[发明专利]一种多目标NoC测试规划优化方法

摘要

本发明公开一种多目标NoC测试规划优化方法，采用重用NoC作为测试存取机制的并行测试方法，对NoC中的IP核进行测试，节省测试资源，提高测试效率。在量子多目标进化算法的基础上，采用多进制概率角编码替代二进制概率幅编码，更好的适应NoC测试规划问题；采用调和距离替代拥挤距离能更好的衡量拥挤程度；采用混沌策略动态更新旋转角，能很好地兼顾了算法的探索和发掘能力。

主权项

1.一种多目标NoC测试规划优化方法，其特征是，包括如下步骤：步骤1)随机生成个体个数为n的初代量子种群Q(0)，并通过观测初代量子种群Q(0)产生初代观测种群P(0)；步骤2)根据初代观测种群P(0)，对NoC中IP核进行测试调度；步骤3)计算步骤2)所进行的测试调度的测试时间和测试功耗，并据此评估初代观测种群P(0)；步骤4)判断当前代是否达到设定最大迭代次数；如果达到设定最大迭代次数，则转步骤15)；如果未达到设定最大迭代次数，则当前代加1，并继续迭代；步骤5)通过观测上一代量子种群Q(t‑1)得到当前代观测种群P(t)；步骤6)根据当前代观测种群P(t)，对NoC中IP核进行测试调度；步骤7)计算步骤6)所进行的测试调度的测试时间和测试功耗，并据此评估当前代观测种群P(t)；步骤8)求取当前代观测种群P(t)与上一代观测种群P(t‑1)的并集；步骤9)对步骤8)所得并集进行快速非支配排序，将并集中的所有个体进行分组；步骤10)计算步骤9)所得并集的所有个体的调和距离，并根据调和距离对并集中的每一组个体分别进行排序；步骤11)将步骤10)所得并集的所有个体中选出前n个个体构成当前代观测种群P(t)；步骤12)对上一代量子种群Q(t‑1)进行快速非支配排序，将上一代量子种群Q(t‑1)的所有个体进行分组，并选择其中一组作为最佳组；步骤13)采用混沌策略动态更新旋转角Δθ；步骤14)以最佳组作参考准则，利用更新操作更新上一代量子种群Q(t‑1)，得到当前代种群Q(t)，转步骤4)；步骤15)将当前代观测种群P(t)所对应的NoC中IP核测试调度作为结果输出。