论文部分内容阅读
随着人们对计算机性能需求的日益提升以及集成电路工艺的不断发展,越来越多的处理核心和存储器元件集成在一个芯片上。传统的基于总线架构的片上系统(System on Chip,SoC)通信效率低下,可扩展性较差,不能很好地处理核心间的通信任务。片上网络(Network on Chip,NoC)凭借其多核间数据高效传输的优势,成为了该领域的一个重要发展方向。映射问题是NoC研究领域的一个热点问题,其映射结果将直接影响芯片的功耗、延时及其它属性。其中功耗和延时作为NoC最重要的性能指标,对于它们的优化需求是非常迫切的。NoC映射问题属于NP难问题,如何有效地获得低功耗和低延时映射方案成为了研究难点。针对以上问题,本文首先分析了NoC的功耗和延时指标,为了精确评估和计算NoC系统的功耗以及延时数据,对NoC的功耗和延时这两个指标进行科学评估和数学建模,并建立了面向低功耗和低延时的多目标映射优化模型。然后,本文对NoC的映射问题进行研究,经过对任务特性以及映射过程的深入分析后,将映射划分为两个阶段:任务到IP核的映射,IP核到NoC平台的映射。最后,本文在基本遗传算法上进行改进,提出了一种面向低功耗和低延时的NoC多目标映射优化算法TI_GA,来解决异构多核片上网络系统环境下的映射问题。该算法通过在初始种群中构造优良种群个体的方法,来提高初始种群质量,并加快算法的收敛速度。然后,TI_GA算法迭代过程中采用了双种群遗传机制,两个子种群相互独立地进化,并在进化过程中按照进化代数的要求,在两种群间进行个体的相互交换。以上算法的改进,既保证了种群的多样性,又避免算法陷入局部最优解,最终找到较为行之有效的低功耗和低延时映射方案。以上方案的提出都是为了尽可能地降低NoC系统的功耗以及延时结果。本文在BookSim模拟器上实现了对片上网络的模拟,并结合了MPEG-4、MWD、VOPD三种测试实例,采用基本遗传算法、蚁群算法以及TI_GA算法进行收敛情况、单目标优化以及多目标优化的横向对比实验。实验结果表明,在收敛情况的实验中,本文提出的基于改进遗传算法的异构多核片上网络映射算法TI_GA收敛速度相较于另外两种算法得到明显提高。针对单目标的优化实验中,在三种测试实例下,相较于基本遗传算法以及蚁群算法,TI_GA所得到的功耗平均降低了13.8%和14.2%,延时平均降低了18%和15.3%;针对多目标优化的实验中,虽然功耗及延时的优化效果略逊于单目标优化的结果,但NoC的整体性能得到了提升。TI_GA可以根据应用的实际需求,来权衡优化指标之间的权重,以获取功耗和延时的最大程度的优化效果,所以本文提出的面向多目标优化的映射算法TI_GA十分适用于片上网络,并拥有良好的发展前景。