本文關(guān)鍵詞：粗粒度可重構(gòu)處理器的配置優(yōu)化技術(shù)研究與實(shí)現(xiàn)，由筆耕文化傳播整理發(fā)布。

【摘要】：可重構(gòu)處理器的動(dòng)態(tài)重構(gòu)特性使其設(shè)計(jì)更為靈活。隨著片上資源的增多和互連方式日漸復(fù)雜，系統(tǒng)的配置代價(jià)急劇增加。同時(shí)，應(yīng)用的規(guī)模通常大于系統(tǒng)的資源，需要將應(yīng)用分割為多個(gè)子模塊。單次配置代價(jià)的增大及頻繁的配置，使得配置開銷進(jìn)一步限制了系統(tǒng)性能。 本文針對(duì)粗粒度可重構(gòu)REmus系統(tǒng)，研究通過配置優(yōu)化技術(shù)來降低其配置代價(jià)。該配置優(yōu)化方案包括硬件和軟件兩個(gè)部分。硬件部分挖掘子模塊配置信息之間的可重用性；軟件部分將可重用性作為選擇劃分方案的標(biāo)準(zhǔn)之一，為硬件提供了更大的優(yōu)化空間。 在硬件層面，針對(duì)配置之間的交替重復(fù)性和相似性，提出了配置重用和差分配置兩種策略。通過減少不必要的配置字傳輸及降低配置過程的時(shí)間代價(jià)，來提升系統(tǒng)性能。手工配置的結(jié)果顯示，利用該技術(shù)達(dá)到了平均14%、最高35%的性能提升。 在軟件方面，本文提出了配置優(yōu)化和優(yōu)化時(shí)域劃分相結(jié)合的手段。原有時(shí)域劃分算法是確定性的。本文提出了概率性的、基于多目標(biāo)粒子群優(yōu)化（MOPSO）的時(shí)域劃分算法。該算法將子模塊配置之間的可重用性作為目標(biāo)函數(shù)的一部分。 本文選擇了H264和mediabench中的程序作為測(cè)試實(shí)例。與原有無配置優(yōu)化的時(shí)域劃分算法相比，基于配置優(yōu)化和MOPSO的時(shí)域劃分算法，在執(zhí)行延遲方面降低了40.58%，，通信代價(jià)降低了6.76%，資源利用率增加了14.83%。與傳統(tǒng)優(yōu)化算法相比，MOPSO對(duì)多個(gè)目標(biāo)的優(yōu)化更為均衡，具有更好的優(yōu)化效果。
【關(guān)鍵詞】：粗粒度 配置優(yōu)化 多目標(biāo) 粒子群 時(shí)域劃分
【學(xué)位授予單位】：上海交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：TP332
【目錄】：

• 摘要6-7
• ABSTRACT7-13
• 第一章 緒論13-19
• 1.1 課題研究背景及意義13-15
• 1.2 可重構(gòu)處理器及局部配置技術(shù)的研究現(xiàn)狀15-17
• 1.2.1 可重構(gòu)處理器15-16
• 1.2.2 局部配置技術(shù)16-17
• 1.3 論文的主要內(nèi)容與安排17-19
• 第二章 粗粒度可重構(gòu)系統(tǒng)的配置代價(jià)研究19-24
• 2.1 MorphoSys 系統(tǒng)19-21
• 2.2 ADRES 系統(tǒng)21-22
• 2.3 XPP 系統(tǒng)22-23
• 2.4 本章小結(jié)23-24
• 第三章 REMUS 粗粒度可重構(gòu)系統(tǒng)24-30
• 3.1 REmus 的硬件架構(gòu)24-25
• 3.2 REmus 的任務(wù)編譯流程及時(shí)域劃分25-27
• 3.3 REmus 的配置代價(jià)27-29
• 3.4 本章小結(jié)29-30
• 第四章 基于配置重用和差分配置的局部配置技術(shù)30-44
• 4.1 配置之間的相似性和交替性30-32
• 4.2 配置重用32-35
• 4.3 差分配置35-38
• 4.3.1 相鄰配置之間的差分配置35-37
• 4.3.2 不相鄰配置之間的差分配置37-38
• 4.4 實(shí)驗(yàn)環(huán)境及測(cè)試集38-41
• 4.5 實(shí)驗(yàn)數(shù)據(jù)41-42
• 4.6 本章小結(jié)42-44
• 第五章 基于多目標(biāo)粒子群優(yōu)化算法和局部配置的時(shí)域劃分44-65
• 5.1 時(shí)域劃分問題44-46
• 5.2 優(yōu)化問題與啟發(fā)式算法46-47
• 5.3 粒子群優(yōu)化算法47-48
• 5.3.1 PSO 的基本原理47
• 5.3.2 基本 PSO 的算法模型47-48
• 5.3.3 基本 PSO 的算法流程48
• 5.4 多目標(biāo)問題48-51
• 5.4.1 問題描述49-50
• 5.4.2 多目標(biāo)問題的解決方法50-51
• 5.5 改進(jìn)的時(shí)域劃分算法51-57
• 5.5.1 REmus 的時(shí)域劃分目標(biāo)51-53
• 5.5.2 MOPSO 優(yōu)化流程和算法53-55
• 5.5.3 外部倉(cāng)庫(kù)的更新操作55
• 5.5.4 DFG 圖的貪婪映射算法55-57
• 5.5.5 離散粒子群及粒子的更新操作57
• 5.6 實(shí)驗(yàn)結(jié)果57-64
• 5.6.1 在原有時(shí)域劃分算法中利用差分配置58-59
• 5.6.2 概率性啟發(fā)式時(shí)域劃分算法利用差分配置技術(shù)的優(yōu)勢(shì)59-61
• 5.6.3 基于 MOPSO 的時(shí)域劃分算法中利用差分配置61-64
• 5.7 本章小結(jié)64-65
• 第六章 結(jié)束語(yǔ)65-67
• 6.1 主要工作與創(chuàng)新點(diǎn)65
• 6.2 后續(xù)研究工作65-67
• 參考文獻(xiàn)67-71
• 附錄 1 REMUS 可重構(gòu)單元 RPU 支持的操作71-72
• 致謝72-73
• 攻讀碩士學(xué)位期間已發(fā)表或錄用的論文73

【共引文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 戴鵬;雍珊珊;王新安;張興;;可重構(gòu)視頻編解碼處理器ReMAP設(shè)計(jì)[J];北京大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年03期

2 喬心州;仇原鷹;曹鴻鈞;;基于物理規(guī)劃的Stewart平臺(tái)多目標(biāo)優(yōu)化[J];高技術(shù)通訊;2008年07期

3 李秀芳;傅國(guó)耕;;多目標(biāo)規(guī)劃在保險(xiǎn)公司決策管理中的應(yīng)用研究——以產(chǎn)險(xiǎn)公司業(yè)務(wù)和資產(chǎn)結(jié)構(gòu)決策為例[J];保險(xiǎn)研究;2012年06期

4 李召軍;王希誠(chéng);;一種基于網(wǎng)格的多目標(biāo)優(yōu)化方法[J];大連理工大學(xué)學(xué)報(bào);2012年06期

5 黃方明;陸志強(qiáng);崔維偉;;平行機(jī)系統(tǒng)生產(chǎn)調(diào)度與維護(hù)計(jì)劃聯(lián)合優(yōu)化[J];工業(yè)工程與管理;2013年04期

6 王家俊;王春潔;宋順廣;;基于響應(yīng)面法的月球著陸器軟著陸性能優(yōu)化[J];北京航空航天大學(xué)學(xué)報(bào);2014年05期

7 楊榮山;黃向東;袁仲榮;趙克剛;;多目標(biāo)優(yōu)化方法在懸架幾何設(shè)計(jì)上的應(yīng)用[J];華南理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年07期

8 汪磊磊;鐘小強(qiáng);竺長(zhǎng)安;;重載平行軸齒輪傳動(dòng)系統(tǒng)多目標(biāo)優(yōu)化設(shè)計(jì)[J];機(jī)床與液壓;2008年04期

9 蔣占四;蔣慧;吳義忠;;基于仿真分析的優(yōu)化技術(shù)研究現(xiàn)狀[J];機(jī)床與液壓;2011年03期

10 楊旭志;廖中文;高俊文;;某電動(dòng)車操縱穩(wěn)定性仿真試驗(yàn)研究[J];機(jī)電工程;2011年02期

  本文關(guān)鍵詞：粗粒度可重構(gòu)處理器的配置優(yōu)化技術(shù)研究與實(shí)現(xiàn)，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：372150