随着超大规模集成电路技术的不断发展,单芯片上可集成的处理核数目越来越多,核间通信的数据量越来越大,片上网络作为多核处理器系统核间通信的基础架构,有效解决了多核之间的复杂通信问题,目前已得到广泛关注与研究。作为片上网络设计中的主要问题之一,映射优化已被证明是一个NP-hard问题,如何高效地将应用核分配到网络合适的节点上,使得系统在满足某些约束条件下的性能达到最优已成为具有挑战的问题。本文首先对片上网络研究背景及意义进行了分析,并对片上网络设计的关键技术及发展现状进行了总结。从片上网络映射优化问题入手,分析不同映射策略对系统性能的影响,并从拓扑规模的角度出发,对现有片上网络映射优化问题的研究进展进行了综述对比。论文主要研究内容及成果如下:针对簇型三维片上网络中共享TSV(Through Silicon Vias)垂直链路带来的竞争问题以及芯片垂直方向的堆叠造成的温度分布不均问题,建立了以降低网络竞争和温度均衡为优化目标的映射模型,该模型以竞争度因子来衡量基于N:1共享TSV的簇型三维NoC网络架构中的竞争程度,同时将各层间由于距离热沉位置不同而产生的温度差值进行量化,设计了一种文化基因算法进行求解。该算法通过在全局搜索操作中引入局部搜索算子,加强了种群中个体搜索可行解的能力,有效提高了收敛速度,避免了算法的早熟。仿真结果表明,与现有映射算法相比,该算法可实现网络竞争较低、温度均衡分布更优的映射方案。片上网络处理单元的故障对应用的完整执行及系统性能具有一定影响,本文提出一种基于故障感知与资源共享的片上网络低功耗映射方案。该方案依据应用核之间的通信关系,定义了基于PageRank排序思想的关键因子,并按照其大小对应用核添加具有备份功能的虚拟应用核。针对备份机制带来的冗余问题,本文对具有同一功能类型的应用核,采用共享机制以降低备份开销。考虑虚拟应用核与应用核之间的位置关系对系统发生故障前与故障恢复后能耗开销的影响,建立了以能耗开销为优化目标的数学模型,并采用改进蚁群算法进行求解。该算法改进了传统蚁群算法中信息素的更新方式,提高了算法收敛速度,避免了停滞现象的发生。仿真结果表明,本文提出的方案具有更低的面积开销;同时与现有映射算法相比,改进蚁群算法可实现能耗开销更低的映射方案。