遗传和模拟退火融合的软硬件划分

doi:10.3778/j.issn.1002-8331.2010.28.021

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (28): 73-76.DOI: 10.3778/j.issn.1002-8331.2010.28.021

遗传和模拟退火融合的软硬件划分

李兰英，韩素娟，刁双君

哈尔滨理工大学计算机科学与技术学院，哈尔滨 150080

收稿日期:2009-11-23 修回日期:2010-01-25 出版日期:2010-10-01 发布日期:2010-10-01
通讯作者: 李兰英

Hardware/software partitioning based on combination of genetic algorithm and simulated annealing

LI Lan-ying，HAN Su-juan，DIAO Shuang-jun

School of Computer，Harbin University of Science and Technology，Harbin 150080，China

Received:2009-11-23 Revised:2010-01-25 Online:2010-10-01 Published:2010-10-01
Contact: LI Lan-ying

摘要/Abstract

摘要： 针对嵌入式系统软硬件划分问题，在比较了遗传算法（GA）和模拟退火（SA）各自优缺点的基础上，提出了采用遗传/模拟退火混合算法（GASA）的策略。该算法的核心思想是将模拟退火算法嵌入到遗传算法中，利用遗传优化算法的结果来制约模拟退火的随机状态产生，然后根据模拟退火算法的接受准则和随机状态产生函数来更新遗传算法的种群，从而最终得到最优解。与单纯的遗传算法和模拟退火算法进行对比实验，实验结果表明，GASA更有优势，得到的划分结果也更优秀。

关键词: 嵌入式系统, 软硬件划分, 遗传算法, 模拟退火

Abstract: To solve the hardware/software partitioning problem in embedded system，based on the comparison of Genetic Algorithm（GA） and Simulated Annealing（SA），a hybrid algorithm is proposed on the basis of Genetic Algorithm and Simulated Annealing，which combines the merits of the two algorithms.The essence of the algorithm is inserting Simulated Annealing to Genetic Algorithm.On one hand，the result of Genetic Algorithm restricts the forming of the random state，and on the other hand，the function，formed in Simulated Annealing according to the accepting criterion and random state，updates the population for Genetic Algorithm.Experimental results indicate that the hybrid algorithm is superior to the pure GA and SA in ability and gets better portioning results.

Key words: embedded system, hardware/software partitioning, genetic algorithm, simulated annealing

中图分类号:

TP302

李兰英，韩素娟，刁双君. 遗传和模拟退火融合的软硬件划分[J]. 计算机工程与应用, 2010, 46(28): 73-76.

LI Lan-ying，HAN Su-juan，DIAO Shuang-jun. Hardware/software partitioning based on combination of genetic algorithm and simulated annealing[J]. Computer Engineering and Applications, 2010, 46(28): 73-76.

[1]	李昱奇，刘志乾，程凝怡，王莹莹，朱春丽. 多约束条件下无人机航迹规划[J]. 计算机工程与应用, 2021, 57(4): 225-230.
[2]	杨玮，吴莹莹，王婷. 子母式穿梭车仓储系统配置优化问题研究[J]. 计算机工程与应用, 2021, 57(4): 258-265.
[3]	李倩，蒋丽，梁昌勇. 基于模糊时间窗的多目标冷链配送优化[J]. 计算机工程与应用, 2021, 57(23): 255-262.
[4]	杜守信，毋涛. 双种群混合遗传算法的裁剪分床应用研究[J]. 计算机工程与应用, 2021, 57(22): 182-189.
[5]	曹立佳，刘洋. 制造车间自动导引车调度新进展[J]. 计算机工程与应用, 2021, 57(21): 59-67.
[6]	陈倩茹，李雅丽，许科全，刘铱龙，王淑琴. 自调优自适应遗传算法的WKNN特征选择方法[J]. 计算机工程与应用, 2021, 57(20): 164-171.
[7]	马艳芳，李保玉，杨屹夫，冯翠英. 客户分类下生鲜配送两级路径问题与算法研究[J]. 计算机工程与应用, 2021, 57(20): 287-298.
[8]	石宇强，田永政，张雨琦，石小秋. 运用含复杂网络结构的多种群遗传算法求解FJSP[J]. 计算机工程与应用, 2021, 57(2): 257-266.
[9]	代江涛，韩晓龙. 考虑作业状态能耗的集装箱码头设备协调调度[J]. 计算机工程与应用, 2021, 57(19): 290-298.
[10]	童文林，陈德旺，黄允浒，吕宜生. 结合模拟退火与规则约简的模糊系统优化方法[J]. 计算机工程与应用, 2021, 57(16): 142-150.
[11]	姜良重，雷航，李贞昊，钱伟中，施甘图. 采用自适应优化权重的出库货位优化方法研究[J]. 计算机工程与应用, 2021, 57(15): 271-278.
[12]	贺娇，谭代伦. 基于视野范围和遗传算法的三维地形路径规划[J]. 计算机工程与应用, 2021, 57(15): 279-285.
[13]	冯晓东，黄世荣，戴冠鸥，杨伟家，罗尧治. 天牛须遗传杂交算法的研究与应用[J]. 计算机工程与应用, 2021, 57(15): 90-100.
[14]	苏庆，林华智，黄剑锋，林志毅. 结合CNN和Catboost算法的恶意安卓应用检测模型[J]. 计算机工程与应用, 2021, 57(15): 140-146.
[15]	王秀丽，周鹏，侯静楠，王仕俊，林霞. 面向变电站机器人巡检路径规划中的算法研究[J]. 计算机工程与应用, 2021, 57(14): 245-250.

遗传和模拟退火融合的软硬件划分

Hardware/software partitioning based on combination of genetic algorithm and simulated annealing

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics