[发明专利]一种基于应用划分的片上网络IP核映射方法

摘要

一种基于应用划分的片上网络IP核映射方法，包括以下步骤：步骤一、根据应用确定通信核图和拓扑结构图，并对IP核和网络节点编号；步骤二、确定优化目标，经人工蜂群算法将单个应用所需IP核分配到网络中得到子网络；步骤三、从组成子网络的四个边中选择与其余部分通信量最大的一个边，并将原有的子网络作为已知条件，在该边的相邻处再用蜂群算法设计新子网络；步骤四、根据子网络同时运行的应用数量，选择最优的IP核进行通信。本发明基于应用划分片上网络的IP核，在保证良好的多应用并行处理条件下，能够充分利用重复的IP核资源优化单应用性能，同时降低单应用运行时的能耗。

主权项

1.一种基于应用划分的片上网络IP核映射方法，其特征在于，包括以下步骤：步骤一、根据应用确定通信核图和拓扑结构图，并对IP核和网络节点编号；所述的步骤一中依次对应用的IP核从m1到mNc按列优先排列并编号为m1，......，mi，......，mNc，Nc为IP核的数量；通过N2的矩阵描述应用的通信核图，确定IP核间传送的流量B＝{bi→j|1≤i，j≤N}，其中，bi→j描述IP核mi发送给IP核mj的流量，如果某对IP核间不存在通信则用0表示；在R×C的2D Mesh网络中，若用一组二维坐标(xi，yi)表示IP核mi在该2D Mesh网络中的位置，则xi＝mod(i‑1，R)+1，yi＝[(i‑1)/R]+1，其中，R表示网络的行数，C为网络的列数，[·]表示对变量·进行向下取整；通过跳数来度量网络能耗，网络能耗为是m_i和m_j间的曼哈顿距离；根据网络能耗确立收益度评价函数为Fitness(x)＝1/Energy(x)；步骤二、确定优化目标，经人工蜂群算法将单个应用所需IP核分配到网络中得到子网络；所述的人工蜂群算法将单个应用所需IP核分配到网络中包括：1)定义种群中个体数目PopSize，最大迭代次数MaxIter，引领蜂所占种群比例LProb，跟随蜂所占种群比例FProb，侦查蜂所占种群比例SProb；通过随机生成PopSize个映射构成初始种群P(p1,…,pn,…pPopSize)，每个映射解陷入局部最优的次数Trial＝(trail1，......，trailn，......，trailPopSize)＝(0，......，0，......，0)，随机生成最佳映射BestM初始化当前迭代次数CurIter＝1；2)根据优化目的计算每个映射的收益度Fitness(pn)，并按照收益度从高到低将个体排序，按照蜜蜂执行任务的不同将其分类为引领蜂，跟随蜂和侦查蜂；检查将种群X中的第一行的映射方案是否优于最佳映射BestM，若是则替换BestM；3)各类蜜蜂分别执行相应操作，分别为，3.1)引领蜂是在下一轮搜索前存储着当前最佳映射方案的蜜蜂，它们的主要任务是招募跟随蜂与其前往指定的食物源进行邻域搜索；引领蜂将其得到的食物源分享给跟随蜂，然后到食物源附近进行邻域搜索，如果新发现的食物源优于原先的食物源，就按照贪婪准则替换掉原有的食物源，否则依旧存储原来的食物源信息；其中，食物源即映射方案，邻域搜索是在食物源附近产生新的随机解，其与原食物源的距离小于规定的距离；采用随机选择原映射方案中的两个IP核，交换其位置的方法进行邻域搜索；3.2)跟随蜂从引领蜂处获得食物源相关信息，根据下式判断是否跟随引领蜂邻域搜索，其中prok是跟随蜂决定跟随第k个引领蜂的概率，PopSize×LProb是引领蜂的总数量；当跟随蜂决定跟随某个引领蜂时，它将前往该引领蜂对应食物源进行邻域搜索，方法与引领蜂相同，同样地，如果新发现的食物源优于原先的食物源，就按照贪婪准则替换掉原有的食物源，否则依旧存储原来的食物源信息；3.3)侦查蜂使用贪婪准则在整个映射空间中产生新的随机映射，存储发现的最佳食物源；4)判断每个个体的triali是否大于等于Limit，若是，则强制将该个体Xi转换为侦查蜂，即随机生成新的映射，否则triali＝triali+1；5)检查当前CurIter是否达到最大迭代次数MaxIter，若是则输出BestM中的映射，否则CurIter＝CurIter+1，然后执行步骤2)；步骤三、从组成子网络的四个边中选择与其余部分通信量最大的一个边，并将原有的子网络作为已知条件，在该边的相邻处再用蜂群算法设计新子网络；步骤四、根据子网络同时运行的应用数量，选择最优的IP核进行通信。