子群优化理论 | 第44-45页 |
| 4.3 基于离散粒子群优化的任务调度算法 | 第45-49页 |
| 4.3.1 任务调度模型 | 第45-47页 |
| 4.3.2 粒子编解码和适应函数 | 第47-48页 |
| 4.3.3 预生成调度策略 | 第48-49页 |
| 4.4 仿真与分析 | 第49-53页 |
| 4.4.1 环境建立 | 第49-50页 |
| 4.4.2 结果分析 | 第50-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第五章 基于动态遗传的可重构任务布局算法 | 第54-65页 |
| 5.1 引言 | 第54-55页 |
| 5.2 遗传算法优化理论 | 第55-56页 |
| 5.2.1 基本遗传算法 | 第55页 |
| 5.2.2 随机交叉和动态因子 | 第55-56页 |
| 5.3 基于面积优先的动态遗传任务布局算法 | 第56-61页 |
| 5.3.1 任务模型 | 第56-59页 |
| 5.3.2 任务编码策略 | 第59-60页 |
| 5.3.3 面积优先布局策略 | 第60-61页 |
| 5.3.4 适应函数 | 第61页 |
| 5.4 仿真与分析 | 第61-64页 |
| 5.4.1 环境建立 | 第61-62页 |
| 5.4.2 结果分析 | 第62-64页 |
| 5.5 本章小结 | 第64-65页 |
| 第六章 总结与展望 | 第65-67页 |
| 6.1 本文的主要创新点 | 第65-66页 |
| 6.2 下一步研究工作 | 第66-67页 |
| 致谢 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 作者简历 | 第73页 |
