0 引言

粒子群優(yōu)化(Particle Swarm Optimization，PSO)算法[1]是由KENNEDY J和EBERHART R C等開發(fā)的一種新的進(jìn)化算法。相對于遺傳算法[2]等，該算法參數(shù)較少、容易實現(xiàn)，能夠解決復(fù)雜的優(yōu)化問題，因此在眾多優(yōu)化問題領(lǐng)域都得到了廣泛的應(yīng)用[3]，如控制決策、目標(biāo)跟蹤、深度學(xué)習(xí)等。然而，粒子群優(yōu)化算法在實際應(yīng)用中往往難以達(dá)到實時性的要求，特別是求解復(fù)雜的多維問題時，速度問題更加突出，難以滿足實際應(yīng)用的需求。

隨著嵌入式領(lǐng)域?qū)π阅?、功耗和成本越來越高的要求，多?a target="_blank">處理器應(yīng)運而生[4]。其中TI公司推出的基于KeyStone架構(gòu)的多核處理器TMS320C6678[5]是目前業(yè)界最高性能的量產(chǎn)多核DSP。其具有8個1.25 GHz DSP內(nèi)核，最高可實現(xiàn)160 GFLOP的性能。與FPGA相比其具有更好的浮點性能和實時處理能力，并且具有較高的靈活性和可編程性，為實現(xiàn)更為復(fù)雜的算法提供了便利。因此其在4G通信、航空電子、機(jī)器視覺等領(lǐng)域得到了廣泛的應(yīng)用。

本文針對粒子群算法在實際應(yīng)用中的實時性需求，在對算法進(jìn)行并行性分析的基礎(chǔ)上，根據(jù)TMS320C6678多核處理器的架構(gòu)特點，設(shè)計出高效的應(yīng)用程序，充分發(fā)揮了TMS320C6678的性能優(yōu)勢，有效地提高了系統(tǒng)的實時處理能力。實驗數(shù)據(jù)表明了該設(shè)計的合理性與有效性。

1 PSO算法簡介

PSO流程圖如圖1所示。粒子群算法的數(shù)學(xué)描述如下：m維的解空間中，X={x1，x2，…，xn}表示整個種群，該種群由n個粒子組成。因此整個種群中的第i個粒子的位置可以表示為xi={xi1，xi2，…，xim}，該粒子對應(yīng)的求解速度可以表示為vi={vi1，vi2，…，vim}，每個粒子對應(yīng)的個體最優(yōu)解表示為pi={pi1，pi2，…，pim}，整個種群的全局最優(yōu)解可以表示為gi={gi1，gi2，…，gim}。在每一次的迭代中，每個粒子將個體最優(yōu)解pbest和全局最優(yōu)解gbest作為飛行經(jīng)驗，根據(jù)如下公式來更新自己的速度和位置：

式中，t表示當(dāng)前迭代次數(shù)，xi(t)對應(yīng)粒子當(dāng)前時刻的位置，xi(t+1)對應(yīng)粒子下一時刻的位置，vi(t)和vi(t+1)分別表示粒子當(dāng)前時刻和下一時刻的速度，ω為慣性因子，c1和c2為學(xué)習(xí)因子，r1和r2表示在0~1之間的隨機(jī)數(shù)。此外在每一維，粒子都有最大的限制速度vmax，如果vi>vmax，則有vi=vmax；如果vi

2 多核DSP任務(wù)并行設(shè)計

2.1 算法并行性分析

粒子群算法和其他一些進(jìn)化算法相比，其優(yōu)勢在于步驟簡單、參數(shù)少、容易實現(xiàn)、無需梯度信息等。更重要的是粒子群算法是一種并行算法，非常適合在多核處理器上實現(xiàn)其并行計算。算法中各個粒子具有很高的獨立性，所以各個粒子可以獨立地完成信息的更新，從根本上實現(xiàn)各個粒子間的并行操作處理，提高算法的實時性。根據(jù)處理器的核心數(shù)，將粒子的更新任務(wù)平均映射到8個核上。運行時使用如下基本測試函數(shù)對該方案進(jìn)行驗證：

其中，n表示維數(shù)，該函數(shù)在x=(0，0，…，0)處取得全局最小值fmax=0。另外該函數(shù)比較復(fù)雜，是一個多峰函數(shù)。

2.2 并行處理模型設(shè)計

將程序映射到多核處理器的第一步就是確定任務(wù)的并行性，并選擇一種最合適的處理模型。前面已經(jīng)分析了算法的并行性。

兩種最主要的模型是主從模型和數(shù)據(jù)流模型[6]，分別如圖2、圖3所示。主從模型是一種控制集中、執(zhí)行分布的模型。數(shù)據(jù)流模型代表分布式控制和執(zhí)行。除此之外還有OpenMP模型[7]，該模型是一種在共享內(nèi)存并行體系中應(yīng)用發(fā)展多線程的應(yīng)用程序編程接口，如圖4所示。

結(jié)合前面算法的并行性分析，考慮到處理流程時間上的并行性和空間上的并行性，這其中包含了流水操作和并發(fā)操作，使用單一的模型都無法有效地解決，因此，突破性地將二者結(jié)合起來，設(shè)計出局部并行全局串行的并行模型，如圖5所示，從而取得良好的并行度和加速比，這在測試數(shù)據(jù)及結(jié)果分析中可以看出。

2.3 處理器之間的通信交流

多核處理器中內(nèi)核之間如何進(jìn)行高效的通信交流，是多核系統(tǒng)所面臨的主要難點。處理器之間的通信交流主要包括數(shù)據(jù)移動和同步[8]。TMS320C6678提供了多種處理器之間的通信機(jī)制。軟件是基于SYS/BIOS實時操作系統(tǒng)開發(fā)的?？紤]到開發(fā)的難易程度及性能，采用IPC核間通信的組件來完成核間數(shù)據(jù)搬移和同步。該組件有“消息隊列”(MessageQ)和“通知”(Notify)兩種模型。除了Notify通知機(jī)制，還可以利用MessageQ來實現(xiàn)更為復(fù)雜的核間通信。考慮到需要同時實現(xiàn)數(shù)據(jù)搬移和同步，所以采用“消息隊列”(MessageQ)模型。0核作為主核負(fù)責(zé)向從核發(fā)送事件，激活從核并進(jìn)行一定的運算。主核與從核之間有相互連接。1~7核為從核，主要負(fù)責(zé)運算，從核之間沒有連接。

3 基于TMS320C6678的PSO算法的實現(xiàn)

軟件部分是基于SYS/BIOS操作系統(tǒng)開發(fā)的，同時利用IPC組件。在實現(xiàn)過程中，利用DSP集成開發(fā)環(huán)境CCS5.2進(jìn)行相應(yīng)的編程開發(fā)。SYS/BIOS用來實現(xiàn)核間任務(wù)調(diào)度，IPC用來實現(xiàn)核間同步和通信。

基于TMS320C6678的PSO算法系統(tǒng)框圖如圖6所示。首先是系統(tǒng)啟動，8個核進(jìn)行相應(yīng)的初始化配置。初始化配置之后調(diào)用Ipc_start()函數(shù)將自動實現(xiàn)相應(yīng)模塊的配置，各個核進(jìn)入同步等待的狀態(tài)，直到8個核都進(jìn)入同步等待狀態(tài)，程序才會繼續(xù)執(zhí)行。一般情況下，在使用IPC組件時直接讓每個核同所有核之間都有連接，而且各核之間連接都是相同且雙向的，這樣的配置方法并不高效，影響運行效率。因此這里有選擇地進(jìn)行核間連接，使用Ipc.ProcSync_PAIR在.cfg文件中進(jìn)行配置，之后使用Ipc_attach()函數(shù)僅僅在主核與從核之間建立雙向連接。主核首先進(jìn)行整個粒子群的初始化，主要包括隨機(jī)產(chǎn)生粒子的位置和速度，計算出每個粒子的適應(yīng)度值作為局部最優(yōu)解，求出對應(yīng)的全局最優(yōu)解等任務(wù)。主核在完成初始化工作后，將數(shù)據(jù)分為8份，通過MesssageQ_put()函數(shù)將每個核對應(yīng)的數(shù)據(jù)的地址發(fā)送到對應(yīng)的核，并啟動從核進(jìn)行相應(yīng)的處理。之后所有的核進(jìn)行循環(huán)迭代處理，實現(xiàn)算法對應(yīng)的進(jìn)化尋優(yōu)處理。同時判斷當(dāng)前解是否滿足預(yù)定的最小適應(yīng)閾值或達(dá)到最大迭代次數(shù)。最后直到從核完成迭代，通知主核完成所有運算，輸出最優(yōu)解。

4 實驗結(jié)果分析

4.1 存儲空間分析

KeyStone架構(gòu)是一款精心設(shè)計且效率極高的多核心內(nèi)存架構(gòu)，其具備3個存儲等級[9]。處理器的每個內(nèi)核都擁有自己的一級程序（L1P）和數(shù)據(jù)(L1D)存儲器，均為32 KB大小，這里默認(rèn)配置成cache使用。二級存儲器L2可以做代碼和數(shù)據(jù)存儲器，為了提高程序性能，這里把L2的32 KB大小的空間也設(shè)置成cache，其余空間用作SRAM。當(dāng)數(shù)據(jù)量太大時需要將數(shù)據(jù)置于DDR3中。該實驗中設(shè)計粒子的個數(shù)為50，維度也為50，則算法對應(yīng)的數(shù)據(jù)量大概為60 KB。另外考慮到共享存儲器有4 MB大小，可以將程序運行涉及的主要數(shù)據(jù)存放在共享存儲器里，包括粒子的位置、速度、個體最優(yōu)解、全局最優(yōu)解等。占用全部片內(nèi)共享存儲器（MSM）資源的1.5%左右。CCS仿真時的平均收斂曲線如圖7所示。

4.2 運行時間分析

TMS320C6678處理器每個內(nèi)核頻率為1.25 GHz，可以提供每秒高達(dá)40 GB MAC定點運算和20 GFLOP浮點運算能力；1片8核的TMS320C6678提供等效達(dá)10 GHz的內(nèi)核頻率，單精度浮點并行運算能力理論上可達(dá)160 GB FLOP。實驗中有關(guān)算法的運行時間是通過C語言庫中的clock()函數(shù)測量的。處理器運行時的主頻配置為1.0 GHz，則算法迭代500次時運行時鐘數(shù)如表1所示。

由表1可以看出，基于TMS320C6678的PSO算法系統(tǒng)得到了較好的核間通信和并行處理性能。在相同的參數(shù)環(huán)境下，該系統(tǒng)的處理能力是C66x單核的5.19倍。實驗結(jié)果表明，基于TMS320C6678的并行粒子群算法的實時處理能力有顯著提升。

4.3 加速比和并行效率

加速比[10]和并行效率是衡量并行處理器性能的兩個重要的指標(biāo)。加速比(Speedup Rate)用來衡量并行系統(tǒng)或程序并行化的性能和效果。并行效率(Parallel Efficiency)表示在并行機(jī)執(zhí)行并行算法時，平均每個處理機(jī)的執(zhí)行效率。下面根據(jù)Amdahl定律[11]來具體計算加速比和并行效率。

假設(shè)一個任務(wù)在有N個單元的處理器上運行，其中可并行執(zhí)行的部分為Tp，只能串行的部分為Ts。則在單處理器上運行時間為Tser=Ts+Tp，Tpar=Ts+Tp/P。這里用Sr來表示加速比，則根據(jù)表1測試的數(shù)據(jù)可以求出該系統(tǒng)的加速比如下：

通過以上分析可以看出，通過增加并行處理單元個數(shù)可以提高加速比，但是其增加的倍數(shù)和增加的處理器的個數(shù)并不是嚴(yán)格對應(yīng)的。這是因為處理器個數(shù)的增加會帶來額外的通信開銷，甚至在某些情況下會導(dǎo)致系統(tǒng)效率的下降。因此在設(shè)計系統(tǒng)時，應(yīng)綜合考慮處理單元個數(shù)、并行結(jié)構(gòu)設(shè)計和任務(wù)的映射等因素。

5 結(jié)論

本文針對粒子群算法在實際應(yīng)用中的實時性需求，首先對算法進(jìn)行并行性分析，并根據(jù)TMS320C6678多核處理器的架構(gòu)特點，設(shè)計出局部并行全局串行的并行模型，高效地將應(yīng)用程序映射到多核處理器。該設(shè)計也適用于其他架構(gòu)的并行處理器，具有廣泛的應(yīng)用性。實驗數(shù)據(jù)表明該設(shè)計充分發(fā)揮了TMS320C6678的性能優(yōu)勢，與單核處理相比有效提高了系統(tǒng)的實時處理能力。因此，該設(shè)計有效地推進(jìn)了PSO算法在實際中的應(yīng)用，對其他各種群智能算法有重要的借鑒意義。