在學(xué)術(shù)研究和工業(yè)生產(chǎn)的許多領(lǐng)域中,常用演化算法對實值問題進行優(yōu)化和求解。演化算法作為一種群體為基礎(chǔ)的隨機優(yōu)化方法,與傳統(tǒng)梯度方法相比,缺少梯度信息和優(yōu)化方向,需要通過大量的迭代來優(yōu)化和求解問題,存在運行效率上的不足,這是制約演化算法應(yīng)用的一個重要因素。為了應(yīng)對這一挑戰(zhàn),本課題從計算機體系結(jié)構(gòu)的角度出發(fā),圍繞演化算法運行效率和硬件加速進行研究�；谧钚碌牡谖宕喼噶罴嬎悖≧educed Instruction Set Computing V,RISC-V）體系結(jié)構(gòu),本課題對粒子群優(yōu)化（Particle Swarm Optimization,PSO）、差分演化（Differential Evolution,DE）、協(xié)方差矩陣自適應(yīng)演化策略（Covariance Matrix Adaptation Evolution Strategy,CMAES）三種單目標(biāo)演化算法和第二代非支配排序遺傳算法（Non-dominated Sorting Genetic Algorithm II,NSGA-II）、基于多指標(biāo)的隨機排序算法（Stochastic Ranking-based Multi-ind... 

【文章來源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：86 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題背景及研究的目的和意義
        1.1.1 演化算法的背景
        1.1.2 RISC-V體系結(jié)構(gòu)的背景
        1.1.3 研究的目的和意義
    1.2 相關(guān)領(lǐng)域的研究現(xiàn)狀及分析
        1.2.1 演化算法運行效率相關(guān)研究
        1.2.2 RISC-V體系結(jié)構(gòu)上的算法加速相關(guān)研究
        1.2.3 相關(guān)領(lǐng)域研究現(xiàn)狀的簡析
    1.3 主要研究內(nèi)容
        1.3.1 演化算法
        1.3.2 基準函數(shù)
        1.3.3 軟件運行框架
        1.3.4 RISC-V體系結(jié)構(gòu)具體實現(xiàn)
        1.3.5 研究成果的驗證方式
        1.3.6 算法運行效率的評價指標(biāo)和影響因素
    1.4 研究方法的框架和研究步驟
    1.5 研究的難點和主要創(chuàng)新點
    1.6 論文的組織結(jié)構(gòu)
第2章 存儲器系統(tǒng)對演化算法運行效率影響的研究
    2.1 存儲器系統(tǒng)相關(guān)背景
    2.2 Rocket Chip的存儲器系統(tǒng)
    2.3 高速緩存和演化算法運行效率的研究
        2.3.1 16KiBL1的實驗
        2.3.2 32KiBL1的實驗
        2.3.3 512KiBL2的實驗
        2.3.4 4MiBL3的實驗
    2.4 本章小結(jié)
第3章 NSGA-Ⅱ算法運行效率的研究
    3.1 非支配排序的過程和時間復(fù)雜度分析
    3.2 NSGA-Ⅱ算法各部分消耗周期的情況
    3.3 RoCC協(xié)處理器的設(shè)計
        3.3.1 RoCC協(xié)處理器設(shè)計相關(guān)背景
        3.3.2 協(xié)處理器的輸入輸出和數(shù)據(jù)存儲
        3.3.3 協(xié)處理器的工作和交互流程
        3.3.4 浮點操作的實現(xiàn)方式
        3.3.5 個體對的比較過程
        3.3.6 流水線的設(shè)計
    3.4 RoCC協(xié)處理器的驗證
        3.4.1 加速后NSGA-Ⅱ算法各部分消耗周期的情況
        3.4.2 RoCC協(xié)處理器的加速性能
    3.5 本章小結(jié)
第4章 SRA算法運行效率的研究
    4.1 計算指標(biāo)的過程和時間復(fù)雜度分析
    4.2 SRA算法各部分消耗的周期
    4.3 RoCC協(xié)處理器的設(shè)計
        4.3.1 協(xié)處理器的輸入輸出和數(shù)據(jù)存儲
        4.3.2 協(xié)處理器的工作和交互流程
        4.3.3 浮點操作的實現(xiàn)方式
        4.3.4 計算指標(biāo)的過程
        4.3.5 流水線的設(shè)計
    4.4 RoCC協(xié)處理器的驗證
        4.4.1 加速后SRA算法各部分消耗周期的情況
        4.4.2 RoCC協(xié)處理器的加速性能
    4.5 非支配排序和計算指標(biāo)時間復(fù)雜度的討論
    4.6 本章小結(jié)
結(jié)論
參考文獻
附錄
    附錄A:單目標(biāo)演化算法使用的基準函數(shù)
    附錄B:多目標(biāo)演化算法使用的基準函數(shù)
攻讀碩士學(xué)位期間發(fā)表的論文及其它成果
致謝


【參考文獻】：
期刊論文
[1]AI芯片的發(fā)展及應(yīng)用[J]. 劉衡祁.  電子技術(shù)與軟件工程. 2019(22)

博士論文
[1]高維多目標(biāo)動力學(xué)演化算法及在GPU上的實現(xiàn)[D]. 岳雪芝.武漢大學(xué) 2013



本文編號：3507508