[发明专利]一种遗传算法的软硬件协同工作实现方法

说明书

技术领域

本发明涉及智能计算与软硬件协同技术，特别涉及一种使用软硬件协同来处理遗传算法 的技术。

背景技术

遗传算法(Genetic Algorithm，GA)是Holland在1975年在《Adaptation in Natural and Artificial System》中首次提出的一种概率搜索算法，遗传算法通过有组织地然而是随机地信 息交换来重新结合那些适应性好的串，在每一代中，利用上一代串中适应性好的位和段来生 成一个新的串的群体，作为额外添加，偶尔也要在串结构中尝试用新的位和段来替代原来的 部分。类似于自然进化，遗传算法通过作用于染色体上的基因，寻找好的染色体来求解问题。 由于它不受搜索空间限制性假设条件的约束，不必要求诸如连续性、可微性和单峰性等假设， 以及其固有的并行性，因此作为一种稳健、高效的优化算法已被广泛应用于各个领域。

而目前的遗传算法都是由纯硬件或者纯软件实现，由软件实现，算法的运算效率低下。 而由纯硬件实现，只能针对某个问题进行求解，做不到通用性。这两种实现方法都有其各自 的缺陷，目前急需一种可行的综合性技术方法能够改善上述技术的缺陷。

软硬件协同设计(Hardware/Software Co-designing)的思想是在硬件和软件设计过程中尽最 大限度的利用其协同作用来满足系统的要求。自从软硬件协同思想提出以后，一直备受国内 外研究者的关注，关于软硬件协同设计领域的研究也十分活跃。到目前为止，国内外学者已 经在此方面做过很多研究，比如在遥感影像的实时效应，音频编码算法，Lattice译码算法，数 字电路仿真，系统的模拟、仿真和调试等一些方面都使用过软硬件协同设计方法，并且获得 比使用传统的设计方法更好的效果。因此利用软硬件协同设计方法不仅可以提高求解问题的 效率，同时可以扩宽其应用领域，进一步推动软硬件协同设计的发展等。

发明内容

本发明的目的在于，利用软硬件协同工作的方式提供一种遗传算法的实现方法，使算法 的计算性能得到显著的提升，并且增加计算的通用性。

本发明所提供遗传算法的软硬件协同工作实现方法，基于FPGA平台实现以下各部分，

(1)在硬件层面，建立硬件遗传算法IP核，

(2)在软件层面建立软件协同系统，用于计算适应值与随机数并向硬件遗传算法IP核 提供，

(3)建立硬件遗传算法IP核与软件协同系统之间信息交互的协议，使硬件层面与软件 层面之间的信息交互达到同步状态；

所述软件协同系统包括以下模块，

适应值计算模块，该模块根据实际问题提供相应的适应值函数，通过适应值函数实现个 体适应值的计算；

随机数模块，该模块根据硬件需求产生一个随机数；

所述硬件遗传算法IP核包括以下模块，

总控模块，该模块提供各个模块之间调用的控制信号，从而控制整个遗传算法的流程以 及数据的流向，协调各个模块在总控模块的控制信号下工作；

初始化模块，该模块随机地产生演化所需的初始种群，为遗传算法提供初始种群；

交叉选择模块，该模块实现精英选择和交叉操作的相结合，即由随机数模块提供的随机 数选择两个个体作为父代个体，确定交叉点位置，进行单点交叉操作产生两个新个体，然后 根据适应值计算模块提供的适应值，从新个体和父代个体中选择两个适应值最高的个体替换 父代；

变异选择模块，该模块实现精英选择和变异操作的相结合，即由随机数模块提供的随机 数选择一个个体作为父代个体，确定变异点位置，进行单点变异操作产生一个新个体，然后 根据适应值计算模块提供的适应值，从新个体和父代个体中选择一个适应值最高的个体替换 父代，；

评价模块，该模块寻找出新一代种群中具有最优适应值的个体，将具有最优适应值的个 体更新到存储种群的片上内存上；并判断是否已达终止条件，若满足终止条件则停止遗传算 法；

片上内存模块，该模块组织两个片上内存，分别用于存储种群和适应值；

个体控制模块，该模块是一个四选一模块，用于判断初始化模块、交叉选择模块、变异 选择模块和评价模块中是哪个模块要从存储种群的片上内存中进行个体读取和存储；