專利名稱：一種基于混沌離散粒子群優化的片上網絡映射方法
技術領域：
本發明屬于集成電路芯片優化設計方法，特別是片上網絡設計中從任務圖到片上 網絡平臺的最優映射方案搜索過程。
背景技術：
隨著集成電路集成規模和密度的迅速增加，片上處理核間的數據通信壓力增大， 片上網絡(NoC)成為片上通信的有效、靈活和可擴展的解決方案。在NoC設計中，從具體高 層應用到NoC平臺如何映射關系到系統的功耗、延時以及硬件資源需求量等諸多指標。通過查新和廣泛收集文獻資料，我們發現已經公開的NoC映射方法有如下幾種參 考文獻 Jingcao Hu, Marculescu R. , Energy-and performance-aware mappingfor regular NoC architectures,IEEE Transactions on Computer—Aided Design oflntegrated Circuits and Systems, 2005, pp. 551-562.提出了一種基于分支定界法的 NoC映射方案搜索算法，實現了滿足低功耗和工作性能的設計需求的映射方案的搜索。但 是該文獻中討論的映射過程僅僅是從處理單元(PE)到NoC平臺的映射，沒有考慮到從任務 到PE的映射，不能充分發掘PE的性能；而且由于選擇的分支定界法搜索性能有限，不能得 到最優的映射方案。參考文獻 Tang Lei, Shashi Kumar, A two-step genetic algorithm for mappingtask graphs to a network on chip architecture, Proceedings of the EuromicroSymposium on Digital Systems Design,IEEE Computer Society,Washington, DC, USA, 2003, pp. 180-187.提出的是一種基于遺傳算法的映射方案搜索算法，實現了通過 找到網絡延時小的映射方案達到減小任務執行時間的目的。該法采用的是遺傳算法，能夠 達到搜索近似最優解的效果，但是搜索到的解性能效果不佳；另外此算法只考慮了延時，不 能滿足NoC設計的實際需求，僅滿足了低延時的方案對于其他指標而言不一定也有好的效果。現有的NoC映射方法幾乎都只討論從PE到NoC平臺的映射，而且采用的優化算法 性能不是最佳，搜索最優解花費的時間長或找到的映射方案功耗和延時較大，采用連續空 間優化算法解決離散空間中定義的映射搜索問題不能達到最優的效果。
發明內容
本發明針對NoC設計的映射環節中對低功耗和低延時的要求，提出了一種基于離 散混沌粒子群優化算法的映射方案搜索算法，且將映射過程分割為兩個階段從任務圖到 PE (處理單元)的映射和從PE到NoC平臺的映射。通過對映射過程的劃分，充分發掘了 PE 的性能，更為有效地降低功耗和延時，同時縮短了搜索時間。離散粒子群優化是傳統粒子群優化算法的改進版本，它繼承了傳統粒子群優化算 法收斂速度快等優點，同時克服了傳統粒子群優化算法不適宜解決離散空間搜索問題(如 映射、路由、調度等問題)的缺點。本發明在離散粒子群優化的基礎上加入了混沌擾動機制，形成了混沌離散粒子群優化，克服了粒子群優化易陷入局部最優解的不足。映射過程的兩個階段具有不同特點，使用離散混沌粒子群優化算法要解決兩個階 段的問題，需要針對各階段的特點分別建模。第一階段，利用平均功耗和平均延時數據，由 混沌離散粒子群優化算法得到從任務圖到PE的映射結果。任務到PE的映射不是一個單 射，一個或一個以上任務可以被指派到同一個PE上，在建模時可以用粒子中的分量直接表 示任務和PE的對應關系。第二階段是在第一階段結果的基礎上，利用精確功耗和精確延時 數據，由混沌離散粒子群優化算法得到從PE到NoC平臺的映射結果。PE到網絡節點的映射 是單射，一個網絡節點只能安排一個PE。由于離散混沌粒子群優化在完成粒子位置更新后 各分量具有不確定性，很可能出現解向量中兩個或兩個以上分量相同的情況，因此在建模 時粒子的各個分量表示新的PE-NoC對應關系相對于基準PE-NoC對應關系的改變。搜索算法第一階段從任務圖到PE的映射首先定義第一階段混沌離散粒子算法中粒子的含義，粒子由一個只含二進制數的 矩陣表示，矩陣的行向量所組成的二進制數值代表PE的編號，行向量的序號代表任務圖中 的任務號。任務向PE的分派結果用向量X= (Xl，x2，…，χη)τ表示，其含義是編號為i的 任務在PExi上完成。由于不同任務可以同時被分派到相同PE，因而可以出現Xi = Xj的情 況。解向量中元素的個數η和任務圖中的任務數相同，而Xi是某PE的編號，若將此編號用 二進制數表示，并將此二進制數中包含的數據位作為行向量，則可將X表示為只含O、1的矩 陣
權利要求
1.一種基于混沌離散粒子群優化的片上網絡映射方法，包括優化算法的設計、優化算 法對映射問題的建模、兩階段映射過程，其特點在于離散粒子群優化是傳統粒子群優化算 法的改進版本，混沌離散粒子群優化是在離散粒子群優化的基礎上加入了混沌擾動機制， 解決粒子群優化易陷入局部最優解的問題。映射過程的兩個階段具有不同特點，使用離散 混沌粒子群優化算法要解決兩個階段的問題需要針對各階段的特點分別建模。
2.根據權利要求1所述基于混沌離散粒子群優化的片上網絡映射方法，其特征在于 采用了離散版本的粒子群優化算法更適合于解決映射這一離散空間最優解搜索的問題。離 散粒子群優化算法中加入了混沌擾動機制，使得算法不易陷入局部最優解，混沌擾動的操 作流程為步驟1設上一次迭代中的混沌向量為μ = (μ1 μ2,…，Ud)；步驟2本次迭代中的混沌向量 Γ的任意分量ITi由Logistic映射給出
3.根據權利要求1所述基于混沌離散粒子群優化的片上網絡映射方法，其特征在于 將片上網絡(NoC)映射過程分割為了從任務圖到處理單元(PE)的映射和從PE到NoC平臺 的映射兩個階段，通過對映射過程的劃分，充分發掘了 PE的性能，更為有效地降低功耗和 延時，同時縮短了搜索時間。優化算法搜索步驟為步驟Il初始化混沌離散粒子群優化算法的參數，粒子總數設置為ηρ，最大允許迭代次 數設置為nmax，隨機生產np個粒子< ~ 作為初始解。步驟12分別計算出步驟Il中各個粒子的適應度A1 。設置各粒子的初始個體最優 解~ 為當前初始解，采用功耗和延時模型計算出每個粒子對應映射方案帶來的 功耗和延時，比較所有粒子的適應度(由延時和功耗共同確定)，找到適應度最大的粒子作 為初始全局最優解gBest1。步驟13若當前總迭代次數小于最大允許迭代次數nmax，則執行步驟14，否則轉到步驟 19執行。步驟14若當前操作的粒子在粒子群中的標號小于粒子總數np，則執行步驟15，否則轉 到步驟18執行。步驟15按照離散粒子群優化算法中粒子更新的操作流程對當前粒子進行更新操作， 得到粒子的新位置X。步驟16對步驟15中得到的當前粒子新位置X進行混沌擾動操作，得到擾動后的新位 置又。計算擾動后的粒子X的適應度和擾動前的粒子X的適應度，比較兩者的適應度，若擾 動后的粒子適應度大于擾動前粒子的適應度，則用擾動后的粒子X代替擾動前的粒子X，成 為當前粒子，否則保持當前粒子不變。步驟17比較當前粒子X的適應度和當前粒子的歷史最佳位置pBest的適應度，若當前 粒子的適應度大于當前粒子歷史最佳位置的適應度，則用粒子的當前位置代替舊的歷史最佳位置PBest得到新的歷史最佳位置，否則不改變當前粒子的歷史最佳位置。用粒子群中 的下一個粒子作為當前粒子，轉到步驟14繼續執行算法。步驟18比較粒子群中所有粒子歷史最優位置的適應度，并找出具有最大適應度的位 置，若該位置的適應度大于當前所有粒子歷史最佳位置gBest，則用該位置代替gBest成為 新的全局最優位置。轉到步驟13繼續執行算法。 步驟19得到全局最優解gBest，算法結束。第一階段、第二階段搜索步驟相同，具體實施的不同點在于第二階段以第一階段得到 的已經關聯了任務的PE作為算法輸入兩個階段中的粒子的定義不同；兩個階段采用的功 耗/延時模型不同。
4.根據權利要求1所述基于混沌離散粒子群優化的片上網絡映射方法，其特征在于 在兩個階段中分別建立了適宜求解的數學模型。第一階段，利用平均功耗/延時數據通過 混沌離散粒子群優化算法得到從任務圖到PE的映射結果。任務到PE的映射不是一個單 射，一個或一個以上任務可以被指派到同一個PE上，在建模時可以用粒子中的分量直接表 示任務和PE的對應關系。第二階段是在第一階段結果的基礎上，利用精確功耗/延時數據 通過混沌離散粒子群優化算法得到從PE到NoC平臺的映射結果。PE到網絡節點的映射是 單射，一個網絡節點只能安排一個PE。由于離散混沌粒子群優化在完成粒子位置更新后各 分量具有不確定性，很可能出現解向量中兩個或兩個以上分量相同的情況，因此在建模時 粒子的各個分量定義為新的PE-NoC對應關系相對于基準PE-NoC對應關系的改變。
全文摘要
本發明提出了一種基于混沌離散粒子群優化的片上網絡(NoC)映射方案搜索算法，用以解決NoC設計中從任務圖到NoC平臺映射這一NP問題，使得映射方案同時滿足低功耗和低延時的設計需求。在本發明中，映射過程被分割為兩個階段，第一階段是利用平均功耗/延時數據通過混沌離散粒子群優化算法得到從任務圖到處理單元(PE)的映射結果，第二階段是在第一階段結果的基礎上，利用精確功耗/延時數據通過混沌離散粒子群優化算法得到從PE到NoC平臺的映射結果。
文檔編號G06F17/50GK102129482SQ20101002808
公開日2011年7月20日 申請日期2010年1月13日 優先權日2010年1月13日
發明者凌翔, 王雷, 胡劍浩, 陳亦歐 申請人:電子科技大學