一种融合面积估算与多目标优化的硬件任务划分算法

"融合面积估算和多目标优化的硬件任务划分算法" 在可重构计算领域，硬件任务划分是优化系统性能和资源利用率的关键步骤。本文提出了一种创新的算法，旨在解决可重构计算机系统中配置次数（即任务划分块数）最小化的问题。此算法将硬件资源面积估算与多目标优化策略相结合，以实现更有效的任务分配。 首先，该算法在每次任务划分时都会进行硬件资源面积的预估，这是一个重要的考虑因素，因为它直接影响到系统的可配置性和资源消耗。通过对可重构资源的使用情况进行全面分析，算法可以更好地理解和预测划分对系统整体资源的影响。 其次，算法通过构建一个名为prior_assigned()的探测函数，该函数考虑了多个关键因素，包括数据流图中所有划分块的执行延迟总和以及不同模块间的边数。这些因素共同决定了任务节点的优先级，进而动态调整就绪列表中的任务调度顺序。这样的设计使得算法能够更灵活地适应不同的任务需求和系统状态。 实验结果显示，与传统的层划分、簇划分、增强静态列表、多目标时域划分和簇层次敏感等五种划分算法相比，本文提出的算法在减少模块数方面表现出色。这表明它能更有效地减少系统的配置次数，从而降低系统的复杂性和提高效率。 此外，当可重构处理单元的面积增大时，除了层划分算法之外，该算法的执行延迟均值也是最小的。这意味着在资源丰富的环境中，该算法能够维持低延迟，这对于高性能和实时应用至关重要。 关键词所涉及的概念包括可重构计算、时域划分、最小化模块数、资源约束、探测函数和多目标优化。这些关键词揭示了算法设计的核心思想，即在满足时序约束的同时，通过多目标优化和精确的资源估计来最小化模块数量，从而达到优化可重构计算机系统性能的目的。 该研究提出的融合面积估算和多目标优化的硬件任务划分算法为可重构计算领域的任务调度提供了新的解决方案，有望在减少系统配置次数和执行延迟方面带来显著改进，进一步推动可重构计算技术的发展。