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)，能夠解決復雜的優(yōu)化問題，因此在眾多優(yōu)化問題領域都得到了廣泛的應用^[3]，如控制決策、目標跟蹤、深度學習等。然而，粒子群優(yōu)化算法在實際應用中往往難以達到實時性的要求，特別是求解復雜的多維問題時，速度問題更加突出，難以滿足實際應用的需求。

    隨著嵌入式領域對性能、功耗和成本越來越高的要求，多核處理器應運而生^[4]。其中TI公司推出的基于KeyStone架構的多核處理器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)更為復雜的算法提供了便利。因此其在4G通信、航空電子、機器視覺等領域得到了廣泛的應用。

    本文針對粒子群算法在實際應用中的實時性需求，在對算法進行并行性分析的基礎上，根據(jù)TMS320C6678多核處理器的架構特點，設計出高效的應用程序，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)學描述如下：m維的解空間中，X={x₁，x₂，…，x_n}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x_i={x_i1，x_i2，…，x_im}，該粒子對應的求解速度可以表示為v_i={v_i1，v_i2，…，v_im}，每個粒子對應的個體最優(yōu)解表示為p_i={p_i1，p_i2，…，p_im}，整個種群的全局最優(yōu)解可以表示為g_i={g_i1，g_i2，…，g_im}。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表示當前迭代次數(shù)，x_i(t)對應粒子當前時刻的位置，x_i(t+1)對應粒子下一時刻的位置，v_i(t)和v_i(t+1)分別表示粒子當前時刻和下一時刻的速度，ω為慣性因子，c₁和c₂為學習因子，r₁和r₂表示在0~1之間的隨機數(shù)。此外在每一維，粒子都有最大的限制速度v_max，如果v_i>v_max，則有v_i=v_max；如果v_i<v_max，則有v_i=-v_max。

2 多核DSP任務并行設計

2.1 算法并行性分析

    粒子群算法和其他一些進化算法相比，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f_max=0。另外該函數(shù)比較復雜，是一個多峰函數(shù)。

2.2 并行處理模型設計

    將程序映射到多核處理器的第一步就是確定任務的并行性，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存并行體系中應用發(fā)展多線程的應用程序編程接口，如圖4所示。

    結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，突破性地將二者結合起來，設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

    多核處理器中內核之間如何進行高效的通信交流，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制。軟件是基于SYS/BIOS實時操作系統(tǒng)開發(fā)的。考慮到開發(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通知機制，還可以利用MessageQ來實現(xiàn)更為復雜的核間通信?？紤]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核作為主核負責向從核發(fā)送事件，激活從核并進行一定的運算。主核與從核之間有相互連接。1~7核為從核，主要負責運算，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進行相應的編程開發(fā)。SYS/BIOS用來實現(xiàn)核間任務調度，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個核進行相應的初始化配置。初始化配置之后調用Ipc_start()函數(shù)將自動實現(xiàn)相應模塊的配置，各個核進入同步等待的狀態(tài)，直到8個核都進入同步等待狀態(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行核間連接，使用Ipc.ProcSync_PAIR在.cfg文件中進行配置，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。主核首先進行整個粒子群的初始化，主要包括隨機產(chǎn)生粒子的位置和速度，計算出每個粒子的適應度值作為局部最優(yōu)解，求出對應的全局最優(yōu)解等任務。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)將每個核對應的數(shù)據(jù)的地址發(fā)送到對應的核，并啟動從核進行相應的處理。之后所有的核進行循環(huán)迭代處理，實現(xiàn)算法對應的進化尋優(yōu)處理。同時判斷當前解是否滿足預定的最小適應閾值或達到最大迭代次數(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 實驗結果分析

4.1 存儲空間分析

    KeyStone架構是一款精心設計且效率極高的多核心內存架構，其具備3個存儲等級^[9]。處理器的每個內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大小的空間也設置成cache，其余空間用作SRAM。當數(shù)據(jù)量太大時需要將數(shù)據(jù)置于DDR3中。該實驗中設計粒子的個數(shù)為50，維度也為50，則算法對應的數(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處理器每個內核頻率為1.25 GHz，可以提供每秒高達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10 GHz的內核頻率，單精度浮點并行運算能力理論上可達160 GB FLOP。實驗中有關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。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)表示在并行機執(zhí)行并行算法時，平均每個處理機的執(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。

    假設一個任務在有N個單元的處理器上運行，其中可并行執(zhí)行的部分為T_p，只能串行的部分為T_s。則在單處理器上運行時間為T_ser=T_s+T_p，T_par=T_s+T_p/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)并不是嚴格對應的。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致系統(tǒng)效率的下降。因此在設計系統(tǒng)時，應綜合考慮處理單元個數(shù)、并行結構設計和任務的映射等因素。

5 結論

    本文針對粒子群算法在實際應用中的實時性需求，首先對算法進行并行性分析，并根據(jù)TMS320C6678多核處理器的架構特點，設計出局部并行全局串行的并行模型，高效地將應用程序映射到多核處理器。該設計也適用于其他架構的并行處理器，具有廣泛的應用性。實驗數(shù)據(jù)表明該設計充分發(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，該設計有效地推進了PSO算法在實際中的應用，對其他各種群智能算法有重要的借鑒意義。

參考文獻

[1] KENNEDY J，EBERHART R C.Particle swarm optimization[C].IEEE International Conference on Neural Networks，1995：1942-1948.

[2] DEB K，PRATAP A，AGARWAL S，et al.A fast and elitist multiobjective genetic algorithm：NSGA-II[J].IEEE Transactions on Evolutionary Computation，2002，6(2)：182-197.

[3] Jin Nanbo,RAHMAT-SAMII Y.Advances in particle swarm optimization for antenna designs：real-number，Binary，single-objective and multiobjective implementations[J].IEEE Transactions on Antennas and Propagation，2007，55(3)：556-567.

[4] 郝朋朋，周煦林，唐藝菁，等.基于TMS320C6678多核處理器體系結構的研究[J].微電子學與計算機，2012，29(12)：171-175.

[5] Texas Instruments.TMS320C6678 mulicore fixed and floating-point digital signal processor[Z].2010.

[6] Texas Instruments. Multicore programming guide(Literature Number：SPRAB27B)[Z].2011.

[7] 牛金海.TMS320C66x KeyStone架構多核DSP入門與實例精解[M].上海：上海交通大學出版社，2014.

[8] 吳灝，肖吉陽，范紅旗，等.TMS320C6678多核DSP的核間通信方法[J].電子技術應用，2012，38(9)：11-13.

[9] Texas Instruments.KeyStone architecture multicore shared memory controller(MSMC)(Literature Number：SPRUGW7A)[Z].2011.

[10] 謝超，麥聯(lián)叨，都志輝，等.關于并行計算系統(tǒng)中加速比的研究與分析[J].計算機工程與應用，2003，39(26)：66-68.

[11] 李文石，姚宗寶.基于阿姆達爾定律和蘭特法則計算多核架構的加速比[J].電子學報，2012，40(2)：230-234.