基于多目标演化算法的SOC设计空间搜索策略研究
| 第1章 绪论 | 第1-19页 |
| ·SOC设计技术概述 | 第10-11页 |
| ·SOC的自顶向下设计方式 | 第11-13页 |
| ·SOC中的IP模块重用技术 | 第13-15页 |
| ·IP模块 | 第13-14页 |
| ·IP模块的重用 | 第14页 |
| ·IP模块重用面临的问题 | 第14-15页 |
| ·基于平台的SOC设计方法 | 第15-18页 |
| ·SOC设计平台的分类 | 第16-17页 |
| ·平台中的处理器核 | 第17页 |
| ·SOC平台配置空间的复杂性 | 第17-18页 |
| ·本文的主要工作 | 第18-19页 |
| 第2章 SOC系统级综合的形式化描述 | 第19-28页 |
| ·SOC系统综合概述 | 第19-21页 |
| ·SOC系统综合的任务 | 第19页 |
| ·SOC系统综合的方法 | 第19-21页 |
| ·演化算法用于SOC系统综合的优点 | 第21页 |
| ·SOC系统综合的形式化描述 | 第21-27页 |
| ·系统功能的形式化描述 | 第21-24页 |
| ·系统综合的形式化描述 | 第24-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 多目标演化算法 | 第28-38页 |
| ·多目标优化问题的数学描述 | 第28-29页 |
| ·多目标演化算法的分类 | 第29-31页 |
| ·先验优先权技术 | 第29-30页 |
| ·优先权演化技术 | 第30页 |
| ·后验优先权技术 | 第30-31页 |
| ·典型多目标演化算法的比较与分析 | 第31-36页 |
| ·多性别遗传算法 | 第31-32页 |
| ·向量评估遗传算法(VEGA) | 第32-33页 |
| ·多目标遗传算法(MOGA) | 第33-35页 |
| ·非劣性分层遗传算法(NSGA) | 第35页 |
| ·小组决胜遗传算法(NPGA) | 第35-36页 |
| ·比较的结论 | 第36页 |
| ·多目标演化算法研究中的相关问题 | 第36-37页 |
| ·多目标问题非劣最优域的性质 | 第36-37页 |
| ·算法性能的评估技术 | 第37页 |
| ·算法收敛性分析 | 第37页 |
| ·本章小结 | 第37-38页 |
| 第4章 一种新的SOC设计空间搜索策略 | 第38-52页 |
| ·利用参数依赖性缩减设计空间的方法 | 第38-42页 |
| ·SOC的可配置参数 | 第38-40页 |
| ·参数依赖性的基本概念 | 第40页 |
| ·设计空间的缩减方法 | 第40-42页 |
| ·设计空间搜索策略概述 | 第42-44页 |
| ·设计空间搜索问题的数学描述 | 第42页 |
| ·设计空间搜索策略的算法描述 | 第42-44页 |
| ·多目标演化搜索 | 第44-51页 |
| ·遗传算法的设计策略 | 第44-48页 |
| ·算法参数的选取与算法的实现 | 第48-49页 |
| ·算法的评价 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 第5章 与敏感度分析策略的实验对比研究 | 第52-61页 |
| ·敏感度分析策略 | 第52-54页 |
| ·单目标敏感度分析 | 第52-53页 |
| ·基于Pareto概念的多目标敏感度分析 | 第53-54页 |
| ·Platune平台 | 第54-56页 |
| ·Platune平台的体系结构 | 第54-55页 |
| ·Platune平台的主要功能 | 第55-56页 |
| ·仿真实验 | 第56-60页 |
| ·实验方案设计 | 第56-57页 |
| ·实验统计数据 | 第57-59页 |
| ·实验结论 | 第59-60页 |
| ·本章小结 | 第60-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间发表的论文及取得的科研成果 | 第67-68页 |
| 致谢 | 第68页 |
