导读:本文包含了软硬件划分论文开题报告文献综述、选题提纲参考文献，主要关键词:软硬件,算法,嵌入式系统,智能,节点,单元,图形处理。
软硬件划分论文文献综述写法
王忠,夏传良,胡芳凝,刘超群[1]（2019）在《嵌入式系统设计的软硬件划分研究》一文中研究指出文中分析了传统软硬件划分方法的缺点,基于嵌入式系统产品开发实际,提出了一种去中心化的软硬件划分方法。文中详细描述了该方法的五条指导性原则,并用一个开发实例说明了上述原则的应用方法,验证了该方法的有效性。该划分方法简化了复杂任务,提高了程序并发性水平,降低了系统开发难度,具有较高的参考价值。(本文来源于《物联网技术》期刊2019年05期）
刘晓霞,李芳[2]（2018）在《物联网智能感知节点π网低功耗软硬件划分建模》一文中研究指出物联网智能感知节点的低功耗软硬件划分的优劣直接影响节点的续航能力和网络寿命。针对现有物联网智能感知节点的软硬件划分存在能耗较高的问题,提出了基于π网的物联网智能感知节点的低功耗软硬件划分模型。首先对物联网智能感知节点进行带约束定义,得到智能感知节点的约束模型;然后根据π网理论,建立基于π网的智能感知节点软硬件划分模型,实现依据软硬件IP核功耗和系统总体功耗约束下的低功耗软硬件划分,并对模型进行了演化分析。分析与实验仿真结果表明,与基于禁忌搜索算法和遗传算法的模型相比,该模型在适应度、划分执行时间和最小系统划分能耗等方面具有一定的优越性和实用性,可降低物联网智能感知节点能耗,提高其续航能力。(本文来源于《工矿自动化》期刊2018年09期）
侯能,何发智,周毅,陈壹林[3]（2018）在《基于GPU的自适应邻域压缩禁忌搜索的软硬件划分算法》一文中研究指出软硬件划分是软硬件协同设计中的关键步骤,决定了哪些功能由硬件执行,哪些功能由软件执行.软硬件划分属于NP难问题.现代嵌入式系统的复杂性提高,造成软硬件划分问题规模变大,需要采用启发式方法求解.禁忌搜索是求解软硬件划分的有效方法.然而,算法的求解过程非常耗时.已有的禁忌搜索求解软硬件划分是串行实现,要折中考虑解的质量和算法的运行时间.这种考虑牺牲了解的质量.本文提出基于GPU的自适应邻域压缩(compacting neighborhood)禁忌搜索的软硬件划分算法.首先,提出自适应策略.自适应策略能够增强算法的搜索集中性,提高解的质量.GPU的大规模并行特性可以降低算法的运行时间.其次,为了使算法在GPU上高效地执行,提出基于GPU的任务图表达、线程–候选解映射、数据布局和访存等一系列优化策略.最后,实验采用统一设备架构(CUDA)编程,并根据相关基准任务图,通过不同的计算–通信比和实时约束条件,对提出的方法进行验证.结果表明,本文方法的解质量要优于已有的方法.对比将自适应邻域压缩禁忌搜索自然移植到GPU后的运行时间,提出的GPU上的执行优化策略明显地降低了求解时间.另外,在更大规模的软硬件划分上验证了基于GPU的方法在时间上的优势.(本文来源于《中国科学:信息科学》期刊2018年08期）
李金洋[4]（2018）在《软硬件划分若干算法研究及工具实现》一文中研究指出嵌入式系统的快速更新换代推动了以嵌入式技术为基础的智能系统的出现与发展。典型的智能系统有智能交通、智能家居和智能医疗等,这些系统在硬件基础上以软件方式实现智能控制,并要求软硬件紧密耦合。此时传统的系统设计开发方法已无法满足需求,需要使用软硬件协同设计方法进行开发。软硬件划分是软硬件协同设计过程中的关键问题之一,划分结果对系统性能有着重要影响。本文便围绕软硬件划分问题做了相关研究,具体研究内容包括:(1)提出了一种抽象层次较高的面向模块的软硬件划分算法,该算法可将任务划分到不同模块中,再将模块中的任务进行软硬件划分。使用该算法可以根据用户目标需求(最小化执行时间或最小化整体开销)得到相应划分方案。(2)设计了一种基于任务调度的软硬件划分算法,该算法以异构多核片上系统为目标结构,结合了经典遗传算法与基于静态优先级的表调度方法,在确保满足多核片上系统硬件面积约束的前提下,能够同时给出软硬件划分结果与任务调度序列。对比实验表明,该算法较其他算法能有效提升系统时间性能并提高硬件利用率。(3)开发了一款软硬件划分工具,该工具将上述两种算法加以实现,提供了友好的用户界面。用户使用该工具时可根据需求选择划分方法,输入相应任务模型,得到软硬件划分结果。(4)给出了一个基于BNN的交通标志识别系统的例子,用以证明本文所提软硬件划分算法在实际应用中的可行性及有效性。在该实例中,使用软硬件协同设计方法在ARM+FPAG异构平台上完成了系统设计与实现。(本文来源于《华东师范大学》期刊2018-05-01）
胡伟[5]（2018）在《基于改进KL算法的软硬件划分方法》一文中研究指出软硬件划分问题是嵌入式系统软硬件协同设计中的重要问题之一。针对该问题,提出一种基于改进KL算法的软硬件划分方法。通过调整初始分组的方法提高算法的性能,解决了算法执行时容易陷入局部最优解的问题,加快了算法的执行速度。实验结果说明该算法对于规模适中的系统均可以有效地解决软硬件划分问题。(本文来源于《攀枝花学院学报》期刊2018年02期）
刘晓霞,周绍军[6]（2018）在《物联网智能感知节点基于π网软硬件划分模型研究》一文中研究指出针对物联网智能感知节点的软硬件划分问题,提出了基于π网的物联网智能感知节点的软硬件划分模型,并对模型进行了实验与仿真.首先对物联网智能感知节点进行带约束定义,得到了智能感知节点的约束模型;然后利用π网理论,建立了基于π网的物联网智能感知节点软硬件划分模型,并对模型进行了演化分析;最后,利用先进Pareto优化算法对划分模型进行了优化,同时与TS禁忌搜索算法和GA遗传算法等进行了对比实验.通过分析与实验仿真,建立的模型,在适应度和划分执行时间等方面具有一定的优越性和实用性.(本文来源于《西南民族大学学报(自然科学版)》期刊2018年01期）
侯能,何发智[7]（2017）在《混合并行两步调整遗传策略的软硬件划分算法》一文中研究指出为了提高软硬件划分方法的效率,针对已有遗传算法求解软硬件划分没有结合特定问题处理、不满足约束个体的不足,提出一种混合并行的两步调整遗传算法.采用两步调整策略将不满足约束的个体转换为可行个体,当提高方法的运行效率时,图形处理单元用于计算每个个体的硬件耗费、软件耗费和通信耗费,多核CPU(中央处理器)用于并行执行个体间的调整,流并发传输策略进一步减少CPU和GPU(图形处理器)之间的传输开销.在基准数据集上,与求解该问题的已有方法相比,运行时间和求解质量都有明显优势.实验结果验证了该方法的有效性和合理性.(本文来源于《华中科技大学学报(自然科学版)》期刊2017年12期）
胡伟[8]（2017）在《一种基于改进蚁群优化算法的软硬件划分方法》一文中研究指出软硬件划分问题是嵌入式系统的软硬件协同设计中重要的问题之一﹒针对该问题,提出一种基于改进蚁群优化算法的软硬件划分方法﹒通过禁忌搜索算法改进蚁群算法的局部搜索过程,利用禁忌表记录近期的搜索过程,通过禁忌表比对阻止算法重复进入,提高了算法的最优解搜索效率,加快了算法的执行速度﹒实验数据证明改进的蚁群优化算法能提高45%左右的工作效率,同时验证了该算法能够有效地解决软硬件划分问题,提高软硬件协同设计的效率﹒(本文来源于《湖南城市学院学报(自然科学版)》期刊2017年06期）
李岩,屈媛,陈仪香[9]（2017）在《软硬件协同设计中的软硬件划分方法综述》一文中研究指出近年来,随着信息领域的物联网、工业互联网、机器人等研究热点发展,嵌入式系统技术再次得到科技工作者和工程师的广泛关注和重视,同时嵌入式系统产品的集成度和性能要求越来越高。软硬件协同设计是开发嵌入式系统产品的重要方法之一,而软硬件划分是软硬件协同设计中的关键技术。本文对现有软硬件划分方法从不同层面进行梳理和分类,重点介绍几种常用的软硬件划分方法,并结合实例进行了详细阐述,最后对这几种方法进行综合比较,供嵌入式系统开发科技工作者和工程师参考。(本文来源于《单片机与嵌入式系统应用》期刊2017年08期）
鄢小虎,何发智,陈壹林[10]（2017）在《求解大规模软硬件划分问题的爬山淘汰粒子群算法》一文中研究指出为了求解大规模软硬件划分问题,提出了一种爬山淘汰粒子群算法(EPSO-HC).首先,模拟达尔文进化论,淘汰群体中当前全局最差位置附近的个体,保持搜索种群的多样性,防止算法早熟收敛;其次,改进爬山法的搜索机制,以粒子自身经历的最优位置为方向,在当前全局最优位置附近集中搜索,提升解的质量;然后,采用图形处理器并行计算软硬件通信代价,以减少EPSOHC算法的运行时间;最后,通过求解基准任务和特大规模任务来评价EPSO-HC算法的性能.试验结果表明,针对23个软硬件划分任务,与其他软硬件划分算法相比,所提算法解的质量更高,运行时间更少.(本文来源于《东南大学学报(自然科学版)》期刊2017年02期）
软硬件划分论文开题报告范文
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
物联网智能感知节点的低功耗软硬件划分的优劣直接影响节点的续航能力和网络寿命。针对现有物联网智能感知节点的软硬件划分存在能耗较高的问题,提出了基于π网的物联网智能感知节点的低功耗软硬件划分模型。首先对物联网智能感知节点进行带约束定义,得到智能感知节点的约束模型;然后根据π网理论,建立基于π网的智能感知节点软硬件划分模型,实现依据软硬件IP核功耗和系统总体功耗约束下的低功耗软硬件划分,并对模型进行了演化分析。分析与实验仿真结果表明,与基于禁忌搜索算法和遗传算法的模型相比,该模型在适应度、划分执行时间和最小系统划分能耗等方面具有一定的优越性和实用性,可降低物联网智能感知节点能耗,提高其续航能力。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
软硬件划分论文参考文献
[1].王忠,夏传良,胡芳凝,刘超群.嵌入式系统设计的软硬件划分研究[J].物联网技术.2019
[2].刘晓霞,李芳.物联网智能感知节点π网低功耗软硬件划分建模[J].工矿自动化.2018
[3].侯能,何发智,周毅,陈壹林.基于GPU的自适应邻域压缩禁忌搜索的软硬件划分算法[J].中国科学:信息科学.2018
[4].李金洋.软硬件划分若干算法研究及工具实现[D].华东师范大学.2018
[5].胡伟.基于改进KL算法的软硬件划分方法[J].攀枝花学院学报.2018
[6].刘晓霞,周绍军.物联网智能感知节点基于π网软硬件划分模型研究[J].西南民族大学学报(自然科学版).2018
[7].侯能,何发智.混合并行两步调整遗传策略的软硬件划分算法[J].华中科技大学学报(自然科学版).2017
[8].胡伟.一种基于改进蚁群优化算法的软硬件划分方法[J].湖南城市学院学报(自然科学版).2017
[9].李岩,屈媛,陈仪香.软硬件协同设计中的软硬件划分方法综述[J].单片机与嵌入式系统应用.2017
[10].鄢小虎,何发智,陈壹林.求解大规模软硬件划分问题的爬山淘汰粒子群算法[J].东南大学学报(自然科学版).2017