摘要 基于FPGA基本數(shù)據(jù)流的下載控制方式，利用遺傳算法，通過單片機控制數(shù)據(jù)流的方式對FPGA進行編程配置，實現(xiàn)自身重構(gòu)，使系統(tǒng)具有自適應(yīng)、自組織和自修復(fù)的特性。
關(guān)鍵詞 FPGA；遺傳算法；動態(tài)重構(gòu)；單片機

可重構(gòu)計算的概念是在20世紀(jì)60年代由美國加利福尼亞大學(xué)的Geraid Estrin提出，并研制了系統(tǒng)原型。70年代末，Suetlana P Kartas-hev和Steven I．Kartashev博士提出了動態(tài)可重構(gòu)系統(tǒng)的概念。進入90年代，可重構(gòu)技術(shù)成為了研究熱點，近幾年，可重構(gòu)計算和軟硬件協(xié)同設(shè)計，是當(dāng)前計算機科研領(lǐng)域的兩大核心，其任務(wù)建模平臺大多是基于FPGA的動態(tài)可重構(gòu)系統(tǒng)，是最近幾年該領(lǐng)域研究的熱點話題，并在多領(lǐng)域得到廣泛應(yīng)用。
本文實現(xiàn)了基于遺傳算法的硬件演化過程。通過Mcu隨機產(chǎn)生種群，選擇好的基因進行交叉變異產(chǎn)生后代，然后將合適的基因通過測試找到最佳重構(gòu)方案。選擇最佳方案應(yīng)用于硬件，實現(xiàn)自我修復(fù)和自適應(yīng)。

1 軟件算法
遺傳算法(Genetic Algorithm，GA)是由美國密執(zhí)安大學(xué)John Holland教授于20世紀(jì)70年代提出并逐步發(fā)展起來的一種自適應(yīng)全局優(yōu)化搜索算法。他模擬自然選擇和自然遺傳過程發(fā)生的繁殖，交叉和基因突變現(xiàn)象，在每次迭代中都保留一組候選解，并按某種指標(biāo)從群解中選取較優(yōu)個體，利用遺傳算子對這些個體進行組合，產(chǎn)生新一代的候選解群，直到滿足某種收斂指標(biāo)，最終得到問題的最優(yōu)解或近似解。
基本遺傳算法由4部分組成：(1)編碼(產(chǎn)生初始種群)。(2)適應(yīng)度函數(shù)計算。(3)遺傳算子(選擇、交叉、變異)。(4)運行參數(shù)。
1．1 選擇
遺傳算法首先要產(chǎn)生初始種群，通常叫做染色體。染色體由基因組成，如11001，每位二進制數(shù)就是一個基因變量，然后通過適應(yīng)度函數(shù)檢測合格的染色體，選擇合格染色體進行下一步的交叉、變異，得到新個體。
遺傳算法中的適應(yīng)度，是表示某一個體對環(huán)境的適應(yīng)能力，也表示該個體繁殖后代的能力。遺傳算法的適應(yīng)度函數(shù)也叫評價函數(shù)，是用以判斷群體中個體優(yōu)劣程度的指標(biāo)，它是根據(jù)所求問題的目標(biāo)函數(shù)進行評估的。
此處適應(yīng)度選擇函數(shù)的模式通過一種反饋模式，將產(chǎn)生的個體經(jīng)過仿真檢測評估。如果達(dá)到要求，經(jīng)評估結(jié)果存入存儲模塊，然后以輪盤賭的方式對所有的函數(shù)結(jié)果加權(quán)，判斷每個基因的適應(yīng)度與加權(quán)和的比值，即介于(0，1)的小數(shù)，選擇大于—個值比如0.8為合格，當(dāng)評估完群體中所有個體的適應(yīng)度后，選擇適應(yīng)度大于0.8的個體存儲，然后等待由交叉變異模塊產(chǎn)生出的新個體。
1．2 交叉變異
交叉變異模塊得到來自選擇模塊的兩個個體，根據(jù)隨機數(shù)模塊產(chǎn)生的隨機數(shù)與交叉概率作比較，判斷是否進行交叉操作。交叉算子根據(jù)交叉率將種群中的兩個個體隨機交換某些基因，能夠產(chǎn)生新的基因組合，期望將有益基因組合在一起。
如找到兩個父代基因，需要進行交叉，找到基因的交叉點，將各個基因的交叉點交叉基因變量形成新的基因變量，變異就是每個基因找到基因變異點，試圖通過基因變異找到合適的方案，如圖1所示。

1．3 基因下載
得到的優(yōu)良基因就是所需的方案，將這個方案直接下載，最后實現(xiàn)可控制，可重構(gòu)，自適應(yīng)。如圖2所示。