面向动态可重构片上系统的过程级软硬件划分方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-11页 |
| 插图索引 | 第11-12页 |
| 附表索引 | 第12-13页 |
| 第1章 绪论 | 第13-16页 |
| ·课题来源 | 第13页 |
| ·课题研究背景及意义 | 第13-14页 |
| ·研究内容 | 第14页 |
| ·本文主要工作 | 第14-15页 |
| ·论文结构 | 第15-16页 |
| 第2章 基础原理与相关研究 | 第16-26页 |
| ·软硬件协同设计理论 | 第16-18页 |
| ·系统描述 | 第16-17页 |
| ·软硬件划分及综合 | 第17页 |
| ·软硬件协同模拟 | 第17-18页 |
| ·软硬件划分技术 | 第18-25页 |
| ·软硬件划分理论 | 第18-21页 |
| ·国内外研究现状 | 第21-25页 |
| ·小结 | 第25-26页 |
| 第3章 过程级动态软硬件划分方法 | 第26-37页 |
| ·过程级编程模型 | 第26-28页 |
| ·过程级编程模型概述 | 第26页 |
| ·过程级编程模型系统框架 | 第26-28页 |
| ·问题描述 | 第28-30页 |
| ·基于优先级的调度评价方式 | 第30-34页 |
| ·任务优先级定义 | 第30-31页 |
| ·调度算法流程及时间复杂度分析 | 第31-34页 |
| ·动态划分算法 | 第34-36页 |
| ·动态划分思想 | 第34页 |
| ·确定算法的复杂度 | 第34-35页 |
| ·动态软硬件划分流程 | 第35-36页 |
| ·小结 | 第36-37页 |
| 第4章 支持动态软硬件划分的自适应蚁群算法 | 第37-49页 |
| ·蚁群算法概述 | 第37-39页 |
| ·蚁群算法原理 | 第37页 |
| ·蚁群算法的优缺点 | 第37-39页 |
| ·用于软硬件划分的蚁群算法 | 第39-41页 |
| ·问题描述 | 第39页 |
| ·蚁群算法规则 | 第39-41页 |
| ·自适应蚁群算法设计 | 第41-44页 |
| ·蚂蚁数量m设计 | 第42页 |
| ·最大迭代次数N设计 | 第42页 |
| ·信息素挥发因子ρ设计 | 第42-43页 |
| ·启发式因子α和β设计 | 第43-44页 |
| ·支持动态划分的自适应蚁群算法流程 | 第44-45页 |
| ·实验结果分析 | 第45-47页 |
| ·实验模型和环境 | 第45-46页 |
| ·实验结果和分析 | 第46-47页 |
| ·小结 | 第47-49页 |
| 第5章 遗传算法与自适应蚁群算法融合的划分方法 | 第49-60页 |
| ·遗传算法概述 | 第49-53页 |
| ·遗传算法的原理 | 第49-50页 |
| ·遗传算法的基本步骤 | 第50-52页 |
| ·遗传算法的优缺点 | 第52-53页 |
| ·蚁群算法和遗传算法融合原理 | 第53-55页 |
| ·基于时间效率优化的融合 | 第53-54页 |
| ·基于搜索空间优化的融合 | 第54-55页 |
| ·遗传蚁群算法设计 | 第55-57页 |
| ·遗传算法规则 | 第55页 |
| ·蚁群算法规则 | 第55页 |
| ·遗传蚁群算法衔接规则 | 第55-56页 |
| ·算法执行流程 | 第56-57页 |
| ·实验结果分析 | 第57-59页 |
| ·小结 | 第59-60页 |
| 结论与展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-66页 |
| 附录A (攻读学位期间所发表的学术论文目录) | 第66-67页 |
| 附录B (攻读硕士学位期间所参与的科研活动) | 第67页 |
