高性能计算技术的发展,伴随着微处理器计算方式的革新和计算系统架构的演化,逐步出现了以通用处理器和可重构计算器件为计算核心的、耦合的异构多核可重构计算系统。异构架构的动态部分可重构系统是高性能计算主要研究方向之一,其核心计算单元为通用处理器和可重构计算器件,兼具通用处理器和集成电路的计算优势,并在功能灵活性和能耗效率上具有较好的综合性能。异构动态部分可重构系统将具有不同功能特征的计算器件集成在一个芯片中,其任务编译器负责控制应用在不同计算单元上协同执行。由于任务规模庞大、系统约束复杂、配置信息冗杂等缺点,可重构系统的计算性能优势被抵消,研究可重构系统最主要的问题之一就是优化编译关键技术,提高系统性能。在可重构系统任务编译技术中,任务划分、任务调度和任务布局是可重构系统中实现应用协同执行的三个关键技术。任务划分、调度和布局问题可抽象为多目标优化问题模型,当前使用启发式方法解决这三个问题还存在以下缺点:(1)任务划分算法易陷入局部极值,划分方案的质量和可靠性低;(2)带有配置预取功能的任务调度模型复杂,算法复杂度高;(3)任务布局策略的适用性低且缺少系统容错机制。针对以上问题,本课题将启发式方法的优化理论引入到可重构系统任务划分、调度和布局策略中,提高可重构系统任务并行编译性能,主要工作和创新点如下:1.针对任务划分算法易陷入局部极值、求解精度低导致划分质量不理想,可靠性低的缺点,提出反向学习动态半径粒子群优化任务划分算法。该算法通过动态半径扩大求解范围,通过反向学习机制阶段性退化求解进程。基于动态半径和反向学习机制的粒子群优化任务划分算法没有增加算法复杂度,可以跳出局部极值,提高任务划分方案的求解质量和可靠性。2.针对带有配置预取功能的可重构系统任务调度模型复杂,算法时间开销大,影响计算实时性的问题,提出基于离散粒子群优化的可重构系统任务时域调度算法。该算法针对带有配置预取的任务调度模型,设计离散粒子群优化调度算法,通过预生成机制提高调度算法的可靠性和收敛速度。该算法求解出的调度方案具有较高的可靠性和求解质量,且复杂度保持不变。3.针对布局策略难以适用多种规模任务布局场景并且系统缺少容错机制的问题,提出基于动态遗传算法的任务空域布局算法。该算法针对存在禁用区域的多可重构场景任务布局模型,提出面积优先机制预生成布局方案,使用动态因子避免遗传算法陷入局部极值。该算法适用于带有禁用区域的可重构系统多种规模任务布局场景,可有效提高布局方案求解质量,降低通信延时。