[发明专利]一种基于混沌离散粒子群优化的片上网络映射方法

说明书

技术领域

本发明属于集成电路芯片优化设计方法，特别是片上网络设计中从任务图到片上网络平台的最优映射方案搜索过程。

背景技术

随着集成电路集成规模和密度的迅速增加，片上处理核间的数据通信压力增大，片上网络(NoC)成为片上通信的有效、灵活和可扩展的解决方案。在NoC设计中，从具体高层应用到NoC平台如何映射关系到系统的功耗、延时以及硬件资源需求量等诸多指标。

通过查新和广泛收集文献资料，我们发现已经公开的NoC映射方法有如下几种：

参考文献Jingcao Hu，Marculescu R.，Energy-and performance-aware mappingfor regular NoC architectures，IEEE Transactions on Computer-Aided Design ofIntegrated Circuits and Systems，2005，pp.551-562.提出了一种基于分支定界法的NoC映射方案搜索算法，实现了满足低功耗和工作性能的设计需求的映射方案的搜索。但是该文献中讨论的映射过程仅仅是从处理单元(PE)到NoC平台的映射，没有考虑到从任务到PE的映射，不能充分发掘PE的性能；而且由于选择的分支定界法搜索性能有限，不能得到最优的映射方案。

参考文献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.提出的是一种基于遗传算法的映射方案搜索算法，实现了通过找到网络延时小的映射方案达到减小任务执行时间的目的。该法采用的是遗传算法，能够达到搜索近似最优解的效果，但是搜索到的解性能效果不佳；另外此算法只考虑了延时，不能满足NoC设计的实际需求，仅满足了低延时的方案对于其他指标而言不一定也有好的效果。

现有的NoC映射方法几乎都只讨论从PE到NoC平台的映射，而且采用的优化算法性能不是最佳，搜索最优解花费的时间长或找到的映射方案功耗和延时较大，采用连续空间优化算法解决离散空间中定义的映射搜索问题不能达到最优的效果。

发明内容

本发明针对NoC设计的映射环节中对低功耗和低延时的要求，提出了一种基于离散混沌粒子群优化算法的映射方案搜索算法，且将映射过程分割为两个阶段：从任务图到PE(处理单元)的映射和从PE到NoC平台的映射。通过对映射过程的划分，充分发掘了PE的性能，更为有效地降低功耗和延时，同时缩短了搜索时间。

离散粒子群优化是传统粒子群优化算法的改进版本，它继承了传统粒子群优化算法收敛速度快等优点，同时克服了传统粒子群优化算法不适宜解决离散空间搜索问题(如映射、路由、调度等问题)的缺点。本发明在离散粒子群优化的基础上加入了混沌扰动机制，形成了混沌离散粒子群优化，克服了粒子群优化易陷入局部最优解的不足。

映射过程的两个阶段具有不同特点，使用离散混沌粒子群优化算法要解决两个阶段的问题，需要针对各阶段的特点分别建模。第一阶段，利用平均功耗和平均延时数据，由混沌离散粒子群优化算法得到从任务图到PE的映射结果。任务到PE的映射不是一个单射，一个或一个以上任务可以被指派到同一个PE上，在建模时可以用粒子中的分量直接表示任务和PE的对应关系。第二阶段是在第一阶段结果的基础上，利用精确功耗和精确延时数据，由混沌离散粒子群优化算法得到从PE到NoC平台的映射结果。PE到网络节点的映射是单射，一个网络节点只能安排一个PE。由于离散混沌粒子群优化在完成粒子位置更新后各分量具有不确定性，很可能出现解向量中两个或两个以上分量相同的情况，因此在建模时粒子的各个分量表示新的PE-NoC对应关系相对于基准PE-NoC对应关系的改变。

搜索算法第一阶段：从任务图到PE的映射