基于遗传和阴性选择的混合软硬件划分方法
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 缩略语对照表 | 第9-12页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 设计方法 | 第13-15页 |
| 1.2.1 传统设计方法 | 第13-14页 |
| 1.2.2 软硬件协同设计方法 | 第14-15页 |
| 1.3 国内外研究状况 | 第15-17页 |
| 1.3.1 国外研究状况 | 第15-16页 |
| 1.3.2 国内研究状况 | 第16-17页 |
| 1.3.3 研究状况总结 | 第17页 |
| 1.4 本文研究内容 | 第17-20页 |
| 第二章 软硬件划分系统综述 | 第20-28页 |
| 2.1 软硬件划分主要内容 | 第20-21页 |
| 2.1.1 软硬件划分系统的要求 | 第20页 |
| 2.1.2 目标系统结构 | 第20-21页 |
| 2.1.3 系统开销和优化目标 | 第21页 |
| 2.2 软硬件划分问题 | 第21-25页 |
| 2.2.1 组合优化 | 第21-22页 |
| 2.2.2 软硬件划分的定义 | 第22-23页 |
| 2.2.3 多目标优化 | 第23页 |
| 2.2.4 多目标优化的数学定义 | 第23-25页 |
| 2.2.5 多目标优化与软硬件划分 | 第25页 |
| 2.3 嵌入式系统建模方法 | 第25-28页 |
| 第三章 遗传和阴性选择算法研究与分析 | 第28-38页 |
| 3.1 遗传算法 | 第28-32页 |
| 3.1.1 遗传算法基本原理 | 第28-29页 |
| 3.1.2 遗传编码 | 第29页 |
| 3.1.3 种群规模与初始化 | 第29-30页 |
| 3.1.4 适应度函数 | 第30页 |
| 3.1.5 遗传运算 | 第30-31页 |
| 3.1.6 遗传算法流程及特性 | 第31-32页 |
| 3.2 阴性选择算法 | 第32-38页 |
| 3.2.1 阴性选择算法基本原理 | 第32-34页 |
| 3.2.2 阴性选择算法如何应用于优化 | 第34-36页 |
| 3.2.3 阴性选择算法的流程 | 第36-38页 |
| 第四章 基于遗传和阴性选择的混合软硬件划分算法 | 第38-58页 |
| 4.1 遗传算法与阴性选择算法对比分析 | 第38-41页 |
| 4.1.1 时间复杂度 | 第38-40页 |
| 4.1.2 寻优趋势 | 第40-41页 |
| 4.1.3 寻优能力与收敛速度 | 第41页 |
| 4.2 算法实现 | 第41-58页 |
| 4.2.1 软硬件划分模型 | 第41-43页 |
| 4.2.2 目标函数的计算 | 第43-46页 |
| 4.2.3 基因库与等位基因浓度 | 第46-47页 |
| 4.2.4 自我集 | 第47-49页 |
| 4.2.5 适应度函数 | 第49-51页 |
| 4.2.6 带海明距离检测的均匀两点交叉运算 | 第51-54页 |
| 4.2.7 算法的步骤和流程 | 第54-58页 |
| 第五章 算法验证及结果分析 | 第58-70页 |
| 5.1 实验环境与实验用例 | 第58-60页 |
| 5.2 实验结果及分析 | 第60-70页 |
| 5.2.1 子目标函数值变化趋势 | 第60-63页 |
| 5.2.2 适应度值变化趋势 | 第63-65页 |
| 5.2.3 解的数量 | 第65-67页 |
| 5.2.4 算法执行时间 | 第67-70页 |
| 第六章 总结 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76-78页 |
| 作者简介 | 第78-79页 |
