基于人工蜂群算法的軟硬件劃分算法研究.pdf

1、2005年，人工蜂群算法作為一種新型群體智能優(yōu)化算法應(yīng)運而生，該算法基于仿生學(xué)的某種生物種群通過某種搜索策略進行搜索的智能優(yōu)化算法。人工蜂群算法的優(yōu)點包括：控制參數(shù)少，計算復(fù)雜度低，易于實現(xiàn)等。但是該算法仍有一些不足之處，如局部搜索能力差、精度低、收斂的速度慢的問題。
　　本文對人工蜂群算法的原理、模型等進行了深入探討，并將其應(yīng)用于嵌入式系統(tǒng)中軟硬件劃分優(yōu)化。針對該算法在軟硬件劃分中的不足，提出了一種改進方法，將原始蜂群算法和粒子

2、群算法、蟻群算法、人工魚群算法、遺傳算法進行對比，實驗表明人工蜂群算法在軟硬件劃分中具有明顯優(yōu)勢，且較之原始蜂群算法，改進后的算法能大大提高系統(tǒng)效率。
　　首先，對軟硬件劃分的建模、劃分中的問題及其相關(guān)理論進行詳細介紹，對人工蜂群算法，包括人工蜂群算法的原理、特征、編碼方式和適應(yīng)度函數(shù)進行全面的分析。
　　然后，分析了軟硬件劃分模型的性能指標(biāo)、劃分模型、系統(tǒng)結(jié)構(gòu)，并將人工蜂群算法應(yīng)用于到劃分優(yōu)化問題。
　　最后，對原始

3、的蜂群算法進行改進，提出了基于自適應(yīng)鄰域搜索的方法。通過對原始蜂群算法的搜索策略進行改進，表現(xiàn)為原始蜂群算法中通過改變編碼信息中的某一比特位進行搜索，直到達到搜索次數(shù)限制為止。而改進的方案為，當(dāng)蜜蜂對某一食物源（編碼方案）搜索的次數(shù)達到一定的限制條件時，不能尋找到更好的食物源（編碼方案），搜索策略是通過改變?nèi)舾晌贿M行搜索，直到達到搜索限制的次數(shù)。實驗結(jié)果表明，在對不同節(jié)點的DAG圖劃分實驗中，改進的蜂群算法最優(yōu)解不僅沒有變差，甚至更優(yōu)，