[发明专利]基于生成对抗网络的片上网络任务映射方法

权利要求书

1.一种基于生成对抗网络的片上网络任务映射方法，其特征在于，所述方法包括如下步骤：

A.获取任务流图和资源流图，并通过遗传算法得到该任务流图向资源流图的映射，作为待优化映射；对所述待优化映射进行标准化处理，得到训练样本；

B.建立生成对抗网络，将所述训练样本输入至所述生成对抗网络；

C.通过所述生成对抗网络的生成器生成与训练样本格式相同的生成样本，并输出生成样本；固定生成器，将所述训练样本和所述生成样本输入鉴别器，用于对鉴别器进行训练，当鉴别器的判别结果满足第一目标函数时，鉴别器训练结束；

D.固定鉴别器，使用所述生成对抗网络的生成器重新生成与训练样本格式相同的生成结果，并输出生成结果；将并所述生成结果和所述训练样本输入鉴别器鉴别，用于对生成器进行训练，当鉴别器的判别结果满足第二目标函数时，生成器训练结束；

E.通过评价函数，评价所述生成样本和所述训练样本二者的性能；并选择多目标优化性能优异者作为下次迭代的训练样本返回步骤C，重复步骤C～E；

F迭代达到预设次数后，使用生成器生成映射结果；

所述步骤E中，将所述训练样本随机匹配一生成样本，通过所述评价函数，评价所述训练样本和所述生成样本二者的功耗和延时，取优者作为下一次迭代的训练样本；其中，所述功耗通过功耗模型得到，所述延时通过延时模型得到；所述功耗模型的表达式为：

P＝P_P+P_R+P_L

其中，P_P,P_R,P_L分别表示由PE、路由器和NoC链路三者产生的功耗；其中，在求解时，采用以PE、路由器或NoC链路的功耗值为单位，通过一定的比例表示另外两者的功耗；以合并求解NoC和PE两者产生的整体功耗。

2.如权利要求1所述的一种映射方法，其特征在于，所述评价函数对功耗和延时加权求和，用于表征所述生成结果或所述训练样本二者在多目标优化问题上功耗和延时整体的性能。

3.如权利要求1所述的一种映射方法，其特征在于，所述第一目标函数为：

所述第二目标函数为：

其中，z～f_z(z)是由生成器随机生成的限定范围内的噪声，即生成器生成的生成样本或生成结果，x～f_r(x)是真实样本数据即训练样本；为在输入服从分布为f_r(x)的训练样本后，判别器将其判定为真的概率的数学期望；为在输入服从分布为f_z(z)的噪声后，判别器将其判定为真的概率的负对数的数学期望。

4.如权利要求1所述的一种映射方法，其特征在于，

所述延时模型的表达式为：

其中第一项表示的是PE的处理延时总和；直连边e(i,j)的两端节点i,j分别映射到PEm，PEn上，Pem到PEn经过的跳数为h_m,n，映射后的链路传输延时为T_e(i,j)，单跳路由平均交换延时为T_A，第二项表示的是链路传输延时和路由交换延时的总和；

所述评价函数的表达式为：

y＝α_dD(M)+α_eP(M)

其中M∈MAP，MAP为所有映射方案的集合，D(M)和P(M)分别表示当前映射方案产生的延时和功耗，α_d和α_e为权重系数。

5.如权利要求1-4任意一项所述的一种映射方法，其特征在于，所述生成对抗网络的生成器为四层全连接网络，第一层为标准化层，中间两层使用LeakyReLu层，最后一层使用Sigmoid激活函数，所述生成器的损失函数为BSE函数；

所述鉴别器为三层全连接网络，第一层为标准化层，第二层为Leak ReLu层、最后一层使用Sigmoid激活函数。

6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机可读指令，当计算机读取并执行所述计算机可读指令时，使得计算机执行如权利要求1-5任意一项所述的映射方法。

7.一种基于生成对抗网络的片上网络任务映射装置，其特征在于，包括至少一个处理器，以及与所述至少一个处理器通信连接的至少一个存储器；所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-5中任一项所述的映射方法。