SOC(System-on-Chip)是近几年来微电子业界最为热门的话题之一。由于SOC芯片集成度的提高以及SOC芯片上市时间进一步缩短，使得基于IP模块的SOC系统设计方法面临着巨大的挑战。传统的SOC系统设计方法采用基于IP核的配置并执行，这种方法是从一个预设计的参数化SOC体系结构出发，以参数化的IP核为组件，通过对IP核的参数进行配置以实现设计。由于IP核的多样性及SOC可优化指标(功耗、执行时间)的矛盾性，使得SOC的设计空间较为复杂。能否针对具体的应用在设计空间中找到一组满足各项优化指标的IP可行配置集，关系到设计的成败，整个设计过程的本质为复杂的多目标优化问题求解。本文针对SOC结构参数设计问题，提出了一种新的多目标优化方法，基于适配粒子群的多目标优化方法。在验证了算法的有效性之后，将其应用于SOC结构参数设计。鉴于SOC参数设计问题的复杂性，本文提出了一种基于适配粒子群的多目标优化方法。适配粒子群优化方法保留了粒子群优化算法中，收敛速度快、计算简单、通用性强的优点。同时考虑到在处理多目标优化问题时得到的不再是单一的解，而是包含许多解的一个集合。算法不仅仅要使得粒子快速地收敛于Pareto解集，更重要的是解集中的个体要保持一定的差异性，应该有代表性地反映Pareto面的分布情况。所以提出将适配技术与粒子群算法相结合的策略，适配技术有利于保证解集有较好的分散性和均匀性。适配技术主要包含适配值和适配半径，本文分别给出了它们的计算方法。非支配性不再是个体能够进入精英集的唯一标准，适配值高的个体将更有可能被保留在精英集中。适配半径的提出是为了让粒子在目标空间中适当地分布，不至于过早地陷入局部最优。通过与普通的粒子群多目标优化方法和非劣性分层遗传算法的比较，表明了适配粒子群在解决多目标优化问题上的优越性。适配粒子群在解决多目标优化问题上的能力，为将其应用于SOC参数设计提供了依据。由于SOC系统参数的个数较多，并且参数间大多相互关联，所以SOC设计空间较为复杂。能否在庞大的SOC参数设计空间中找到一组相对最优的配置关系到整个设计的成败。针对以上问题，本文提出将适配粒子群优化方法应用于SOC参数设计问题，并且给出针对粒子群速度向量的三元离散化方法。适配粒子群优化方法能够在SOC设计空间中快速搜索到最优的参数配置，同时得益于适配技术的应用使得参数配置在目标空间中保持一定的差异性。通过与基于参数依赖性的搜索策略相比较，表明本文优化方法得到的SOC结构参数配置，在以功耗和执行时间组成的二维目标空间中有良好的分散性和非支配性，并且该方法大大缩短了SOC结构参数的搜索时间。