Помощь в написании студенческих работ
Антистрессовый сервис

Разработка и исследование алгебраических моделей и генетических алгоритмов для автоматизированного проектирования функционально распределённых встраиваемых микропроцессорных систем

Диссертация: Разработка и исследование алгебраических моделей и генетических алгоритмов для автоматизированного проектирования функционально распределённых встраиваемых микропроцессорных систем
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Однако практически во всех используемых подходах и моделях не учитывается, что значениям параметров проектируемых систем всегда сопутствует фактор неопределённости. Это может быть следствием неполноты, недостатка информации, разброса возможных значений, а также протяжённости во времени. Возможность неявной подмены неопределённых величин точными числовыми значениями обеспечивается уточнением… Читать ещё >

Разработка и исследование алгебраических моделей и генетических алгоритмов для автоматизированного проектирования функционально распределённых встраиваемых микропроцессорных систем (реферат, курсовая, диплом, контрольная)

Содержание

  • СПИСОК ИСПОЛЬЗОВАННЫХ СОКРАЩЕНИЙ
  • Глава 1. АРХИТЕКТУРЫ МИКРОПРОЦЕССОРНЫХ СИСТЕМ
  • МЕТОДЫ И СРЕДСТВА ПРОЕКТИРОВАНИЯ
    • 1. 1. Анализ архитектур микропроцессорных систем. Уровни и методы проектирования систем
      • 1. 1. 1. Основные подходы к анализу архитектур
      • 1. 1. 2. Архитектуры функционально распределённых встраиваемых микропроцессорных систем
      • 1. 1. 3. Уровни и методы проектирования систем
    • 1. 2. Существующие подходы к решению задачи аппаратно-программного разбиения системы
    • 1. 3. Постановка задачи оптимизации в условиях неопределённости
    • 1. 4. Анализ задачи и методов её решения
    • 1. 5. Анализ генетических алгоритмов
      • 1. 5. 1. Общая характеристика генетических алгоритмов и проблемы, возникающие при их разработке
      • 1. 5. 2. Схемы работы генетических алгоритмов. Параллельные генетические алгоритмы
      • 1. 5. 3. Функция пригодности особей популяции
      • 1. 5. 4. Кодирование параметров решения задачи
      • 1. 5. 5. Решение проблемы ложных значений в генах
      • 1. 5. 6. Метод выбора брачных пар
      • 1. 5. 7. Оператор отбора
      • 1. 5. 8. Оператор кроссовера
      • 1. 5. 9. Оператор мутации
      • 1. 5. 10. Общие модификации операторов
  • Выводы по главе
  • Глава 2. РАЗРАБОТКА МОДЕЛИ И МЕТОДА ОПТИМИЗАЦИИ
    • 2. 1. Оптимизационная модель ФР ВМС
      • 2. 1. 1. Проблема оценки времени выполнения задачи
      • 2. 1. 2. Модель выполнения задачи ФР ВМС
      • 2. 1. 3. Расчёт характеристик ФР ВМС
    • 2. 2. Алгебра нечётких интервалов и их сравнение
      • 2. 2. 1. Функция формы нечёткого интервала. Выбор и обоснование
      • 2. 2. 2. Алгебра нечётких интервалов
      • 2. 2. 3. Сравнение нечётких интервалов
    • 2. 3. Разработка метода оптимизации
      • 2. 3. 1. Основные особенности и схема работы генетического алгоритма. Реализованные методы и операторы
      • 2. 3. 2. Общие параметры генетического алгоритма
      • 2. 3. 3. Оператор отбора
      • 2. 3. 4. Метод выбора брачных пар
      • 2. 3. 5. Оператор кроссовера
      • 2. 3. 6. Оператор мутации
      • 2. 3. 7. Механизм избавления от непригодных решений
      • 2. 3. 8. Миграции
  • Выводы по главе
  • Глава 3. РАЗРАБОТКА ИНСТРУМЕНТАЛЬНЫХ СРЕДСТВ АВТОМАТИЗИРОВАННОГО ПРОЕКТИРОВАНИЯ
    • 3. 1. Архитектура САПР ЭойСАО
    • 3. 2. Основные структуры данных, методы и алгоритмы
      • 3. 2. 1. Основные потоки данных в САПР воЛСАО
      • 3. 2. 2. База данных САПР ЗоЛСАй
      • 3. 2. 3. Классы, типы и структуры данных, используемые для реализации генетического алгоритма и оптимизационной модели
      • 3. 2. 4. Файл настроек SoftCAD. INI
      • 3. 2. 5. Реализация операторов и механизмов генетического алгоритма
      • 3. 2. 6. Классы и структуры данных, используемые для реализации операций над нечёткими m интервалами
    • 3. 3. Порядок работы. Пользовательский интерфейс
      • 3. 3. 1. Назначение САПР SoftCAD
      • 3. 3. 2. Состав САПР SoftCAD
      • 3. 3. 3. Интерфейс САПР SoftCAD
        • 3. 3. 3. 1. Обзор рабочей среды САПР SoftCAD
        • 3. 3. 3. 2. Загрузка и сохранение данных
        • 3. 3. 3. 3. Настройка параметров модели и популяций
        • 3. 3. 3. 4. Моделирование. Получение результатов
        • 3. 3. 3. 5. Состав отчётности о ходе эволюции популяций и её результатах
        • 3. 3. 3. 6. Получение справочных данных
  • Дополнительные возможности
  • Выводы по главе
  • Глава 4. ИССЛЕДОВАНИЕ МОДЕЛИ, МЕТОДА ОПТИМИЗАЦИИ И ИНСТРУМЕНТАЛЬНЫХ СРЕДСТВ
    • 4. 1. Параметры и условия моделирования
    • 4. 2. Задача формирования изображений
      • 4. 2. 1. Описание ФР ВМС «Модуль формирования изображений»
      • 4. 2. 2. Параметры ФР ВМС «Модуль формирование изображений»
        • 4. 2. 2. 1. Аппаратная конфигурация и дополнительные ресурсы
        • 4. 2. 2. 2. Список функций
        • 4. 2. 2. 3. Стоимостные параметры
        • 4. 2. 2. 4. Временные параметры
        • 4. 2. 2. 5. Ёмкостные параметры
        • 4. 2. 2. 6. Надёжностные параметры
        • 4. 2. 2. 7. Параметры массы
        • 4. 2. 2. 8. Параметры габаритов (площади)
    • 4. 3. Результаты моделирования
      • 4. 3. 1. Исследование генетического алгоритма
      • 4. 3. 2. Оптимальные схемы работы генетического алгоритма
      • 4. 3. 3. Результаты моделирования для ФР ВМС
  • Модуль формирования изображений"
    • 4. 3. 4. Оценка эффективности САПР БоЛСЛО
  • Выводы по главе

Для последних лет характерно широкое распространение встраиваемых систем: сегодня практически любое достаточно сложное электронное устройство оснащается микропроцессорной системой, управляющей его функционированием. Требования, предъявляемые к быстродействию, надёжности, стоимости и другим параметрам встраиваемых систем, являются обычно крайне высокими, что ставит задачу их оптимального проектирования.

Для встраиваемых систем характерна неэффективность при использовании мощных микропроцессорных ядер, что связано с их повышенным энергопотреблением и тепловыделением. Поэтому часто применяют функционально распределённые встраиваемые микропроцессорные системы (ФР ВМС): часть функций системы реализуется программно, на сравнительно маломощном процессоре (или процессорах), а часть — аппаратно, с применением либо заказных специализированных СБИС, либо, всё чаще, программируемых логических интегральных схем (ПЛИС). Всё более распространёнными становятся «системы на кристалле» (СнК), интегрирующие процессоры и программируемую логику. Ввиду высоких требований, предъявляемых к встраиваемым системам, существует проблема оптимального распределения функций задачи (класса задач) между программной и аппаратной частью системы, а на дальнейшем уровне детализации — по конкретным вычислительным модулям.

Исторически функциональное распределение использовалось не только во встраиваемых системах. В 80-е годы прошлого века для специализированных применений разрабатывались проблемно ориентированные системы (ПОС), состоящие из ЭВМ общего назначения («базовой машины») и функционально ориентированных процессоров (ФОП), предназначенных для эффективной реализации сложных функций [78]. Активные работы в этом направлении проводились на кафедре «Вычислительная техника» Ленинградского государственного электротехнического института (ныне Санкт-Петербургский государственный электротехнический университет) под руководством Балашова Е. П. и Пузанкова Д. В.

Под проблемной ориентацией понималась степень соответствия архитектурных решений ПОС специфике класса задач. Функциональная ориентация рассматривалась в качестве одного из возможных средств проблемной ориентации. Она предполагала включение в состав ПОС дополнительных аппаратных средств, ориентированных на реализацию функций, являющихся специфическими для данного класса задач. Этот подход позднее стал широко использоваться во встраиваемых системах.

Наиболее интенсивные исследования в области ФР ВМС стали проводиться с конца 80-х и начала 90-х годов прошлого века. Основные результаты нашли отражение в работах Kalavade A., Lee Е., Gupta R., Micheli G., Ernst R., Henkel J., Peng Z., Kuchcinski K., Vahid F., Gong J., Gajski D. и др. [108, 110, 112, ИЗ, 115, 116, 119, 123].

В ранних работах, посвящённых проектированию встраиваемых систем, вводились и обсуждались характеристики хороших аппаратно-программных решений, но автоматизация процесса их получения не предполагалась. Появляющиеся алгоритмы автоматизации в зависимости от целей, которые ставились при проектировании системы, делились в основном на два класса: аппа-ратно-ориентированные и программно-ориентированные. Степень функциональной детализации варьировалась от уровня операций до уровня тел циклов, процедур или целых задач.

К середине 90-х годов стали появляться усложнённые и усовершенствованные методики, предполагающие многокритериальные оценки получаемых решений, динамическую функциональную детализацию и т. д. Однако основные усилия были сосредоточены на создании динамически реконфигурируемых архитектур встраиваемых систем и разработках САПР сквозного проектирования.

Появились программные системы, поддерживающие проектирование сложных микропроцессорных архитектур с произвольной топологией внутренних соединений и произвольным сочетанием центральных процессоров и аппаратных блоков [10, 72, 82, 99, 105, 109, 111, 114, 117, 118]. Большой вклад в разработку таких систем, базирующуюся на проводимых фундаментальных и прикладных исследованиях в области анализа структур вычислительных комплексов, внесла лаборатория вычислительных комплексов МГУ в лице Смелянского Р. Л., Кос-тенко В. А. и др. [35, 37, 72, 82, 95].

Однако практически во всех используемых подходах и моделях не учитывается, что значениям параметров проектируемых систем всегда сопутствует фактор неопределённости. Это может быть следствием неполноты, недостатка информации, разброса возможных значений, а также протяжённости во времени. Возможность неявной подмены неопределённых величин точными числовыми значениями обеспечивается уточнением данных в процессе проектирования, что может сопровождаться большими временными, людскими и финансовыми затратамивыбором наиболее представительных (обычно средних) точек, которые не всегда могут достаточно адекватно заменить весь диапазон значенийсужением или пересмотром временных интервалов, для которых выполняются оценки, что не всегда возможно или удобно. Поэтому, учитывая имеющиеся тенденции к уменьшению сроков разработки встраиваемых микропроцессорных систем, представление моделей и средств проектирования для условий неопределённости проектной информации является крайне актуальным.

Целью работы является разработка и исследование модели, метода и средств автоматизированного проектирования ФР ВМС в условиях неопределённости проектной информации для повышения качества проектирования, снижения временных и финансовых затрат. Исходя из этой цели, были поставлены и решены следующие задачи:

1. Выбор и модификация оптимизационной модели ФР ВМС.

2. Выбор способа формализации неопределённости.

3. Разработка математического аппарата для выполнения алгебраических операций над нечёткими данными и их сравнения.

4. Разработка метода оптимизации ФР ВМС.

5. Разработка специализированной САПР ФР ВМС. Исследование и настройка метода оптимизации.

Объектом исследования в работе является автоматизация проектирования ФР ВМС, предметом исследования служат применяемые для этого модели и методы.

Методы исследования базируются на теории вычислительных систем, теории надёжности, теории нечётких интервалов (НИ), теории оптимизации, эволюционном моделировании, теории алгебраических систем и строятся на сочетании формальных и содержательных методов.

Достоверность научных положений, выводов и рекомендаций подтверждена непротиворечивостью применяемых моделей и методов, результатами экспериментальных исследований, результатами использования созданной специализированной САПР в проектной организации и вузе.

1. АРХИТЕКТУРЫ МИКРОПРОЦЕССОРНЫХ СИСТЕМ. МЕТОДЫ И СРЕДСТВА ПРОЕКТИРОВАНИЯ.

Результаты работы были использованы в НИР и ОКР [65, 66], связанных с проектированием модуля формирования изображений для бортовых индикаторов на основе жидкокристаллических матриц для ОАО «УКБП» и разработкой семейства встраиваемых масштабируемых микропроцессорных систем синтеза и визуализации графической информации и методов их автоматизированного проектирования, проводимой в рамках научно-исследовательской программы «Научные исследования высшей школы по приоритетным направлениям науки и техники» 2003;2004 гг., подпрограмма «Электроника», а также в учебном процессе в рамках дисциплины «САПР».

Практическое использование результатов диссертационной работы подтверждено актами о внедрении, приведёнными в приложении Б.

ЗАКЛЮЧЕНИЕ

.

Итогом работы является получение модели и метода оптимизации функционально распределённых встраиваемых микропроцессорных систем в условиях неопределённости проектной информации, создание на их основе специализированной САПР.

В данной работе:

1. Предложена постановка задачи оптимизации ФР ВМС на основе нечётких исходных данных, описанных средствами теории нечётких интервалов.

2. Введены критерии оценки ФР ВМС и модели их вычисления.

3. Предложена и обоснована модель нечётких интервалов для описания неопределённости значений параметров ФР ВМС.

4. Разработана алгебра нечётких интервалов. Подтверждена её практическая пригодность для широкого класса вычислений, в том числе для реализации механизмов генетического алгоритма.

5. Реализовано сравнение нечётких интервалов в рамках используемой модели.

6. Разработана реализация параллельного генетического алгоритма.

7. Создана САПР, позволяющая проводить оптимизацию ФР ВМС на основе предлагаемых подходов.

8. Исследована и подтверждена высокая эффективность САПР, в том числе по сравнению с переборными методами.

9. Выработаны рекомендации по использованию механизмов генетического алгоритма и их настроек.

Основой применяемого математического аппарата служат средства мягких вычислений, представленные теорией нечётких интервалов и генетическим алгоритмом. Применение нечётких интервалов для описания параметров системы позволяет получить оценки её характеристик без полной реализации функций системы, с использованием, главным образом, знаний и опыта разработчика, который становится ключевым звеном процесса проектирования. Это способно в несколько раз сократить сроки проектирования, уменьшить финансовые затраты при сохранении высокого качества получаемых решений. Автоматизированное проектирование с использованием разработанной САПР взамен традиционного ручного проектирования позволяет добиться улучшения качества проектных решений при сохранении того же уровня суммарных временных затрат на разработку. Эволюционное моделирование в рамках генетического алгоритма обеспечивает получение решений даже в условиях большой размерности входных параметров и сложной целевой функции.

Научная новизна работы:

1. Выбрана и модифицирована оптимизационная модель ФР ВМС с учётом влияния нечёткости исходных данных.

2. Разработана модель нечётких интервалов, описывающая неопределённость значений параметров ФР ВМС.

3. В рамках предложенной модели разработана алгебра нечётких интервалов и реализован способ их точного сравнения.

4. Разработана модификация механизмов параллельного генетического алгоритма. Предложены рекомендации по его настройке.

Апробация работы. Основные положения диссертационной работы докладывались и обсуждались на следующих конференциях и семинарах [93, 94, 88, 90, 89, 121,91,86, 84, 120].

1. Международная конференция «Континуальные логико-алгебраические исчисления и нейроматематика в науке, технике и экономике» (КЛИН-2001), Ульяновск, 15−17 мая 2001 г.

2. Международная конференция «Континуальные алгебраические логики, исчисления и нейроматематика в науке, технике и экономике» (КЛИН-2002), Ульяновск, 14−16 мая 2002 г.

3. Международная научно-техническая конференция «Интеллектуальные системы» (А18'02), Дивноморское, 3−10 сентября 2002 г.

4. Международная конференция «Континуальные алгебраические логики, исчисления и нейроматематика в науке, технике и экономике» (КЛИН-2003), Ульяновск, 13−15 мая 2003 г.

5. Международная научно-техническая конференция «Интеллектуальные системы» (А18'03), Дивноморское, 3−10 сентября 2003 г.

6. Международная конференция «Интерактивные системы: Проблемы че-ловеко-компьютерного взаимодействия», Ульяновск, 23−27 сентября 2003 г.

7. Международная научно-техническая конференция «Интеллектуальные системы» (А18'04), Дивноморское, 3−10 сентября 2004 г.

8. Международный научно-практический семинар «Интегрированные модели и мягкие вычисления в искусственном интеллекте», Коломна, 15−17 мая 2005 г.

9. Международная научно-техническая конференция «Интеллектуальные системы» (А18'05), Дивноморское, 3−10 сентября 2005 г.

10. Международная конференция «Интерактивные системы и технологии: Проблемы человеко-компьютерного взаимодействия», Ульяновск, 26−30 сентября 2005 г.

11. Научно-технические конференции Ульяновского государственного технического университета, 2001;2005 гг.

Публикация результатов работы. По теме диссертации опубликовано 11 печатных работ, три депонированные работы, два отчёта по НИР и ОКР, на разработанную САПР получено свидетельство об официальной регистрации.

В работах [93, 94] дана базовая постановка задачи оптимизации ФР ВМС в условиях неопределённости проектной информации. В работе [92] проведён анализ возможных методов решения оптимизационной задачи, выбран генетический алгоритм. В работе [87] проанализированы разновидности генетического алгоритма, его методов и операторов, отмечены наиболее подходящие для реализации. В работах [67, 88] рассмотрены способы формализации неопределённости, разработана и описана модель и алгебра нечётких интервалов, способ их точного сравнения. В работах [90, 89, 85, 121] описана оптимизационная задача с использованием элементной базы ПЛИС, введены новые критерии оценки проектируемой системы, выбрана и описана оптимизационная модель ФРВМС. В работе [91] расширена оптимизационная модель проектируемой системы за счёт возможности использования элементной базы систем на кристалле, предложен алгоритм расчёта времени выполнения задачи на основе нечёткого графа. В работах [86, 84] сформулирован окончательный вариант оптимизационной модели, алгебры и способа сравнения нечётких интервалов, кратко описана их реализация в разработанной САПР. В работе [120] дано описание САПР, созданной на основе на основе предложенных подходов.

На разработанную САПР получено свидетельство об официальной регистрации программы для ЭВМ № 2 005 611 941 Федеральной службы по интеллектуальной собственности, патентам и товарным знакам.

Показать весь текст

Список литературы

  1. , А. Е. Модели и алгоритмы принятия решений в нечетких условиях: монография / А. Е. Алтунин, М. В. Семухин. Тюмень: Издательство Тюменского государственного университета, 2000. — 352 с.
  2. , А. Н. Гриди-алгоритмы и локальный поиск для условной псевдобулевой оптимизации Электронный ресурс. / А. Н. Антамошкин, И. С. Масич // Исследовано в России. 2003. — С. 2143−2149. — Режим доступа: http://zhurnal.gpi.ru/
  3. , Д. И. Оптимизация многоэкстремальных функций с помощью генетических алгоритмов / Д. И. Батищев, С. А. Исаев // Высокие технологии в технике, медицине и образовании: межвуз. сб. науч. тр. Воронеж: ВГТУ, 1997.-С. 4−17.
  4. , И. 3. Основные операции нечёткой логики и их обобщения / И. 3. Батыршин- Казань: Отечество, 2001. — 102 с.
  5. , В. И. Методы генетического поиска для решений, представимых мультихромосомами / В. И. Божич, В. Б. Лебедев // Перспективные информационные технологии и интеллектуальные системы. 2002. — № 3. — С. 38−44.
  6. , А. Н. Многоядерные процессоры: первые попытки Электронный ресурс. / А. Н. Бондаренко // Компьютеры+Программы. 2005. — № 6. — Режим доступа: http://cpp.com.ua/
  7. , П. А. О сравнении некоторых эволюционных алгоритмов / П. А. Борисовский, А. В. Еремеев // Автоматика и телемеханика. 2004. -№ 3.-С. 3−10.
  8. , А. А. Программирование многопроцессорных вычислительных систем / А. А. Букатов, В. Н. Дацюк, А. И. Жегуло. Ростов-на-Дону: Изд-во ООО «ЦВВР», 2003. — 208 с.
  9. , А. Методы и средства проектирования систем на кристалле Электронный ресурс. / А. Бухтев // Chip News. 2003. — № 4. — Режим доступа: http://www.chip-news.ru/
  10. , А. Системы на кристалле. Новые тенденции Электронный ресурс. / А. Бухтев, В. Немудров // Электроника НТБ. 2004. — № 3. — Режим доступа: http://www.electronics.ru/
  11. , А. П. Многохромосомная оптимизация оценки качества программных средств Электронный ресурс. / А. П. Былинович // Автоматизация проектирования.- 1999. № 1. — Режим доступа: http://mirror.ustu:80/www.osp.ru/
  12. , Е. Последовательно-параллельные вычисления / Е. Валях // Пер. с англ. М.: Мир, 1985. — 456 с.
  13. , В. И. Интеллектуальные системы управления с использованием генетических алгоритмов: учебное пособие / В. И. Васильев, Б. Г. Ильясов. Уфа: Изд-во Уфимск. гос. авиац. техн. ун-та, 1999. — 105 с.
  14. , В. А. Уравнения: учебное пособие/ В. А. Васильева, Т. Д. Кудрина, Р. Н. Молодожникова- под ред. Р. Н. Молодожниковой. М.: Изд-во МАИ, 1993. — 80 с.
  15. , Вл. В. Методы описания и классификации архитектур вычислительных систем / Вл. В. Воеводин, А. П. Капитонова. М.: Изд-во МГУ, 1994.-79 с.
  16. , А. П. Оптимизация в условиях неопределенности / А. П. Вощинин, Г. Р. Сотиров. Изд-во МЭИ (СССР) — «Техника» (НРБ), 1989. -224 с.
  17. Генетические алгоритмы, искусственные нейронные сети и проблемы виртуальной реальности / Г. К. Вороновкий и др. Харьков: Основа, 1997. -112 с.
  18. , Ю. Ю. Теория принятия решений: курс лекций Электронный ресурс. / Ю. Ю. Герасимов, В. Н. Андреев. Петрозаводск: ПетрГУ, 1998. — Режим доступа: http://dims.karelia.ru/
  19. , Н. И. Методы оптимизации: учебное пособие / Н. И. Глебов, Ю. А. Кочетов, А. В. Плясунов. Новосибирск, Изд-во Новосибирского государственного университета, 2000. — 105 с.
  20. , С. Г. Математическое программирование в задачах химической технологии: учебное пособие / С. Г. Глебов, А. И. Мубараков. Уфа: Изд-во УГНТУ, 2002.-79 с.
  21. , А. В. Определение параметров генетического алгоритма с помощью программного комплекса «вепзеагсЬ» / А. В. Голубин // Перспективные информационные технологии и интеллектуальные системы. — 2004. -№ 3. С. 42−47.
  22. , М. Вычислительные машины и трудноразрешимые задачи пер. с англ. / М. Гэри, Д. Джонсон. М.: Мир, 1982. — 416 с.
  23. , Ч. Сочинения. В 12 т. Т. 3. О происхождении видов путем естественного отбора или сохранении благоприятствуемых пород в борьбе за жизнь / Ч. Дарвин. М.-Л.: Изд-во АН СССР, 1939. — 832 с.
  24. , Ю. И. Методы оптимизации: учеб. пособие для вузов / Ю. И. Дегтярев. М.: Сов. радио, 1980. — 276 с.
  25. , Н. В. Нечеткое моделирование и многокритериальная оптимизация производственных систем в условиях неопределенности: технология, экономика, экология / Н. В. Дилигснский, Л. Г. Дымова, П. В. Севастьянов. М.: Машиностроение-1, 2004.-401 с.
  26. , Д. Теория возможностей. Приложение к представлению знаний в информатике пер. с фр. В. Б. Тарасова. / Д. Дюбуа, А. Прад- под ред. С. А. Орловского. -М.: Радио и связь, 1990. 286 с.
  27. , А. В. Численное решение нечетких дифференциальных уравнений методом линеаризации / А. В. Евдокимов // Известия Челябинского научного центра. 2003. — № 4. — С. 9−14.
  28. , А. В. Генетический алгоритм для задачи о покрытии /
  29. A. В. Еремеев // Дискретный анализ и исследование операций. Серия 2. -2000. — Т. 7. — № 2. — С.47−60.
  30. , Л. А. Понятие лингвистической переменной и его применение к принятию приближенных решений / Л. А. Заде. М.: Мир, 1976. — 165 с.
  31. , А. В. Средства конструирования итерационных алгоритмов для решения задач комбинаторной оптимизации / А. В. Калашников,
  32. B. А. Костенко, М. И. Маркин // Искусственный интеллект. 2004. — № 2.1. C. 91−95.
  33. Компьютер и задачи выбора/ Автор предисл. Ю. И. Журавлев. — М.: Наука, 1989.-208 с.
  34. , В. Эволюция микропроцессорных архитектур Электронный ресурс. / В. Корнеев // Открытые системы. 2000. — № 4. — Режим доступа: http://www.mp.dpt.ustu.ru/
  35. , В. А. Влияние способа задания целевой функции на качество работы генетического алгоритма / В. А. Костенко, А. Г. Трекин // Искусственный интеллект. 2000. — № 2. — С. 97−102.
  36. , И. Системы на кристалле: общее представление и тенденции развития Электронный ресурс. / И. Кривченко // Компоненты и технологии. 2001. — № 6. — Режим доступа: http://www.compitech.ru/
  37. , В. А. Разработка параллельных программ для вычислительных кластеров и сетей / В. А. Крюков // Информационные технологии и вычислительные системы. 2003. — № 1−2. — С. 42−61.
  38. Курс математического анализа: В 3 т. Т. 1. Дифференциальное и интегральное исчисления функций одной переменной: учеб. для вузов / Л. Д. Кудрявцев. М.: Дрофа, 2003. — 704 с.
  39. , В. М. Генетические алгоритмы / В. М. Курейчик // Перспективные информационные технологии и интеллектуальные системы. — 2000. — № 1. — С. 18−21.
  40. , В. М. Исследование динамических операторов в эволюционном моделировании / В. М. Курейчик, Л. А. Зинченко, И. В. Хабарова // Перспективные информационные технологии и интеллектуальные системы.— 2001.-№ 3.-С. 65−70.
  41. , В. М. Перспективные архитектуры генетического поиска/ В. М. Курейчик // Перспективные информационные технологии и интеллектуальные системы. 2000. — № 1. — С. 58−60.
  42. , В. В. Перспективные технологии решения оптимизационных задач/ В. В. Курейчик, Н. В. Неупокоева // Перспективные информационные технологии и интеллектуальные системы. 2003. — № 2. — С. 80−84.
  43. , Э. Алгоритмы оптимизации на сетях и графах пер. с англ. / Э. Майника. М.: Мир, 1981. — 323 с.
  44. , Б. Н. История вычислительной техники в лицах / Б. Н. Малиновский. Киев, фирма «КИТ», ПТОО «А.С.К», 1995. — 384 с.
  45. , А. И. Алгебраические системы / А. И. Мальцев. — М.: Наука, 1970.-392 с.
  46. , С. П. Применение генетических алгоритмов при разработке магнитных головок / С. П. Малюков, С. А. Обжелянский // Перспективные информационные технологии и интеллектуальные системы. — 2002. — № 2. -С. 58−71.
  47. , И. А. О выборе оптимального метода селекции для генетического алгоритма Электронный ресурс. / И. А. Минаков // Вестник СамГТУ. Серия «Технические науки». № 8. — Самара, 2000. — Режим доступа: http://www.samgtu.ru/
  48. , И. В. Решение задачи одномерной упаковки с помощью параллельного генетического алгоритма / И. В. Мухлаева // Перспективные информационные технологии и интеллектуальные системы. 2000. — № 1. — С. 77−84.
  49. , Н. М. Основы оптимизации: курс лекций Электронный ресурс. / Н. М. Новикова. М., 1998. — 65 с. — Режим доступа: http://www.ccas.ru/
  50. Обобщение метода анализа иерархий Саати для использования нечётко-интервальных экспертных данных Электронный ресурс. / А. А. Ахрамейко [и др.]. — 2002. — 6 с. Режим доступа: http://sedok.narod.ru
  51. , X. Комбинаторная оптимизация. Алгоритмы и сложность пер. с англ. /' X. Пападимитриу, К. Стайглиц. М.: Мир, 1985. — 512 с.
  52. , Г. А. Модель оптимизационных задач системного этапа проектирования проблемно ориентированных вычислительных систем / Г. А. Петров, Д. В. Пузанков, В. В. Шишкин // Электронное моделирование. 1991. — Т. 13, № 4.-С. 23−27.
  53. , В. Я. Нечеткие множества в системах управления: методическое пособие / В. Я. Пивкин, Е. П. Бакулин, Д. И. Кореньков. Новосибирск: Новосибирский государственный университет, 1997. — 52 с.
  54. , А. А. Адаптивная архитектура генетического поиска / А. А. Полупанов // Перспективные информационные технологии и интеллектуальные системы. 2002. — № 3. — С. 49−55.
  55. , М. X. Многостадийные задачи распределения и упорядочения с нечеткими характеристиками Электронный ресурс. / М. X. Прилуцкий, Д. В. Попов // Исследовано в России. — 2001. — С. 11 821 189. — Режим доступа: http://zhurnal.ape.relarn.ru
  56. Применение распределённого генетического алгоритма при решении задачи об упаковке в контейнеры / Ю. А. Бюргер и др. // Перспективные информационные технологии и интеллектуальные системы.- 2003.— № 1.-С. 11−15.
  57. Ульяновск, 2004. 311 с. — Исполн.: Виноградов А. Б., Родионов В. В., Улы-бин В.В. -№ ГР 1 200 312 434. — Инв. № 2 200 505 041.
  58. , В. В. Вычислительная модель операций над нечеткими интервалами / В. В. Родионов- Ульяновский гос. техн. ун-т. Ульяновск, 2002. -49 е.: ил. — Деп. в ВИНИТИ 06.11.02, № 1915-В2002.
  59. , И. В. Алгоритмы решения экстремальных задач / И. В. Романовский. М.: Наука, 1977. — 352 с.
  60. , А. П. Интеллектуальные технологии идентификации: нечеткие множества, генетические алгоритмы, нейронные сети / А. П. Ротштейн. -Винница: Универсум-Винница, 1999. 320 с.
  61. , П. В. Оценка финансовых параметров и риска инвестиций с позиций теории нечетких множеств / П. В. Севастьянов, Д. П. Севастьянов // Надежные программы. — 1997. — № 1. — С. 10−18.
  62. Системы параллельной обработки пер. с англ. / Ж.-Д. Баер [и др.]- под ред. Д. Ивенса. -М.: Мир, 1985.-416 с.
  63. , С. С. Оптимизация решений на основе методов и моделей математического программирования: учеб. пособие/ С. С. Смородинский, Н. В. Батин. Мн.: БГУИР, 2003. — 136 с.
  64. , Л. А. Использование «жадных» стратегий для решения графовых задач / Л. А. Стасенко // Перспективные информационные технологии и интеллектуальные системы. 2002. — № 3. — С. 88−89.
  65. , В. Проектирование СБИС. Стили и этапы проекта Электронный ресурс. / В. Стешенко // Компоненты и технологии. 2003. — № 4. — Режим доступа: http://www.compitech.ru/
  66. , Е. А. Проектирование цифровых систем на VHDL / Е. А. Суворова, Ю. Е. Шейнин. СПб.: БХВ-Петербург, 2003. — 576 с.
  67. , Я. Система на кристалле Электронный ресурс. / Я. Федотов, А. Щука//Электронные компоненты. 2001. — № 2.- Режим доступа: http://www.elcp.ru/
  68. Функционально ориентированные процессоры/ А. И. Водяхо и др.- под ред. В. Б. Смолова — JL: Машиностроение. Ленингр. отд-ние, 1988. 224 с.
  69. , Б. Ф. Методы оптимизации: учебное пособие / Б. Ф. Харчистов. Таганрог: Изд-во ТРТУ, 2004. — 140 с.
  70. , С. Система Excalibur средство разработки SoC-решений фирмы ALTERA. Часть 1. Общее описание системы Электронный ресурс. / С. Хуторной // Chip News. — 2001. — № 6. — Режим доступа: http://www.chip-news.ru/
  71. , С. Система Excalibur- средство разработки SoC-решений фирмы ALTERA. Часть 2. Процессор Nios Электронный ресурс. / С. Хуторной// Chip New. 2001. — № 6.- Режим доступа: http://www.chip-news.ru/
  72. , И. Высокопроизводительные процессоры для встраиваемых систем / И. Чепурин // Электронные компоненты. 2005. — № 2. — С. 63−67.
  73. , В. В. Выбор оптимального способа реализации функций для функционально распределенной системы обработки данных с использованием нечетко заданных критериев оценки / В. В. Шишкин, В. В. Родионов // Вестник УлГТУ. 2003. — № 1−2.-С. 43−45.
  74. , В. В. Обзор методов улучшения генетических алгоритмов / В. В. Шишкин, В. В. Родионов- Ульяновский гос. техн. ун-т. Ульяновск, 2002. — 25 е.: ил. — Деп. в ВИНИТИ 06.11.02, № 1914-В2002.
  75. , В. В. Оптимизация функционально распределенных систем обработки данных: постановка задачи и подходы к ее решению / В. В. Шишкин, В.В.Родионов- Ульяновский гос. техн. ун-т. Ульяновск, 2002.- 21 е.: ил. -Деп. в ВИНИТИ 06.11.02, № 1913-В2002.
  76. , И. А. Применение эволюционных методов при решении задач параметрического синтеза схемотехнических решений / И .А. Шкамардин // Перспективные информационные технологии и интеллектуальные системы. 2005. — № 1. — С. 23−28.
  77. , В. Программируемые логические устройства. Что нового, что устарело, чего ждать? Электронный ресурс. / В. Юдинцев // Электроника НТБ. 2002. — № 2. — Режим доступа: http://www.electronics.ru/
  78. , Н. В. Методы оценки времени выполнения последовательных программ на современных процессорах / Н. В. Ющенко // Интеллектуальные многопроцессорные системы: тез. докл. междунар. конф., Таганрог, 1−5 сентября 1999 г. Таганрог: ТРТУ, 1999. — С. 33.
  79. A Novel Codesign Approach based on Distributed Virtual Machines / Ch. Kreiner et al. // Hardware/Software Codesign: Proceedings of International Workshop, Estes Park, Colorado, May 6−8, 2002. 2002. — P. 109−114.
  80. Back, Т. The Interaction of Mutation Rate, Selection, and Self-Adaptation within a Genetic Algoritm / T. Back // Parallel Problem Solving from Nature: Proceedings of Workshop, Brussels, Belgium, September 28−30, 1992.- 1992. -P. 85−94.
  81. Beasley, D. An Overview of Genetic Algorithms: Part 1, Fundamentals/
  82. D. Beasley, D. Bull, R. Martin // University Computing.- 1993.-№ 15 (2).-P. 59−69.
  83. Beasley, D. An Overview of Genetic Algorithms: Part 2, Research Topics / D. Beasley, D. Bull, R. Martin // University Computing.- 1993.-№ 17 (4).-P. 170−181.
  84. Blickle, T. System-level Synthesis, Using Evolutionary Algorithms Electronic resource. / T. Blickle, J. Teich, L. Thiele // Design Automation for Embedded Systems. 1998. -№ 1, Vol. 3. — Mode of access: ftp://flp.tik.ee.ethz.ch/
  85. Cantu-Paz, E. A Survey of Parallel Genetic Algorithms: IlliGAL Report № 97 003 Electronic resource. / E. Cantu-Paz- 1997. 29 p. — Mode of access: ftp://ftp-illigal.ge.uiuc.edu/
  86. De Jong, K. An Analysis of the Interacting Roles of Population Size and Crossover in Genetic Algorithms / K. De Jong, W. Spears // Parallel Problem Solving from Nature: Proceedings of Workshop, Dortmund, Germany, October 1−3, 1990.-1990.-P. 38−47.
  87. Deb, K. Understanding Interactions Among Genetic Algorithm Parameters / K. Deb, S. Agrawal // Foundations of Genetic Algorithms: Proceedings of Workshop, Madison, WI, USA, July 22−25, 1998. 1998. — P. 265−286.
  88. Ernst, R. Hardware-Software Cosynthesis for Micro-Controllers / R. Ernst, J. Henkel, Th. Benner // IEEE Design & Test Magazine. 1993. — Vol. 10. — № 4. -P. 64−75.
  89. Grattan, B. Codesign-Extended Applications/ B. Grattan, G. Stitt,
  90. F. Vahid // Hardware/Software Codesign: Proceedings of International Workshop, Estes Park, Colorado, May 6−8,2002. 2002. — P. 1−6.
  91. Gupta, R. K. System-Level Synthesis Using Re-programmable Components / R. K. Gupta, G. D. Micheli // European Design Automation: Proceedings of Conference, Hamburg, Germany, September 7−10, 1992. 1992. — P. 2−7.
  92. Hardware/Software Partitioning of Embedded System in OCAPI-xl /
  93. G. Vanmeerbeeck et al. // Hardware/Software Codesign: Proceedings of International Workshop, Copenhagen, Denmark, April 25−27, 2001.-2001. P. 30−35.
  94. Henkel, J. A Hardware/Software Partitioner Using a Dynamically Determined Granularity / J. Henkel, R. Ernst // Design Automation: Proceedings of Conference, Anaheim, California, June 9−13, 1997. 1997. — P 691−696.
  95. Henkel, J. The Interplay of Run-Time Estimation and Granularity in HW/SW Partitioning / J. Henkel, R. Ernst // Hardware/Software Co-Design: Proceedings of International Workshop, Pittsburgh, USA, 1996. 1996. — P. 52−58.
  96. Kaplan, A. A Survey of Hardware/Software System Partitioning: Technical Report Electronic resource. / A. Kaplan, M. Sarrafzadeh, R. Kastner. — 2003.15 p. Mode of access: http://www.ece.ucsb.edu/
  97. Noguera, J. Dynamic Run-Time HW/SW Scheduling Techniques for Reconfigurable Architectures / J. Noguera, R. Badia // Hardware/Software Codesign: Proceedings of International Workshop, Estes Park, Colorado, May 6−8, 2002. -2002.-P. 205−210.
  98. Peng, Z. An Algorithm for Partitioning of Application Specific Systems / Z. Peng, K. Kuchcinski // European Design Automation: Proceedings of Conference, Paris, France, 1993. 1993. — P. 316−321.
  99. Tomassini, M. A Survey of Genetic Algorithms / M. Tomassini // Computational Physics III: Annual Reviews. World Scientific, 1995. — P. 87−118.
  100. Vahid, F. A Binary-Constraint Search Algorithm for Minimizing Hardware During Hardware-Software Partitioning / F. Vahid, J. Gong, D. Gajski // European Design Automation: Proceedings of Conference, Grenoble, France, September, 1994.-1994.-P. 214−219.
  101. Wolf, W. A Decade of Hardware/Software Codesign/ W. Wolf// Computer. 2002. — № 4. — P. 38−43.
  102. Zhou, T. A Probabilistic Performance Metric for Real-Time System Design / T. Zhou, X. Hu, E. Sha // Hardware/Software Codesign: Proceedings of International Workshop, Rome, Italy, May 3−5, 1999. 1999. — P. 90−94.
Заполнить форму текущей работой

Сессия? Спокойно!