论文部分内容阅读
片上网络(Network-on-Chip, NoC)是解决复杂片上多核通信问题的重要手段。NoC映射是NoC设计的重要步骤，映射结果会对NoC能耗、时延、吞吐量和热量平衡等性能产生重大影响。当前NoC映射技术的研究主要集中于时延精确建模、性能评估模型、多目标映射算法、动态映射策略和三维NoC设计等方面。随着映射技术的不断发展，传统的单一性能优化算法会导致另一性能的急剧下降，而针对能耗和时延多目标映射算法的需求越来越明显。为此，本文从模型构建和多目标映射算法设计两方面对NoC映射技术展开研究。论文在深入分析现有NoC映射技术的基础上，首先提出了一种基于宏观链路负载分布和单个节点排队时延的时延优化模型，以及一种基于近邻随机思想的映射方案。然后，针对NoC映射的多目标优化问题，先提出一种基于Boltzmann-NSGAⅡ的映射算法，进而提出一种基于混沌NNIA的映射算法。具体的研究工作如下：1)提出了一种时延优化模型和近邻随机GA映射方案。针对时延精确建模难的问题，提出一种基于宏观链路负载分布和单个节点排队时延的时延优化模型。该模型通过引入时延因子，从影响时延的两个关键因素——宏观和单个节点方面对时延性能进行了优化。在该时延优化模型下，针对遗传算法(GeneticAlgorithm, GA)在收敛过程中易陷入局部最优和搜索效率低的问题，提出了一种基于近邻随机GA的映射方案。该方案基于近邻随机思想构建初始种群，结合映射问题特点设计遗传算子。仿真实验表明：与随机映射方案相比，近邻随机GA映射方案能取到目标函数的最优解；和GA算法相比，本方案的运行效率平均提升了20%。2)提出了一种基于Boltzmann-NSGAⅡ的映射算法。针对NSGAⅡ算法在解决NoC映射多目标优化问题时存在的不足，提出了基于Boltzmann-NSGAⅡ的映射算法。该算法引入Blotzmann策略构建非劣排序机制，通过设计多点交叉算子和随机变异算子来避免重复基因的出现、保存优良性状的个体，有效地保证种群多样性，提升局部搜索能力。仿真实验表明：和改进的NSGAⅡ算法相比，Boltzmann-NSGAⅡ映射算法求得最优解集的收敛性指标平均提升了47.4%，间距指标平均提升了55.5%，表明Boltzmann-NSGAⅡ映射算法求得的最优解集收敛性更好，解的分布更均匀，映射效果更佳。3)提出了一种基于混沌NNIA的映射算法。针对NSGAⅡ算法在解决高维多目标优化问题时的固有缺陷，结合NoC技术发展需求，提出了一种混沌NNIA映射算法。该算法以多点交叉策略实现重组操作，结合NNIA算法的比例克隆、近邻选择机制，将混沌更新机制引入到超变异操作中，进一步提高了种群多样性。仿真实验表明：在求解高维多目标优化的NoC映射问题时，和NSGAⅡ算法相比，混沌NNIA映射算法最优解集的收敛性指标平均提升了64.4%，间距指标平均提升了46.1%。