Exact and heuristic approaches for Design Space Exploration of software and hardware architectures
Approches exactes et heuristiques pour l’exploration d’architectures logicielles et matérielles
Résumé
Software complexity of Embedded Systems (ES) increases continously. The raise of Multi-Objective optimation techniques in the 2000 provides opportunities for Design Software Exploration (DSE) of such systems. Our
research aims at adating and exploting Operation Research methods and tools for solving optimisation problems associated to the design and deployement of embedded software. Multiple optimisation criterea are most often considered, and we solve problems in various area : DSE for scheduling of realtime systems, data placement in Fog or Cloud, weather routing for sailing boats or routing of mission for drones, etc.
We show how generic approches can be specialized for efficently solving our cited problems : ad-hoc or MILP model definition, dive and conquer approaches, space exploration refinement methods, parallel solving,
dynamic mission adaptation for a drone, etc.
Les systèmes embarqués (SE) incorporent des fonctionnalités de plus en plus complexes. L'avènement dans les années 2000 des méthodes multi-objectifs a fourni des opportunités pour optimiser l'exploration des alternatives logicielles et matérielles concernant la définition et le déploiement des logiciels logiciels embarqués. Nos travaux exploitent de façon plus ou moins sophistiquée les méthodes et outils issus de la Recherche opérationnelle (théorie des graphes, programmation linéaire MILP, méta heuristiques MOEA) pour modéliser et résoudre des problèmes d'optimisation, le plus souvent multi-critères, associés à certains de ces SE dans des domaines divers : l'exploration d'architectures pour optimiser l'ordonnancement de systèmes temps réel ; le placement d'objet dans le Fog et le Cloud ; le routage pour les voiliers de course et l'optimisation de missions de drones.
Nous montrons dans ce document comment des méthodes génériques peuvent être adaptées pour résoudre efficacement les problèmes précités : modélisation ad-hoc, approches de type diviser pour régner sur les données basée sur la théorie des graphes, découpage en phases avec raffinement de l'espace de recherche, parallélisation MOEA, prise en compte de la dynamique de l'environnement en amont pour la définition d'une solution ou adaptation durant l'exécution d'une mission, etc.
Origine : Fichiers produits par l'(les) auteur(s)