现场可编程逻辑门阵列(Field Programmable Gate Array,FPGA)作为一种高集成度的半定制专用集成电路芯片,具有高并行性、高速度、低功耗、低成本的优势,被广泛的应用于大型数据中心、云服务平台中实现任务加速处理。随着动态部分可重构(Dynamic Partial Reconfigurable,DPR)的FPGA(DPR-FPGA)出现,FPGA的灵活性和开发潜力得到了进一步提升,但也给片上资源布局带来更大挑战,复杂的设计约束需要匹配更加高效的布局算法以获得好的布局结果。基于上述问题,本文总结分析了面向多任务的DPR-FPGA资源布局过程,将其细分为片上一次可部署的多任务问题和需进行多次部署的多任务问题,并就两个子问题分别提出解决方案,设计实现了DPR-FPGA的多任务自适应布局方案。具体研究内容如下:(1)将片上一次可部署的多任务问题抽象为基于平面的二维资源映射问题,提出了一种自适应资源布局算法,改进了自适应遗传算法(Adaptive Genetic Algorithm,AGA),设计了一种基于句柄——任务关联的间接编码方式,实现二维布局解空间与编码空间的映射;优化了句柄——属性交叉和染色体逆序变异操作,增强自适应资源布局算法的全局搜索能力,能够在较短时间内获得较优的二维平面布局结果;综合考虑资源利用率以及最大可用空闲区两个评价指标,设计了多目标优化的适应度函数,实现了自适应的启发式布局算法,提高了FPGA资源布局的效率。(2)在以上工作基础上,为进一步解决需进行多次部署的多任务问题,将其抽象为基于时序的三维配置规划问题,提出了一种基于任务依赖的离线3D布局器,通过对多任务间的数据依赖关系进行分析,划分任务的布局阶段,结合动态部分可重构技术中的部分配置分层原理,得出多任务布局的部分配置时序,设计实现了具有整体规划能力的离线3D布局器。(3)将基于AGA的自适应资源布局算法与基于任务依赖的离线3D布局器相结合,设计DPR-FPGA多任务自适应布局方案,综合了启发式布局和三维全局规划的优点,实现了芯片资源的空间复用,进一步改善了多任务布局的资源平衡问题。最后,使用TGFF工具生成任务序列进行对比实验。将基于AGA的自适应资源布局算法与其他二维布局算法对比,结果表明,该算法具有强鲁棒性,能够有效避免早熟问题,较快地得到布局优解,有效提高资源利用率至69.1%,提高最大可用空白区至芯片资源的40.6%。同时将DPR-FPGA自适应布局方案进行实现分析,结果表明,该方案将布局时间消耗分担到开发设计过程中,减少部分配置等待时间,缓解了资源的冗余占用情况,能够有效解决DPR-FPGA的多任务资源布局问题。