[发明专利]基于多目标遗传算法的片上网络内存控制器布局方法

权利要求书

1.一种基于多目标遗传算法的片上网络内存控制器布局方法，其特征在于，进行建模预处理，将片上网络的布局形式转化为二进制矩阵；计算二进制矩阵中“0”、“1”节点间的平均曼哈顿距离f₁、各节点与其最近“0”之间的曼哈顿距离的方差f₂，以及各行列的“0”数量方差f₃；将f₁，f₂和f₃作为多目标遗传算法的适应度函数；对算法中的交叉和变异过程做修改，满足约束条件并保证交叉变异的随机性和产生优秀子代的效果；完成搜索后得到模型最优布局集，使用黄金分割法结合全系统仿真筛选出实际最优布局，该方法的步骤包括如下：

(1)将一种片上网络的布局形式转化为二进制矩阵：

1a)将有n个路由器的片上网络布局形式以Mesh拓扑相连，选择Mesh网络中m个位置连接内存控制器(mn)，若这m个位置与已有布局形式中内存控制器的位置重合，则重新创建布局形式，若这m个位置与已有布局形式中内存控制器的位置不重合，则新布局创建成功，各路由器继续分别连接一个本地处理器；

1b)将所创建布局形式转化为二进制矩阵：对应拓扑定义一个的空矩阵，定义空矩阵中s个位置对应1a)中连接内存控制器的m个路由器的位置，s＝m，将这s个位置赋值为“0”，将空矩阵中n-s个剩余位置赋值为“1”，“1”表示在片上网络中仅连接处理器核的路由器的位置，由此将该布局形式的位置信息转化成的二进制矩阵；

(2)计算平均曼哈顿距离：

2a)计算每个节点与每个“0”对应位置之间的曼哈顿距离；

2b)按照公式计算平均曼哈顿距离，其中，∑表示求和操作，H(i,j)表示第i个节点到第j个“0”的曼哈顿距离；

(3)按照下式，计算各节点与其最近“0”之间的曼哈顿距离的方差f₂：

其中，H(i,i_n0)表示第i个节点到最近的“0”的距离，即到i_n0的距离；

(4)按照下式，计算二进制矩阵中行和列的“0”数量方差f₃：

其中，y表示二进制矩阵行的总数，z表示二进制矩阵列的总数，p表示行的序号，q表示列的序号，N(p)表示二进制矩阵中第p行“0”的个数，M(q)表示二进制矩阵中第q行“0”的个数，μ₂表示二进制矩阵中行和列的“0”个数的平均值；

(5)将该二进制矩阵平铺为w位的二进制序列，w＝n；将f₁、f₂和f₃依次添加到二进制序列末尾后作为一个布局个体；

(6)重复执行步骤(1)-(5)100次，将得到的100个布局个体组成一个100行w+3列的布局种群p_a；

(7)使用多目标遗传算法求模型最优布局集：

7a)将变异率设置为0.2、交叉率设置为0.8；

7b)对布局种群p_a中所有布局进行非支配排序和拥挤度排序；得到各布局的非支配等级和拥挤度值；

7c)依据各布局的非支配等级和拥挤度值，进行锦标赛选择得到种群p_b；

7d)对种群p_b依次进行交叉、变异操作，得到种群p_c；种群p_c中的二进制矩阵被更新；采用与步骤(2)相同的方法，计算更新后的二进制矩阵的平均曼哈顿距离；采用与步骤(3)相同的方法，计算更新后的二进制矩阵的各节点与其最近“0”之间的曼哈顿距离的方差；采用与步骤(4)相同的方法，计算更新后的二进制矩阵的各行列“0”数量的方差；接着进行父代子代种群合并得到下一个种群p_d，再次对种群p_d中的布局进行非支配排序和拥挤度排序，利用求出的非支配等级和拥挤度值进行精英策略操作，得到种群p_e；

所述的精英策略操作指的是，在合并父代子代后的200个个体中，根据Pareto等级从低到高的顺序，将整个等级的种群放入下一代种群p_n，直到某一级该级个体不能全部放入p_n，将该级个体根据拥挤度从大到小排列，依次放入p_n，直到p_n填满数量100；

7e)重复步骤7c)到7d)600次，将得到的100个模型最优布局组成模型最优布局集；

(8)筛选实际最优布局：

使用黄金分割法，结合最优布局集的全系统仿真，对模型最优布局集进行搜索，得到实际最优布局。