软硬件划分是软硬件协同设计中关键步骤之一,随着嵌入式系统任务复杂度和设计规模的增加,已逐步成为一个具有挑战性的优化问题。粒子群算法因其概念简单、实现容易和收敛速度快,已被广泛应用于软硬件划分问题中。但是没有一种通用的算法能够有效地解决所有类型的软硬件划分问题,采用粒子群算法求解软硬件划分存在如下问题:1)早熟收敛;2)容易陷入局部最优解;3)时间开销高。为了解决粒子群算法求解软硬件划分中的问题,本文提出基于增强型粒子群算法的软硬件划分方法。一方面研究了粒子群算法的改进策略,融合生物智能行为和其他优化算法,通过同时增强搜索的多样性和集中性,提高粒子群算法解的质量。另一方面分析了软硬件划分方法的时间复杂度,对最耗时的计算过程采用多核CPU和众核GPU并行计算进行加速。具体工作及创新点归纳如下:（1）基于鱼群觅食行为的粒子群算法针对粒子群算法求解非线性复杂优化问题时容易陷入局部最优解的问题,提出一种高效的基于鱼群觅食行为的粒子群算法。鱼群能通过水波传递启发信息,在觅食中通过感知水波信息寻找到更好的位置。模拟这种智能行为,当前全局最优的粒子通过少数随机粒子提供的自身最优位置信息,寻找更优的位置,增强全局搜索能力。当鱼群被其他觅食者攻击时,根据达尔文进化论,弱小的不能很快逃走的鱼将会被吃掉。模拟这种现象,通过随机产生的粒子替代当前全局最差位置附近的弱小粒子,增加种群的多样性,防止早熟收敛。（2）基于从众和声粒子群算法的软硬件划分方法针对粒子群算法求解软硬件划分时存在早熟收敛、容易陷入局部最优解和运行时间长的问题,提出基于从众和声粒子群算法（Conformity Particle Swarm Optimization with Harmony Search,CPSO-HS）的软硬件划分方法。按生物行为学理论,个体粒子具有从众行为,趋向于靠近群体粒子聚集的安全地点,以避免被捕食者袭击。CPSO-HS算法通过模拟这种从众行为,以避免陷入局部最优,有利于逼近全局最优点。通过改进和声搜索算法（Harmony Search,HS）的初始化策略,在当前全局最优解附近提高算法的搜索精度,有利于提升解的质量。为了减少算法的整体运行时间,通过低成本的多核并行策略加速软硬件通信代价的计算过程。（3）基于野草扰动粒子群算法的软硬件划分方法为了进一步增强粒子群算法求解软硬件划分问题的性能,提出基于野草扰动粒子群算法（Position Disturbed Particle Swarm Optimization with Invasive Weed Optimization,PDPSO-IWO）的软硬件划分方法。当地松鼠察觉到有潜在捕食者的时候,就会发出警告信息,通知同类远离危险。在PDPSO中,通过模拟这种智能行为,粒子远离群体中当前全局最差位置,保持种群多样性,以减少陷入局部最优的可能性。通过改进野草算法（Invasive Weed Optimization,IWO）的初始化和繁殖策略,将IWO集成到PDPSO-IWO中,以提高算法在当前全局最优解附近的搜索精度。提出混合NodeRank（Hybrid NodeRank,HNodeRank）方法用于初始化PDPSO-IWO算法的种群,能进一步提升解的质量。由于软硬划分算法中最耗时的过程是计算软硬件的通信代价,采用GPU并行加速该过程。（4）基于爆炸粒子群算法的大规模软硬件划分方法针对现代嵌入式系统中大规模软硬件划分问题,提出一种基于爆炸粒子群算法（Explosion Particle Swarm Optimization,EPSO）的求解方法。将粒子群算法与烟花算法（Fireworks Algorithm,FWA）中的爆炸操作进行融合,改进爆炸策略,在粒子自身经历的最优位置执行爆炸操作。通过爆炸产生的更优位置替代个体最优位置,从而增加搜索密度,增强搜索的集中性。改进的爆炸操作属于非迭代算法,在计算量增加不大的情况下,能提升搜索精度和解的质量。设计大规模软硬件划分任务,通过求解该任务集验证EPSO算法的有效性。