异构多核片上网络的低功耗映射研究

发布时间：2017-09-12 04:19

  本文关键词：异构多核片上网络的低功耗映射研究

  更多相关文章： 片上网络 低功耗 量子蚁群算法 异构多核 分配映射

【摘要】：随着片上网络的快速发展,在片上网络系统芯片上能集成更多的处理单元(也称为IP核)。片上系统处理器结构逐渐朝着多核化和异构化的方向发展。虽然异构多核的片上网络可以更好的满足需求,加快执行速度和提高性能,但随着核数的增多片上网络系统的功耗却成为一个不容忽视的问题,因为其限制了系统性能的进一步提高和片上系统核数的集成,同时也降低了芯片的使用期限,影响芯片运行的稳定性。此外,对能耗性能要求较高的可移动设备更是个关键的问题。根据异构多核的片上系统中不同的处理单元对不同任务执行的性能和功耗不同,只要能把任务分配到擅长处理该任务的处理单元上时,并根据需求选择合适的拓扑通信结构后把处理单元分配到对应的拓扑节点上,就能很好的提高系统的性能并降低系统的执行和通信功耗。但由于片上网络任务分配和映射属于NP难问题,因此如何实现低功耗映射是目前的研究重点和难点。为此,本文提出一种基于量子蚁群映射的算法来实现异构多核的片上网络系统中应用的任务分配和IP核映射问题并实现应用执行和任务通信功耗最小化问题。该算法通过改变基本蚁群算法中信息素的释放方式,采用量子优化算法中的量子概率幅来代替信息素,而信息素的更新则是通过使用量子优化算法中的量子相位旋转的方式,实现算法中蚂蚁信息素的自适应更新。通过这种方法可以有效的降低在使用蚁群算法时算法容易早熟收敛的情况,加大算法的搜索空间,利于跳出局部最优解。通过使用本文提出的量子蚁群映射算法与蚁群映射算法、粒子群映射算法和遗传映射算法对产生的应用任务通信图作仿真实验进行对比研究,分别对算法映射结果得到的最低总功耗、执行相同次数得到的平均功耗、得到最低功耗下任务的执行时间、算法执行的收敛情况、拓扑结构上的节点功耗和算法执行相同时间下最低功耗情况的多个方面进行比较,根据实验结果都可得出该算法在快速搜索、全局寻优、实现低功耗和时间性能等指标都明显优于给出的对比映射算法。在仿真实验中可得出在迭代次数较少的情况下提出的算法其对总功耗的优化率可达到24%以上。
【关键词】：片上网络 低功耗 量子蚁群算法 异构多核 分配映射
【学位授予单位】：广东工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN47
【目录】：

• 摘要4-5
• ABSTRACT5-13
• 第一章 绪论13-21
• 1.1 课题研究背景13-15
• 1.2 课题研究意义15-16
• 1.3 课题研究现状16-19
• 1.3.1 课题研究重点16-17
• 1.3.2 国内研究现状17-18
• 1.3.3 国外研究现状18-19
• 1.4 论文研究的主要内容和创新点19
• 1.5 论文结构及内容安排19-21
• 第二章 片上网络基础研究及关键技术21-31
• 2.1 片上网络概述21-24
• 2.2 片上网络拓扑结构24-27
• 2.2.1 拓扑结构的划分24-26
• 2.2.2 拓扑结构的选择26-27
• 2.3 片上网络路由算法27-29
• 2.3.1 路由算法的划分27-28
• 2.3.2 路由算法的选择28-29
• 2.4 任务分配与映射29-30
• 2.5 本章小结30-31
• 第三章 片上网络低功耗分析及任务分配与映射模型31-44
• 3.1 片上网络功耗研究31-34
• 3.1.1 功耗的来源31
• 3.1.2 静态功耗分析31-32
• 3.1.3 动态功耗分析32-34
• 3.2 片上网络低功耗技术34-39
• 3.2.1 低摆幅电压信号35-37
• 3.2.2 总线编码技术37
• 3.2.3 时钟控制技术37-39
• 3.2.4 编译指导功耗优化39
• 3.3 低功耗模型与映射研究39-43
• 3.3.1 功耗模型40-41
• 3.3.2 任务调度模型41-42
• 3.3.3 拓扑通信模型42
• 3.3.4 映射模型42-43
• 3.4 本章小结43-44
• 第四章 低功耗映射算法设计与实现44-55
• 4.1 智能优化算法概述44-47
• 4.1.1 遗传算法44-45
• 4.1.2 粒子群算法45-46
• 4.1.3 蚁群算法46-47
• 4.2 量子蚁群算法设计与实现47-54
• 4.2.1 量子优化算法概述47-48
• 4.2.2 量子蚁群算法设计及流程48-51
• 4.2.3 量子蚁群算法实现51-54
• 4.3 本章小结54-55
• 第五章 测试与结果分析55-67
• 5.1 测试平台55
• 5.2 测试实例55-57
• 5.3 算法优化效果和性能分析57-66
• 5.3.1 映射总功耗和映射结果57-60
• 5.3.2 映射结果的平均功耗60
• 5.3.3 映射结果的任务运行时间60-61
• 5.3.4 映射算法的收敛情况61-63
• 5.3.5 映射结果的节点功耗63-64
• 5.3.6 相同执行时间下的映射结果64-66
• 5.4 本章小结66-67
• 结束语67-69
• 参考文献69-73
• 攻读硕士学位期间发表的论文73-75
• 致谢75

【参考文献】

中国期刊全文数据库 前10条

1 孙利;田进华;;片上网络中基于拥塞感知的自适应路由算法[J];计算机工程;2015年08期

2 谭海;何月顺;靳文兵;苏岩;;V-Mesh:面向三维堆叠芯片的低时延低功耗片上网络结构[J];计算机学报;2014年10期

3 刘亮亮;韩国栋;张帆;陈庆强;;一种无缓存片上网络交叉开关调度机制[J];小型微型计算机系统;2013年07期

4 杨微;张振;刘怡俊;;基于改进粒子群的3D-Mesh CMP片上网络映射算法[J];计算机应用研究;2013年05期

5 赖国明;林小拉;;基于两级遗传算法的特定应用片上网络拓扑优化[J];计算机科学;2013年02期

6 易伟;王佳文;潘红兵;李丽;;基于蚁群混沌遗传算法的片上网络映射[J];电子学报;2011年08期

7 付斌章;韩银和;李华伟;李晓维;;面向高可靠片上网络通信的可重构路由算法[J];计算机辅助设计与图形学学报;2011年03期

8 刘炎华;刘静;赖宗声;景为平;;基于遗传蚁群算法的片上网络映射研究[J];计算机工程;2010年22期

9 李丽;许居衍;;片上网络技术发展现状及趋势浅析[J];电子产品世界;2009年01期

10 杨盛光;李丽;高明伦;张宇昂;;面向能耗和延时的NoC映射方法[J];电子学报;2008年05期

，

本文编号：835047