可重构处理器的动态重构特性使其设计更为灵活。随着片上资源的增多和互连方式日渐复杂，系统的配置代价急剧增加。同时，应用的规模通常大于系统的资源，需要将应用分割为多个子模块。单次配置代价的增大及频繁的配置，使得配置开销进一步限制了系统性能。本文针对粗粒度可重构REmus系统，研究通过配置优化技术来降低其配置代价。该配置优化方案包括硬件和软件两个部分。硬件部分挖掘子模块配置信息之间的可重用性；软件部分将可重用性作为选择划分方案的标准之一，为硬件提供了更大的优化空间。在硬件层面，针对配置之间的交替重复性和相似性，提出了配置重用和差分配置两种策略。通过减少不必要的配置字传输及降低配置过程的时间代价，来提升系统性能。手工配置的结果显示，利用该技术达到了平均14%、最高35%的性能提升。在软件方面，本文提出了配置优化和优化时域划分相结合的手段。原有时域划分算法是确定性的。本文提出了概率性的、基于多目标粒子群优化（MOPSO）的时域划分算法。该算法将子模块配置之间的可重用性作为目标函数的一部分。本文选择了H264和mediabench中的程序作为测试实例。与原有无配置优化的时域划分算法相比，基于配置优化和MOPSO的时域划分算法，在执行延迟方面降低了40.58%，通信代价降低了6.76%，资源利用率增加了14.83%。与传统优化算法相比，MOPSO对多个目标的优化更为均衡，具有更好的优化效果。