在集成电路生产领域，由于半导体工艺的发展，传统的RTL级电路设计方法难以应对制造技术的飞速发展，这就要求人们提升设计的抽象层次，在高层次进行设计。在较高的抽象层，要设计的对象数量可以指数地减小。在探索SOC设计方法进程中，对系统级设计方法(System Level Design，SLD)的研究获得了来自学术界和工业界的重视，开发了许多不同性质的方法。　　 系统级综合在SOC系统级设计中占有重要地位，是典型的多目标优化问题。系统级综合通过分配、绑定和调度，把描述系统行为的规范映射为体系结构描述。在行为描述中，功能对象是相当复杂的、粗粒度的算法、任务、程序或进程；在结构描述中，结构对象是通用或专用处理器、ASICs、总线或存储器。在进行系统级综合时，设计者总是希望尽可能地优化目标系统，比如在成本较小的同时，要求最小化系统的响应时间和功耗。这些相互矛盾的指标在设计时必须进行权衡处理。　　 遗传算法是常用来解决多目标优化问题的有效工具。自遗传算法被提出以来，为优化其性能、提高解的质量和加快收敛速度，学术界在遗传算法的各种算子操作和参数选择方面作了大量改进工作。为提高种群的多样性，生物学中的小生境技术被结合进来。　　 本文的主要工作包括：(1)对SOC系统级设计的方法进行了综述，分析各类方法的优缺点，并指出系统级综合在系统级设计中的重要性。(2)介绍了系统级综合的形式化建模方法、遗传算法的基本理论以及采用遗传算法完成设计空间探索的过程，并通过一个基于H.261标准的视频编解码器综合的实例，验证了其方法的正确性，也揭示了其存在的解集质量不高和收敛速度较慢的问题。(3)为提高解的质量，针对基于隔离机制的小生境技术在集成电路综合中遇到的子群体规模难以确定的问题，提出了根据种群往代的多样性信息确定子群体规模和自适应调整交叉概率和变异概率的改进方法。(4)仍以视频编解码器的系统级综合为例与原方法对比，结果显示改进后的算法可以有效提高解集的覆盖率，加快收敛速度，即能较快地产生较多的非劣解。　　 在论文最后，对本文所做的工作进行了简要回顾和总结，并展望了为完成实际可用的SOC系统级综合软件要做的工作。