嵌入式系统已经广泛地渗透到了人类生活中,它的功能实现有硬件和软件两种方式,其中硬件实现具有系统性能好但制造代价大、开发完成后难于修改等特点。软件实现具有高灵活性、制造代价小但性能相对较差等特点。如何以最小的代价获得最好的系统性能是嵌入式系统设计中的重要问题,系统软硬件划分也因此成为研究热点。目前,自动的软硬件划分还没有被广泛应用于嵌入式系统商业产品的实际制造中,其中一个很重要的原因,就是求解算法低效。如软硬件划分问题常用的遗传算法,由于其进化过程中的积木块破坏问题,使其实际应用受到很大制约。分布估计算法作为进化计算领域新兴的一个分支,是为解决遗传算法中存在的积木块破坏问题而提出的,它弥补了遗传算法的不足,为求解软硬件划分问题提供了一个新的有效工具。但该算法也存在种群多样性易失、局部搜索能力较差等问题。本论文针对嵌入式系统的软硬件划分问题,着力于分布估计算法及应用的研究,主要研究工作与成果如下:1.针对分布估计算法存在的种群多样性损失导致的早熟收敛问题,将分布估计算法的快速收敛性与遗传算法的种群多样性相结合,提出了一种动态融合的遗传分布估计算法。该算法在每一次迭代中由二者共同产生种群,在进化前期搜索主要由分布估计算法主导,后期则随着迭代进行逐渐增强遗传算法的作用。通过0/1背包问题进行仿真,结果表明算法可获得好的寻优结果并且收敛速度快,验证了所提算法的有效性。2.在单变量边缘分布算法中,前代信息和劣势解被丢弃,但被丢弃的内容中常携带有用信息。针对此问题,对前代信息和劣势解信息分别加以利用研究,提出了一种利用多信息的分布估计算法:在构建概率模型时加入前代信息,并利用以往被丢弃的劣势解构建劣势概率模型,用来对采样产生的解进行筛选,以避免产生差解。通过0/1背包问题进行仿真验证,结果表明前代信息可以有效改善多样性损失问题,劣势解信息则有益于搜索,改进收敛可靠性。3.针对分布估计算法存在的局部搜索能力较差的问题,对分布估计算法进行改进,提出了一种精英克隆分布估计算法。该算法对精英解进行克隆、T变换和优势替换以加强局部搜索能力,对概率模型进行修正以改善种群多样性损失问题。通过多维背包问题进行仿真验证,结果表明该算法有效改善了局部搜索能力差的问题,并保持了种群多样性,非常有利于获得问题的最优解或接近最优的满意解。4.为了提高概率模型的准确性以及解的多样性,提出了一种信息重组的多目标分布估计算法。该算法在选择的种群中加入了候选种群中与劣势解集距离最远的个体,以确保多样性。然后对所选种群进行聚类,分别构建各簇概率模型,并利用信息熵指导将各概率向量组合构成新的概率向量,以获得父代最丰富的信息,从而保护问题解的结构。将该算法通过多目标背包问题进行仿真验证,仿真结果表明该算法可以获得更好的结果,验证了该算法的有效性。5.将所提算法应用于软硬件划分问题的求解。对于单目标单约束的软硬件划分问题,建立了数学模型并将其转化为0/1背包问题,由于提出的动态融合的遗传分布估计算法和利用多信息的分布估计算法都有效求解了0/1背包问题,所以两种算法可有效求解此类软硬件划分问题。对于多约束软硬件划分问题,建立了数学模型,将本文所提的精英克隆分布估计算法用于求解该问题,并将仿真结果与文献的算法结果相比较,表明算法在36种不同的约束条件下均可获得更好的优化结果。对于多目标软硬件划分问题,以JPEG编码器为对象,建立了数学模型,将本文所提的信息重组多目标分布估计算法用于求解该问题,并将仿真结果与文献的遗传算法结果相比较,所提算法能够取得更好的寻优结果。本文所做仅是分布估计算法在软硬件划分问题中的初步尝试与探索,在今后的工作中我们将继续深入研究该问题,以期取得更大的成果。