粒子群算法的硬件实现及性能分析

摘要

量子粒子群算法(Quantum-behaved Particle Swarm Optimization Algorithm，QPSO)是在粒子群算法(Particle Swarm Optimization Algorithm，PSO)的基础上改进而来，是一种有效的全局优化搜索算法，它比较好地改进了PSO算法的自身缺陷，提高了全局优化搜索效率。
　　 在现代的科研诸多领域中人们对算法的速度要求越来越高，所以有更多的算法被用硬件实现来增加实时性。FPGA(Field-Programmable-Gate-Array)较之以前的CPLD、PAL有很多优点，用它作为硬件平台，弥补了传统ASIC灵活性不足的缺点。
　　 本文首先介绍了粒子群算法的基本原理，研究了QPSO算法的粒子间的特性，另外本实验选择FPGA作为硬件平台，结合了FPGA的硬件架构和QPSO的特性对算法进行硬件结构设计。在结构设计当中加入了并行流水技术，这是在FPGA开发中的一个优点，从而进一步提高了算法的运行效率。在实验中，通过对不同的函数进行实验比较，同时使用不同的硬件方式--串行和并行来实现，从多个方面来比较算法的运行效率并做了相应的分析。通过实验表明，硬件实现的QPSO算法的运行效率显著提高。
　　 为了能更好地说明硬件实现该算法的运行效果，本文也做了在相同条件下的QPSO算法在Matlab中的实现，然后比较它们的运行效果。通过采用硬件并行和流水技术，大大缩短了算法的运算时间，仿真结果表明硬件化QPSO算法的运算时间甚至达到原MATLAB中运算时间的0.032%。
　　 最后，在程序综合、实现、配置成功后，分别采用JTAG和主串两种模式下载到XILINX公司的spartan-3 XC3S400型号FPGA开发板中，并且运行成功，测试结果与仿真结果相同。

目录

文摘

英文文摘

声明

第一章 绪 论

1.1 硬件加速的现状与趋势

1.2 嵌入式系统的发展趋势

1.3 处理系统实时性介绍

1.4 课题的来源目的与意义

1.5 本论文研究的方法与内容

第二章 粒子群算法介绍

2.1 粒子群算法

2.2 量子粒子群算法(QPSO)

第三章 系统硬件结构设计

3.1 硬件平台FPGA介绍

3.2 算法系统硬件架构设计

3.3 子群系统原理结构

3.4 本章小结

第四章 基于FPGA的QPSO算法编码实现与仿真

第五章 QPSO算法硬件实现与软件实现的比较

5.1 软件实现与仿真

5.1.1 软件平台MATLAB介绍

5.1.2 运行环境与仿真结果

5.2 硬件仿真测试

5.3 软硬件测试的比较

5.4 本章小结

第六章 QPSO算法的硬件配置与加载

6.1 前言

6.2 Xilinx Spartan-3硬件平台

6.3 Spartan-3器件的配置模式

6.4 具体配置与加载过程

6.4.1 准备工作

6.4.2 配置与加载

6.5 本章小结

第七章 结论与展望

7.1 研究结论

7.2 研究展望与改进

致谢

参考文献

附录:作者在攻读硕士学位期间发表的论文