随着VLSI(超大规模集成电路设计Very Large-Scaled Integrated Circuit)技术和工艺水平的不断发展,单晶片上集成多个处理单元已经成为可能,可以运行同构或者异构的应用。但是,集成电路的功耗却成为一个很大的瓶颈,限制了其性能的进一步提高以及单晶片上核的数量的增多。事实上,能耗的问题不仅对限制芯片性能的进一步提高,还导致了芯片更高的热点区域、降低了芯片的寿命、对芯片供电网络的设计以及芯片的可测性等方面都带来了很大的挑战。此外,能耗对于以电池供电的可移动设备来说是个更为关键的问题。NoC (Network-On-Chip)作为大规模并行处理器的首选架构,是未来芯片设计的发展方向,它不仅被广泛应用于高性能服务器等大规模计算系统,也被移动和无线通信终端等嵌入式高性能SoC (System-On-Chip)设计所采用。因此近年来,一方面,节能意识的增强推动低功耗片上网络设计技术的发展,另一方面,由于能耗上升导致的芯片温度上升,进而对芯片性能和稳定性的影响也推进了工业界和学术界对低功耗片上网络研究。论文详细分析了片上网络的功耗来源,包括：从电路级来分析有动态功耗和静态功耗,从功耗建模层面上分析节点功耗、链路功耗、转换功耗等。论文在对片上网络功耗来源进行分析的基础上,提出影响功耗NoC功耗的主要影响因素。论文从物理硬件层、系统软件层、算法应用层分别对片上网络低功耗技术进行了分析和总结,并在详细阐述片上网络映射问题的基础上提出片上网络低功耗映射模型。随后,论文提出了改进的片上网络蚁群映射算法,并为验证该映射算法对低功耗片上网络性能的提升,结合具体应用进行了仿真实验。论文比较了该改进蚁群算法与一般蚁群算法、粒子群算法的映射结果的优劣。仿真实验选取5组实验结果进行了性能对比分析。实验结果显示改进的蚁群算法能够在收敛速度、停滞现象等方面都有取得较好的性能；实验数据还显示改进蚁群算法对比一般蚁群算法而言,功耗平均优化比例为69%。改进蚁群算法对比粒子群算法功耗的平均优化比例为59%。实验结果证明了改进的蚁群算法获得的映射解在功耗函数下可以取得更低的功耗。