【摘要】：在摩爾定律的指導(dǎo)下,半導(dǎo)體工藝節(jié)點(diǎn)不斷向前推進(jìn),集成電路設(shè)計(jì)產(chǎn)業(yè)高速發(fā)展,單芯片上集成的IP核數(shù)量不斷增多。傳統(tǒng)的總線互連方式在擴(kuò)展性、兼容性、通信速度和能耗等方面已經(jīng)無法滿足芯片中IP核的互連需求。片上網(wǎng)絡(luò)技術(shù)借鑒了分布式設(shè)計(jì)和OSI通信模型的思想并將其結(jié)合,應(yīng)用在SoC互連技術(shù)中,有效的提高了IP核之間的通信效率、擴(kuò)展性和兼容性。本文對(duì)片上網(wǎng)絡(luò)的多目標(biāo)映射、超多目標(biāo)映射、拓?fù)浣Y(jié)構(gòu)、路由算法和路由器微架構(gòu)等技術(shù)進(jìn)行了研究。分別針對(duì)片上網(wǎng)絡(luò)多目標(biāo)映射算法和超多目標(biāo)映射算法進(jìn)行了設(shè)計(jì)與實(shí)現(xiàn)。本文分析了NSGA2在求解NoC多目標(biāo)映射問題時(shí)存在的缺陷,針對(duì)NoC多目標(biāo)映射問題對(duì)NSGA2進(jìn)行優(yōu)化后提出了RNSGA2算法。RNSGA2采用了基于位置的編碼方式,通過單點(diǎn)交叉進(jìn)行全局搜索,通過三種變異方式進(jìn)行局部搜索。RNSGA2保留了NSGA2中的快速非支配排序、擁擠距離計(jì)算和擁擠比較算子并在算法主循環(huán)中加入了去重算子。去重算子將第一非支配解集中的冗余解求出后進(jìn)行多點(diǎn)交叉再放入下代種群中參與遺傳。RNSGA2有兩個(gè)特點(diǎn):一是可以同時(shí)對(duì)兩個(gè)目標(biāo)函數(shù)的映射問題進(jìn)行求解,二是去除了NoC映射問題解集中的冗余解并保證種群數(shù)目不變和優(yōu)秀基因的保留。本文使用MATLAB對(duì)RNSGA2進(jìn)行了建模仿真,主要包括快速非支配排序、擁擠比較算子和去重算子等模塊。本文將NSGA3引入到NoC超多目標(biāo)映射問題中,結(jié)合NoC的結(jié)構(gòu)特性對(duì)NSGA3進(jìn)行優(yōu)化后得到了RNSGA3算法。RNSGA3是在RNSGA2的基礎(chǔ)上加入了參考點(diǎn)和參考向量,并對(duì)所有個(gè)體的適應(yīng)值進(jìn)行了歸一化處理再通過參考向量關(guān)聯(lián)的個(gè)體數(shù)目進(jìn)行選擇。RNSGA3的主要特點(diǎn)有兩個(gè):一是可以將搜索空間用參考向量劃分之后,降低搜索范圍,同時(shí)對(duì)三個(gè)及三個(gè)以上的超多目標(biāo)映射問題進(jìn)行求解,二是有效去除了NoC映射問題解集中的冗余解并保證種群數(shù)目不變和優(yōu)秀基因的保留。本文使用MATLAB對(duì)RNSGA3進(jìn)行了建模仿真,主要包括參考點(diǎn)確定、適應(yīng)度值歸一化、個(gè)體關(guān)聯(lián)參考點(diǎn)和選擇算子等模塊。本文還用可綜合的Verilog HDL設(shè)計(jì)了一個(gè)基于2DMesh的拓?fù)浣Y(jié)構(gòu)和一個(gè)時(shí)鐘精確的硬件仿真平臺(tái)。片上網(wǎng)絡(luò)采用了2DMesh拓?fù)浣Y(jié)構(gòu)、XY路由算法、蟲孔交換和ACK-NACK流控策略。評(píng)估平臺(tái)設(shè)計(jì)了軟件接口,將片上網(wǎng)絡(luò)映射問題的解輸入到硬件平臺(tái)進(jìn)行仿真,并且可以輸出片上網(wǎng)絡(luò)的性能報(bào)告。仿真報(bào)告顯示,在均勻、轉(zhuǎn)置1、轉(zhuǎn)置2、反轉(zhuǎn)、混洗和蝶形六種流量模式下,當(dāng)求解NoC多目標(biāo)映射問題時(shí),RNSGA2求出的解的飽和吞吐率分別高于NSGA2的解11.76%、23.26%、50%、48.65%、41.67%和33.33%,網(wǎng)絡(luò)性能平均提升了35.1%,當(dāng)求解NoC超多目標(biāo)映射問題時(shí)RNSGA3求出的解的飽和吞吐率分別高于RNSGA2的解57.7%、46.67%、20.83%、52.78%、59.38%和39.53%,網(wǎng)絡(luò)性能平均提升了43.72%。
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TN47
【圖文】：

西安電子科技大學(xué)碩士學(xué)位論文42圖4.1 參考點(diǎn)示意圖4.3.2 適應(yīng)度值歸一化上一步中提到將參考點(diǎn)均勻的分配到一個(gè)歸一化的參考平面上。這一步做的工作就是將種群中的所有個(gè)體的適應(yīng)度值都?xì)w一化這個(gè)參考平面。由于種群中所有個(gè)體的適應(yīng)度值分布在原坐標(biāo)系中，歸一化所有個(gè)體意味著將坐標(biāo)系平移。首先，確定理想點(diǎn)。計(jì)算 St中的所有個(gè)體的所有目標(biāo)函數(shù)值，并求出每個(gè)目標(biāo)函數(shù)的最小值 =( ) ，在搜索空間由( )這些最小值就是理想點(diǎn)的坐標(biāo)。再如公式（4-2）所示，將每個(gè)個(gè)體的目標(biāo)函數(shù)值 與這個(gè)最小值相減得到 。然后再通過 ASF 公式求出所有目標(biāo)函數(shù)的最大值 i，其中 i的取值定義為固定一個(gè)維度，該維度的 i設(shè)為 1，其他維度的 i設(shè)為一個(gè)很小的值。最后將所有個(gè)體的目標(biāo)函數(shù)值與其相除如公式（4-4）所示

從圖 5.7 和圖 5.8 中可以看出在六種抽象流量模型作為輸入時(shí)，RNSGA2 求解出來的前沿曲線相比于 NSGA2 更加貼近原點(diǎn)和坐標(biāo)軸，這表示 RNSGA2 在求解多目標(biāo)映射優(yōu)化問題時(shí)的收斂性優(yōu)于 NSGA2，通過 RNSGA2 映射后的片上網(wǎng)絡(luò)系統(tǒng)將具有更低的能耗和更均勻的負(fù)載。（3）硬件仿真片上網(wǎng)絡(luò)的飽和吞吐率指的是當(dāng)網(wǎng)絡(luò)注入率增加到某一點(diǎn)時(shí)，網(wǎng)絡(luò)的吞吐率不再隨之線性增加，這一點(diǎn)的吞吐率為片上網(wǎng)絡(luò)的飽和吞吐率。飽和吞吐率可以反映網(wǎng)絡(luò)的處理?yè)砣哪芰σ约熬W(wǎng)絡(luò)負(fù)載分布的均勻性。飽和吞吐率越高，表示網(wǎng)絡(luò)處理?yè)砣哪芰υ綇?qiáng)，網(wǎng)絡(luò)的負(fù)載分布的越均勻。在抽象輸入模型的兩目標(biāo)映射問題的解集中，分別取出 NSGA2、RNSGA2 和RNSGA3 中的最小負(fù)載解和最小能耗解，一共六個(gè)解，每個(gè)解代表一種連接方式。用時(shí)鐘精確的硬件仿真平臺(tái)中的數(shù)據(jù)產(chǎn)生器，按照六個(gè)解的連接方式和抽象輸入模型的IP 核的通信關(guān)系，產(chǎn)生對(duì)應(yīng)的流量，作為平臺(tái)的輸入，以 5.3.1 設(shè)計(jì)的 64 點(diǎn) 2DMesh片上網(wǎng)絡(luò)為載體，運(yùn)行后得出對(duì)應(yīng)網(wǎng)絡(luò)的飽和吞吐量的報(bào)告，如圖 5.9 所示。

【參考文獻(xiàn)】

相關(guān)期刊論文 前4條

1 呂興勝;李光順;吳俊華;;基于多目標(biāo)免疫算法的NoC映射優(yōu)化[J];計(jì)算機(jī)工程;2015年04期

2 易宏波;羅興國(guó);儲(chǔ)慧琳;趙凱;;Boltzmann-NSGAⅡ算法的NoC映射研究[J];計(jì)算機(jī)工程;2012年22期

3 楊盛光;李麗;高明倫;張宇昂;;面向能耗和延時(shí)的NoC映射方法[J];電子學(xué)報(bào);2008年05期

4 周干民,尹勇生,胡永華,高明倫;基于蟻群優(yōu)化算法的NoC映射[J];計(jì)算機(jī)工程與應(yīng)用;2005年18期

相關(guān)博士學(xué)位論文 前8條

1 過曉芳;超多目標(biāo)優(yōu)化問題的幾種進(jìn)化算法研究[D];西安電子科技大學(xué);2015年

2 袁源;基于分解的多目標(biāo)進(jìn)化算法及其應(yīng)用[D];清華大學(xué);2015年

3 樂千榿;基于智能算法的片上網(wǎng)絡(luò)布局優(yōu)化研究[D];電子科技大學(xué);2014年

4 劉炎華;片上網(wǎng)絡(luò)映射及路由器關(guān)鍵技術(shù)研究[D];華東師范大學(xué);2013年

5 陳亦歐;面向?qū)崟r(shí)復(fù)雜系統(tǒng)的片上網(wǎng)絡(luò)架構(gòu)及映射技術(shù)研究[D];電子科技大學(xué);2012年

6 張劍賢;高性能片上網(wǎng)絡(luò)關(guān)鍵技術(shù)研究[D];西安電子科技大學(xué);2012年

7 葛芬;專用片上網(wǎng)絡(luò)設(shè)計(jì)關(guān)鍵技術(shù)研究[D];南京航空航天大學(xué);2010年

8 孟紅云;多目標(biāo)進(jìn)化算法及其應(yīng)用研究[D];西安電子科技大學(xué);2005年

相關(guān)碩士學(xué)位論文 前6條

1 卞仁玉;基于區(qū)域分解的高維多目標(biāo)進(jìn)化算法及其應(yīng)用[D];西安電子科技大學(xué);2015年

2 張利;NSGA2算法及其在電力系統(tǒng)穩(wěn)定器參數(shù)優(yōu)化中的應(yīng)用[D];西南交通大學(xué);2013年

3 李斌;面向能耗和熱分布的片上網(wǎng)絡(luò)多目標(biāo)優(yōu)化映射算法研究[D];西安電子科技大學(xué);2013年

4 郭寶兵;基于多目標(biāo)微型遺傳算法的NoC映射研究[D];武漢理工大學(xué);2010年

5 王雷;片上網(wǎng)絡(luò)映射優(yōu)化算法研究[D];電子科技大學(xué);2010年

6 劉永洪;基于改進(jìn)的遺傳算法解決二次分配問題[D];西安電子科技大學(xué);2006年

本文編號(hào)：2728615