專利名稱：用于尋找片上網絡的任務與節(jié)點間映射方案的方法
用于尋找片上網絡的任務與節(jié)點間映射方案的方法所屬領域本專利屬于集成電路設計的技術領域，特別針對片上網絡的多任務與多節(jié)點的映射方案的搜索過程。
背景技術：
隨著未來通信終端和設備的計算復雜度的增大，實時復雜系統(tǒng)芯片的集成規(guī)模需 求將迅速增長，一塊芯片上可能會集成數十個或成百上千的處理單元，基于多核的信號處 理平臺成為軟件無線電的發(fā)展趨勢。在這樣的綜合化系統(tǒng)中，設計可靠、高速、低功耗的高 性能芯片內通信體系成為片上系統(tǒng)(System on Chip, SoC)發(fā)展的挑戰(zhàn)與機遇。傳統(tǒng)多核 SoC的總線式通信結構無法滿足大規(guī)模實時復雜數字信號處理過程中數據交換的需求，因 此提出了新一代的片上互聯與通信機制——片上網絡。片上網絡(上每個節(jié)點也就是處理器)實現的系統(tǒng)主要是對實時性要求較高的復 雜通信系統(tǒng)或數字信號處理系統(tǒng)。通信與信號處理具有實時性和處理時延要求，因此，NoC 的映射方案務必要使得系統(tǒng)的延時盡量小。另外，片上網絡是在集成電路的芯片上實現的， 為了保證芯片能夠穩(wěn)定的工作，芯片的溫度不能高。芯片的溫度是由芯片的能耗決定的，能 耗越大，芯片的溫度越高。因此，在選擇映射方案時，必須選擇使得能耗盡量低和時延盡量 少的方案。通過查新和廣泛收集文獻資料，我們發(fā)現已經公開的用于尋找片上網絡上任務與 節(jié)點間映射方案的方法有如下幾類文獻“周干民，尹勇生，胡永華等.基于蟻群優(yōu)化算法的NoC映射.計算機工程與 應用.2005,41(18) 7-10. ”采用一種有效地蟻群優(yōu)化算法實現了片上網絡映射，在將任務 映射到片上網絡節(jié)點的同時，盡可能的減少了系統(tǒng)的通訊功耗。該方法的目標函數為功耗， 該方法大致如下(1)根據螞蟻的個數循環(huán)地為每個未分配的節(jié)點按照概率分配任務(此概率是通 過一種方式計算的將一個節(jié)點分配到某個任務的概率)，每循環(huán)一次都要使所有節(jié)點都分 配到相應的任務，然后采用兩交換法來進行局部搜索，找出功耗最小的最優(yōu)解，并用最優(yōu)解 的功耗值信息素衰減度和當前信息素的值來更新最優(yōu)解對應的螞蟻的信息素，通過對上述 過程多次迭代后，最后選出使功耗最小的分配方案。這種方法獲得的映射方案具有較小的通訊功耗，但沒有考慮系統(tǒng)的延時性能。文獻“楊盛光，李麗，高明倫等.面向能耗和延時的NoC映射方法.電子學 報.2008，36 (5) :937-942”基于二維網格結構NoC平臺，建立了基于蟻群算法的旨在優(yōu)化系 統(tǒng)通信能耗和鏈路負載方差的統(tǒng)一目標函數。該方法的目標函數cost的計算式為cost = λ ΧΕ+(1-λ ) XVAR其中，λ為比例系數，E為能耗，VAR為鏈路負載方差。該方法大致如下(1)根據螞蟻的個數循環(huán)地為每個未分配的節(jié)點按照概率分配任務(概率是通過 一種方式計算的將一個節(jié)點分配到某個任務的概率)，每循環(huán)一次都要使所有節(jié)點都分配到相應的任務，然后采用兩交換法來進行局部搜索，找出功耗最小解，并用最優(yōu)解的功耗值 信息素衰減度和當前信息素的值來更新最優(yōu)解對應的螞蟻的信息素，通過對上述過程多次 迭代后，最后選出使目標函數cost最小的分配方案。 這種方法沒有考慮通信能耗和執(zhí)行時間是完全不同的物理量，獲得的映射方案不 一定具有優(yōu)異的性能。文獻Tang lei,Shashi Kumar. A two-step genetic algorithm for mapping task graphs to a network onchip architecture. Proceedings of the Euromicro Symposium on Digital System Design 2003. Antalya，Turkey :IEEE，2003 :180-187.提出一種采用兩 步遺傳算法實現任務映射問題的方法。該方法大致如下(1)首先假設任務流圖中所有邊的延時相等，為一常數，即平均數；為每個任務分 配功能單元(如處理器、存儲器等)，使得系統(tǒng)的總延時最小(2)使用真實的數據流圖的邊延時，進一步優(yōu)化，將功能單元分配到NoC的節(jié)點上。該方法將整個優(yōu)化階段分成了兩個步驟，從而降低了計算的復雜度，縮短了計算 時間，但獲得的映射方案的能耗和延時不會同時最小。Wenbiao Zhou, Yan Zhang, Zhigang Mao. Pareto based Multi-objective Mapping IP Coresonto NoC Architectures.IEEE Asia Pacific Conference on Circuits and Systems. 2006 331-334.禾口 Giuseppe Ascia,Vincenzo Catania,Maurizio Palesi. Multi-objective Mapping for Mesh-based NoCArchitectures. International Conference on Hardware/Software Dodesign and System Synthesis, 2004 :182_187. 提出采用多目標進化算法將片上網絡上任務映射到基于Mesh拓撲的片上網絡結構的節(jié)點 上。該方法的目標函數有兩個，一個目標函數是平均數據包跳數(hop)，計算式如下<formula>formula see original document page 5</formula>另一個目標函數是熱點溫度(T)，計算式為T = Hiax(RXP)，其中，R為阻抗轉移矩 陣，利用K. Skadron,Μ. R. Stan和W. Huang等人發(fā)表在ISCA，03會議論文集中的文章“Temp erature-AwareMicro-architecture”中提出的熱量模型工具HotSpot得到。該方法大致如 下(1)首先隨機選擇一些方案構成初始化方案組，根據N. Srinivas and K. Deb發(fā)表 在EvoIutionaryComputation 1995年第二卷的“Multi-objective optimization function optimization using non-dominatedsorting genetic algorithms，，提出白勺方法進支 配的遺傳算法的復制、交叉和變異操作生成新的方案組，然后重復上述復制、交叉與變異操 作數次，選出使得目標函數最小的方案。該方法中采用的非支配排序運算復雜度較高、解的性能不是特別優(yōu)秀。

發(fā)明內容
本專利為多任務多節(jié)點的片上網絡提出一種尋找使工作能耗與響應時間同時最 小時的任務與節(jié)點間映射方案的方法，本方法的特點是得到的映射方案性能高，收斂速度 快，復雜度低。
為了便于描述，我們用向量X = (X1, X2,.. . xn. . . ,xN)表示片上網絡的N個任務向 M個節(jié)點映射的一種方案，向量X的第η個位置上的Xn(0 ^ xn ^ Μ-1)代表了第η個任務 映射到某個節(jié)點的節(jié)點編號，即Xn表示了將編號為η的任務分配給了第Xn的節(jié)點。尋找能耗與響應時間同時最小的方案的步驟如下
1、隨機生成一個包含K個分配方案的方案組Jt，并為每個分配方案X= (X1, X2,.. · ,XN)設定一個交叉的概率Pi和變異的概率Qi,以及總的迭代次數T，并令記錄迭代的 次數的變量t = 0 ；2、求出方案組Jt中每種方案下片上網絡能耗與響應時間；3、采用Deb的非支配排序法、排除法、莊家法、擂臺賽法、遞歸法、快速排序法或改 進的快速排序法等方法之一(2007年科學出版社出版，作者為鄭金華的《多目標進化算法 及其應用》中介紹)計算出方案組Jt中各方案的適應度值，該適應度值大小反映方案的優(yōu) 先級，值越小優(yōu)先級越高，所謂優(yōu)先級別是按能耗與響應時間小為優(yōu)。4、將方案組Jt中的K個方案隨機分成f個方案小組，其中L是每方案小組中的方
案個數，按照第3步中確定的優(yōu)先關系選出每方案小組中最優(yōu)先的方案組成一個優(yōu)先方案 組Qt ；5、將優(yōu)先方案組Qt中的方案按隨機配對，所述的配對是指按照兩個方案一組進行 分組，并以步驟ι中設定的交叉的概率Pi將每對方案中的兩個方案上任意一個相同位置上 的節(jié)點的編號進行互換，然后再將所有被互換后的每對方案合并起來得到方案組Qt'；6、以步驟1中設定的變異概率qi改變方案組Qt'中各個方案中在任意一個位置 上的節(jié)點的編號，得到方案組Gt7、按第3步計算出來的適應度值從小到大的順序，從方案組Jt中選擇K-f個方
案，與方案組Gt的方案合并在一起，構成包含K個方案的新的方案組Gt ‘8、將方案組Jt和Gt合并成方案組Rt9、計算方案組Rt中每種方案下片上網絡能耗與響應時間；10、采用 Deb 在 2002 年發(fā)表在雜志 IEEE Transactions on Evolutionary Computation 第六卷上的文章 A Fast Elitist Non-dominated Sorting Genetic Algorithm for Multi-objective Optimization =NSGA-II 中介紹的邊界集產生法將方案 組Rt中的2K個方案分成多個小組，每個小組代表一個邊界集，對小組編號，編號較小的小 組里的方案比編號較大的小組的方案的優(yōu)先級高；所謂優(yōu)先級別是按能耗與響應時間小為 優(yōu)。11、初始化一個新的沒有方案的方案組Ft，然后從第10步驟分好的小組中，按小組 的編號從大到小的順序，依次將小組內的方案加入到Ft中，直到方案組Ft里的方案個數超 過K個，然后將最后加入的小組的方案全部取出，并將被最后加入的小組記為V ；12、確定第10步中每個小組中各方案的優(yōu)先次序，具體方法如下12-1令小組中每個方案的距離值為0，所述的距離值表示該方案與其它方案的聯 系是否緊密。12-2根據第9步計算出的各個方案的能耗的大小對方案進行倒序排列，能耗較小 的方案排在能耗較大的方案的前面，
12-3計算各方案的能耗距離，每個方案的能耗距離為排在它后面的那個方案的能 耗減去排在它前面的那個方案的能耗所得到的值，12-4根據第9步計算出的各個方案的響應時間大小對方案進行倒序排列，響應時 間較小的方案排在響應時間較大的方案的前面，12-5計算各方案的響應時間距離，每個方案的響應時間距離為排在它后面的那個 方案的響應時間減去排在它前面的那個方案的響應時間所得到的值，
12-6將各個方案的響應時間距離和能耗距離相加得到方案的距離值，12-7把能耗最小的方案和響應時間最小的方案排在最前面，然后根據距離大小對 剩余的方案進行排序，并排在能耗最小的方案和響應時間最小的方案的后面，距離值較大 的方案排在距離值較小的方案的前面，這樣排在前面的方案的優(yōu)先級比排在后面的方案的 優(yōu)先級高，13、從經過了第12步排序后的小組V里按優(yōu)先級從高到低的順序選擇方案加入到 方案組Ft，直到方案組Ft里的方案個數為K個。14、將方案組Ft中的K個方案隨機分成f個方案小組，其中L是每方案小組中的方
案個數，按照第10步和第12步聯合確定的優(yōu)先關系選出每方案小組中最優(yōu)先的方案組成 一個優(yōu)先方案組Ft'；15、將優(yōu)先方案組Ft'中的方案再隨機配對，以步驟1中設定的交叉的概率pjf 每對方案中的兩個方案上任意一個相同位置上的節(jié)點的編號進行互換，然后再將所有被互 換后的每對方案合并起來得到方案組Ht16、以步驟1中設定的變異的概率Qi改變方案組Ht中各個方案中在任意一個位置 上的節(jié)點的編號，得到方案組Ht'17、根據第10步和第12步聯合確定的方案組Ft中方案的優(yōu)先次序，按照優(yōu)先級 從高到低的順序，從方案組Ft中選擇個方案，與方案組Ht'的方案合并在一起，構成包 含K個方案的新的方案組Jt+118、如果t < T，則t = t+Ι，然后返回到步驟2，否則進入步驟1919、按照步驟3所述的方法計算出方案組Jt中各方案的適應度值，將適應度值最 小的方案，即能耗和響應時間同時最小的方案作為片上網絡的任務到節(jié)點間的映射方案。本發(fā)明所述的能耗的可以為E = EPE+ENet其中，E為能耗，Epe為片上網絡上所有處理節(jié)點的能耗之和，ENet為片上網絡上 連接各個處理節(jié)點的通信網絡的能耗。通信網絡的能耗ENrt可用Terry Tao Ye, Luca Benini，Giovanni DeMicheli 發(fā)表在 DAC，02.年的會議論文集里的，，Analysis of Power Consumption on Switch Fabrics inNetwork Routers”一文中提出的能耗計算方法或 J. Hu 禾口 R. Marculescu 發(fā)表在 IEEE Transaction onComputer-Aided Design of Integrated Circuits and Systems 白勺 2005年第 24卷白勺文章“Energy—andperformance—aware mapping for regular NoC architectures” 中提出的方法計算。本發(fā)明所述的響應時間(數據從輸入到輸出經歷的最長的延時)的計算式可以 為
D = P+TR+TW其中，D為響應時間，P為輸入到輸出路徑上所有節(jié)點的處理時間之和，TR為輸入到輸出路徑上所有鏈路的延時之和，Tff為輸入到輸出路徑上數據包的排隊與等待時間之 禾口。發(fā)明的實質與效果本發(fā)明通過將能耗和響應時間分開作為考核方案的優(yōu)先指標，但在尋找最優(yōu)方案 過程中又同時考慮能耗和響應時間，做到了尋找出來的方案使能耗和系統(tǒng)延時同時最小， 從而使采用此優(yōu)選出來的方案設計出來的網絡的性能達到最好，并且與其它對多個目標函 數下尋找任務與節(jié)點間映射的優(yōu)先方案的方法比較，具有復雜度，實現簡單的特點，通過仿 真還可以得出本發(fā)明的方法收斂速度快。


圖1是有6個任務組成的任務圖。圖2是由16個節(jié)點組成的片上網絡。1是任務，2是任務之間的業(yè)務量，3是片上網絡的節(jié)點，4是片上網絡的路由器。
具體實施例方式圖1示出的任務圖中有6個任務，圖2示出的片上網絡有16個節(jié)點。本實施例就 是為了尋找一種將圖1所示的6個任務分配到圖2所示的片上網絡的16個節(jié)點上、使得映 射之后片上網絡的能耗和響應時間同時達到最小值的映射方案。為了便于描述，我們用向 量X = (xi; x2, X3, x4, x5, x6)表示片上網絡的6個任務向16個節(jié)點映射的一種方案，向量 X的第η個位置上的Xn(0 ^ xn ^ 15)代表了第η個任務映射到某個節(jié)點的節(jié)點編號，即Xn 表示了將編號為η的任務分配給了第Xn的節(jié)點。尋找能耗與響應時間同時最小的方案的步驟如下1、隨機生成一個包含20個分配方案的方案組Jt，方案組中的各個分配方案用向量 表示為(11，1，15，9，0，15)，(4,1,0,8,1,6), (7，5，15，8，7，8)，(10，11，5，0，6，8)，(0,6,7, 6,15,9), (14,11,11,0,8,5), (15，5，14，0，15，1)，(3，0，8，7，1，9)，(2，2，1，8，2，8)，(3，13， 8,15,5,8), (8,8,9,12,10,2), (14，0，3，2，15，5)，(5,2,4,9,0,8), (7，2，15，11，1，11)，(7， 1,15,2,1,11), (9,12,3,9,10,11), (11，3，12，14，14，6)，(11,12,4,7,1,9), (4,8,12,12,9, 4)，(1，15，6，9，3，9)。設定各方案的交叉的概率為0. 4，變異的概率為0. 01，總的迭代次數 為100，并且記錄迭代的次數的變量t = 0 ；2、求出方案組Jt中每種方案下片上網絡的能耗和響應時間2-1、能耗(E)的計算公式采用E = EPE+ENet, Epe為片上網絡上所有處理節(jié)點的 能耗之和，ENet為片上網絡上連接各個處理節(jié)點的通信網絡的能耗。網絡上所有處理節(jié)點 的能耗等于任務圖中所有任務的處理時間，各個任務的處理時間可以通過對各個任務的 運算量估計得到，即確定任務圖的同時，確定任務的能耗。本實例中，對于各種不同的方 案，Epe 的值恒為 1. 18。采用 Terry TaoYe, Luca Benini, Giovanni De Micheli 發(fā)表在 DAC' 02. ￥白勺白勺"Analysis of PowerConsumption on Switch Fabrics in Network Routers" 一文中提出的能耗計算方法計算出各種方案下通信網絡的能耗ENet，分別為54. 69，38. 09,61. 69,45. 84，43. 84，46. 39，75. 19,41. 84，46. 99,48. 59，33. 09，55. 24， 38. 14，43. 89，50. 09，40. 94，44. 64，43. 89，29. 44，53. 74。
2-2、響應時間⑶的計算式采用D = P+TR+TW，P為輸入到輸出路徑上所有節(jié)點 的處理時間之和，TR為輸入到輸出路徑上所有鏈路的延時之和，Tff為輸入到輸出路徑上數 據包的排隊與等待時間之和。本實例中，各方案的響應時間分別為0. 16,0. 1601,0. 1601， 0. 1601,0. 1601,0. 1601,0. 1602,0. 1601,0. 1601,0. 1601,0. 1601,0. 1601,0. 16,0. 16， 0. 1601,0. 1601,0. 1601,0. 1601,0. 16,0. 1601。3、采用Deb的非支配排序法(2007年科學出版社出版，作者為鄭金華的《多目標 進化算法及其應用》中介紹)計算出方案組Jt中各方案的適應度值，為0. 7895，1. 6316， 0. 1579，1，1. 1579,0. 1579,0,1. 3684,0. 4737,0. 4737，1. 6316,0. 4737，1. 8947，1. 6316， 0. 4737，1. 6316，1，1. 2632，2,0. 7895，該值大小反映方案的優(yōu)先級，值越小優(yōu)先級越高。4、將方案組Jt中的20個方案隨機分成10個方案小組，每方案小組中有2個方案， 按照第3步中確定的優(yōu)先關系選出每方案小組最優(yōu)先的方案，然后將從所有方案小組選出 的最優(yōu)先的一個方案組成一個新的方案組Qt，新的方案組Qt中的方案為(4，1，0，8，1，6)， (10,11,5,0,6,8), (0,6,7,6,15,9), (3，0，8，7，1，9)，(2，2，1，8，2，8)，(8，8，9，12，10，2)， (5,2,4,9,0,8), (9,12,3,9,10,11), (11，12，4，7，1，9)，(4，8，12，12，9，3)5、將方案組Qt中的方案按隨機配對，所述的配對是指按照兩個方案一組進行分 組，并以步驟1中設定的交叉的概率0.4對每對方案間在隨機位置上的節(jié)點的編號進行互 換，然后再將所有被交換后的每對方案合并起來得到方案組Qt'，方案組Qt'中的方案為 (10,1,0,8,1,6), (4,11,5,0,6,8), (0，6，7，6，15，9)，(3，0，8，7，1，9)，(2，2，1，8，2，8)，(8， 8,9,12,10,2), (5,2,4,9,0,8), (9,12,3,9,10,11), (11,12,4,7,1,9), (4,8,12,12,9,3)6、以步驟1中設定的變異概率0. 01改變方案組Qt'中各個方案中在隨機位置上 的節(jié)點的編號，得到方案組Gt，方案組Gt中的方案為(10，1，0，8，1，6)，(4,11,5,0,6,8), (0,6,7,6,15,9), (3,0,8,7,1,9), (2，2，1，8，2，8)，(8，8，9，12，10，2)，(5,2,4,9,0,8), (9， 12,3,9,10,11), (11,12,4,7,1,9), (4,8,12,12,9,3)7、按適應度從小到大的順序，從方案組Jt中選擇10個方案，與方案組Gt的方案合 并在一起，構成包含20個方案的新的方案組Gt'8、將方案組Jt和Gt'合并成包含40個方案的方案組Rt，S卩(11，1，15，9，0，15)， (4,1,0,8,1,6), (7,5,15,8,7,8), (10，11，5，0，6，8)，(0，6，7，6，15，9)，(14，11，11，0，8，5)， (15,5,14,0,15,1), (3,0,8,7,1,9), (2，2，1，8，2，8)，(3，1，3，8，15，5，8)，(8,8,9,12,10, 2)，(14,0,3,2,15,5), (5,2,4,9,0,8), (7，2，15，11，1，11)，(7，1，15，2，1，11)，(9,12,3,9, 10,11), (11,3,12,14,14,6), (11，12，4，7，1，9)，(4，8，12，12，9，4)，(1，15，6，9，3，9)，(4， 1,0,8,1,6), (10,11,5,0,6,8),(0，6，7，6，15，9)， (3，0，8，7，1，9)， (2，2，1，8，2，8)， (8,8,9, 12,10,2), (5,2,4,9,0,8), (9，12，3，9，10，11)， (11，12，4，7，1，9)， (4，8，12，12，9，3)， (11， 3,12,14,14,6), (0,6,7,6,15,9), (11，12，4，7，1，9)，(3，0，8，7，1，9)，(4,1,0,8,1,6), (8， 8,9,12,10,2), (7,2,15,11,1,11), (9,12,3,9,10,11), (5,2,4,9,0,8), (4,8,12,12,9,4)9、計算方案組Rt中每種方案下片上網絡能耗與響應時間，各方案的能耗分別 為54. 69,38. 09,61. 69,45. 84,43. 84,46. 39,75. 19,41. 84,46. 99,48. 59,33. 09,55. 24， 38. 14,43. 89,50. 09,40. 94,44. 64,43. 89,29. 44,53. 74,38. 09,45. 84,43. 84,41. 84，46. 99,33. 09,38. 14,40. 94,43. 89,40. 84,44. 64,43. 84,43. 89,41. 84,38. 09,33. 09， 43. 89，40. 94，38. 14，29. 44 ；各方案的響應時間分別為10,0. 16,0. 1601,0. 1601,0. 1601,0. 1601,0. 1601,0. 1602,0. 1601,0. 1601， 0. 1601,0. 1601,0. 1601,0. 16,0. 16,0. 1601,0. 1601,0. 1601,0. 1601,0. 16,0. 1601， 0. 1601,0. 1601,0. 1601,0. 1601,0. 1601,0. 1601,0. 16,0. 1601,0. 1601,0. 1601,0. 1601， 0. 1601,0. 1601,0. 1601,0. 1601,0. 1601,0. 16,0. 1601,0. 16,0. 16。11、采用 Deb 在 2002 年發(fā)表在雜志 IEEE Transactions on Evolutionary Computation 第六卷上的文章 A Fast Elitist Non-dominated Sorting Genetic Algorithm for Multi-objectiveOptimization =NSGA-II 中介紹的邊界集產生法將方案 組Rt中的40個方案分成13個小組，每個小組代表一個邊界集，對小組編號，編號較小的小 組里的方案比編號較大的小組的方案的優(yōu)先級高；所謂優(yōu)先級別是按能耗與響應時間小為 優(yōu)。按上述方法得到的小組1里的方案有方案19，方案40，小組2里面的方案有方案13， 方案27，方案39，小組3里的方案有方案2，方案11，方案21，方案26，方案35，方案36，小 組4里面的方案有方案16，方案28，方案38，小組5里的方案有方案8，方案24，方案34，小組6里的方案有方案14，方案37，小組7里面的方案有方案18，方案29，方案33，小組8里 的方案有方案5，方案23，方案32，小組9里面的方案有方案4，方案17，方案22，方案30，方 案31，小組10里的方案有方案1，方案20，小組11里面的方案有方案9，方案10，方案12， 方案15，方案25，小組12里的方案有方案3，方案6，小組13里的方案有方案7。12、初始化一個新的沒有方案的方案組Ft，然后從第10步驟分好的小組中，按小組 的編號從小到大的順序，從小組1到小組13，依次將小組內的方案加入到Ft中，直到方案組 Ft里的方案個數超過20個，此時將最后加入的小組(即小組7)的方案全部取出。13、確定第10步中得到的每個小組中各方案的優(yōu)先次序，具體方法如下12-1令小組中每個方案的距離值為0，所述的距離值表示該方案與其它方案的聯 系是否緊密。12-2根據第9步計算出的各個方案的能耗的大小對方案進行倒序排列，能耗較小 的方案排在能耗較大的方案的前面，12-3計算各方案的能耗距離，每個方案的能耗距離為排在它后面的那個方案的能 耗減去排在它前面的那個方案的能耗所得到的值，12-4根據第9步計算出的各個方案的響應時間大小對方案進行倒序排列，響應時 間較小的方案排在響應時間較大的方案的前面12-5計算各方案的響應時間距離，每個方案的響應時間距離為排在它后面的那個 方案的響應時間減去排在它前面的那個方案的響應時間所得到的值，12-6將各個方案的響應時間距離和能耗距離相加得到方案的距離值，12-7把能耗最小的方案和響應時間最小的方案排在最前面，然后根據距離大小對 其他方案進行排序，并排在能耗最小的方案和響應時間最小的方案的后面，距離值較大的 方案排在距離值較小的方案的前面，這樣排在前面的方案的優(yōu)先級比排在后面的方案的優(yōu) 先級高14、從第12步驟排序后的小組里按優(yōu)先級高低選擇方案加入方案組Ft，直到方案 組Ft里的方案個數為20個，完成后，方案組Ft中的方案為(4,8,12，12,9,4)，(4,8,12，12，9,4), (5,2,4,9,0,8), (5,2,4,9,0,8), (5,2,4,9,0,8), (4,1,0,8,1,6), (8，8，9，12，10，2)， (4,1,0,8,1,6), (8,8,9,12,10,2), (4,1,0,8,1,6), (8，8，9，12，10，2)，(9，12，3，9，10，11)， (9,12,3,9,10,11), (9,12,3,9,10,11), (3，0，8，7，1，9)，(3，0，8，7，1，9)，(3，0，8，7，1，9)， (7,2,15,11,1,11), (7,2,15,11,1,11), (11，12，4，7，1，9)15、將方案組Ft中的20個方案隨機分成10個方案小組，每方案小組中有2個方 案，按照第10和12步聯合確定的優(yōu)先關系選出每方案小組最優(yōu)先的方案，然后將從所有方 案小組選出的最優(yōu)先的一個方案組成一個新的方案組Ft'，方案組Ft'中的方案包括(4， 8,12,12,9,4), (5,2,4,9,0,8), (5,2,4,9,0,8), (8,8,9,12,10,2), (8,8,9,12,10,2), (8， 8,9,12,10,2), (9,12,3,9,10,11), (3，0，8，7，1，9)， (3，0，8，7，1，9)， (7，2，15，11，1，11)16、將方案組Ft'中的方案再隨機配對，以步驟1中設定的交叉的概率0. 4對每對方案間在隨機位置上的節(jié)點的編號進行互換，然后再將所有對合并起來得到方案組Ht，即 (4,8,12,12,9,4), (5,2,4,9,0,8), (8,2,4,9,0,8), (5，8，9，12，10，2)，(8，8，9，12，10，2)， (8,8,9,12,10,2), (9,12,3,9,10,11), (3，0，8，7，1，9)，(3，0，8，7，1，9)，(7，2，15，11，1，11)17、以步驟1中設定的變異的概率0.01改變方案組Ht中各個方案中在隨機位置 上的節(jié)點的編號，得到方案組 Ht'，即(4，8，12，12，9，4)，(5,2,4,9,0,8), (8,2,4,9,0,8), (5,8,9,12,10,2), (8,8,9,12,10,2), (8,8,9,12,10,2), (9,12,3,9,10,11), (3,0,8,7,1, 9)，(3,0,8,7,1,9), (7,2,15,11,1,11)18、按適應度從小到大的順序，從方案組Ft中選擇10個方案，與方案組Ht'的方 案合并在一起，構成包含20個方案的新的方案組Jt+119、如果迭代次數t小于100，則t = t+Ι，然后返回到步驟2，進行新一輪迭代運 算，否則進入步驟19;20、按照步驟3所述的方法計算出方案組Jltltl中各方案的適應度值，將適應度值最 小的方案，即方案(5，2，9，9，5，4)作為片上網絡的任務到節(jié)點間的映射方案。
權利要求
用于尋找片上網絡的任務與節(jié)點間映射方案的方法，其特征在于尋找出使能耗與響應時間同時最小的任務與節(jié)點映射方案，尋找過程如下一、隨機生成一個包含K個分配方案的方案組Jt，并為每個分配方案X＝(x1，x2，...，xN)設定一個的交叉的概率pi和變異的概率qi，以及總的迭代次數T，并令記錄迭代的次數的變量t＝0；二、求出方案組Jt中每種方案下片上網絡能耗與響應時間；三、計算出方案組Jt中各方案的適應度值，該適應度值大小反映方案的優(yōu)先級，值越小優(yōu)先級越高，所謂優(yōu)先級別是按能耗與響應時間小為優(yōu)；四、將方案組Jt中的K個方案隨機分成個方案小組，其中L是每方案小組中的方案個數，按照第三步中確定的優(yōu)先關系選出每方案小組中最優(yōu)先的方案組成一個優(yōu)先方案組Qt；五、將優(yōu)先方案組Qt中的方案按隨機配對，所述的配對是指按照兩個方案一組進行分組，并以步驟1中設定的交叉的概率pi將每對方案中的兩個方案上任意一個相同位置上的節(jié)點的編號進行互換，然后再將所有被互換后的每對方案合并起來得到方案組Q′t；六、以第一步中設定的變異概率qi改變方案組Q′t中各個方案中在任意一個位置上的節(jié)點的編號，得到方案組Gt；七、按第三步計算出來的適應度值從小到大的順序，從方案組Jt中選擇個方案，與方案組Gt的方案合并在一起，構成包含K個方案的新的方案組Gt′；八、將方案組Jt和Gt合并成方案組Rt；九、計算方案組Rt中每種方案下片上網絡能耗與響應時間；十、將方案組Rt中的2K個方案分成多個小組，每個小組代表一個邊界集，對小組編號，編號較小的小組里的方案比編號較大的小組的方案的優(yōu)先級高；所謂優(yōu)先級別是按能耗與響應時間小為優(yōu)；十一、初始化一個新的沒有方案的方案組Ft，然后從第十步分好的小組中，按小組的編號從大到小的順序，依次將小組內的方案加入到Ft中，直到方案組Ft里的方案個數超過K個，然后將最后加入的小組的方案全部取出，并將被最后加入的小組記為V；十二、確定第十步中每個小組中各方案的優(yōu)先次序，具體方法如下12-1令小組中每個方案的距離值為0，所述的距離值表示該方案與其它方案的聯系是否緊密；12-2根據第9步計算出的各個方案的能耗的大小對方案進行倒序排列，能耗較小的方案排在能耗較大的方案的前面，12-3計算各方案的能耗距離，每個方案的能耗距離為排在它后面的那個方案的能耗減去排在它前面的那個方案的能耗所得到的值，12-4根據第9步計算出的各個方案的響應時間大小對方案進行倒序排列，響應時間較小的方案排在響應時間較大的方案的前面，12-5計算各方案的響應時間距離，每個方案的響應時間距離為排在它后面的那個方案的響應時間減去排在它前面的那個方案的響應時間所得到的值，12-6將各個方案的響應時間距離和能耗距離相加得到方案的距離值，12-7把能耗最小的方案和響應時間最小的方案排在最前面，然后根據距離大小對剩余的方案進行排序，并排在能耗最小的方案和響應時間最小的方案的后面，距離值較大的方案排在距離值較小的方案的前面，這樣排在前面的方案的優(yōu)先級比排在后面的方案的優(yōu)先級高十三、從經過了第十二步排序后的小組V里按優(yōu)先級從高到低的順序選擇方案加入到方案組Ft，直到方案組Ft里的方案個數為K個；十四、將方案組Ft中的K個方案隨機分成個方案小組，其中L是每方案小組中的方案個數，按照第十步和第十二步中確定的優(yōu)先關系選出每方案小組中最優(yōu)先的方案組成一個優(yōu)先方案組Ft′；十五、將優(yōu)先方案組Ft′中的方案再隨機配對，以第一步中設定的交叉的概率pi將每對方案中的兩個方案上任意一個相同位置上的節(jié)點的編號進行互換，然后再將所有被互換后的每對方案合并起來得到方案組Ht；十六、以第一步中設定的變異的概率qi改變方案組Ht中各個方案中在任意一個位置上的節(jié)點的編號，得到方案組Ht′；十七、根據第十步和第十二步聯合確定的方案組Ft中方案的優(yōu)先次序，按照優(yōu)先級從高到低的順序，從方案組Ft中選擇個方案，與方案組Ht′的方案合并在一起，構成包含K個方案的新的方案組Jt+1；十八、如果t＜T，則t＝t+1，然后返回到第二步，否則進入第十九步十九、計算出方案組JT中各方案的適應度值，將適應度值最小的方案，即能耗和響應時間同時最小的方案作為片上網絡的任務到節(jié)點間的映射方案；F2010100281577C00011.tif,F2010100281577C00012.tif,F2010100281577C00021.tif,F2010100281577C00022.tif
2.根據權利要求1的用于尋找片上網絡的任務與節(jié)點間映射方案的方法，其特征在于所述的能耗是片上網絡上所有處理節(jié)點的能耗之和再加上連接各個處理節(jié)點的通信網 絡的能耗。
3.根據權利要求1或權利要求2的用于尋找片上網絡的任務與節(jié)點間映射方案的方法，其特征在于所述的響應時間為輸入到輸出路徑上所有節(jié)點的處理時間之和加上輸入 到輸出路徑上所有鏈路的延時之和再加上輸入到輸出路徑上數據包的排隊與等待時間之 禾口。
4.根據權利要求1至權利要求3的用于尋找片上網絡的任務與節(jié)點間映射方案的方法，其特征在于計算各方案的適應度值可以采用Deb的非支配排序法、排除法、莊家法、擂 臺賽法、遞歸法、快速排序法或改進的快速排序法等方法之一。
5.根據權利要求1至權利要求4的之一的用于尋找片上網絡的任務與節(jié)點間映射方案的方法，其特征在于將方案組Rt中的2K個方案分成多個小組的方法可以采用Deb在 2002 年發(fā)*在雜志 IEEE Transactions on Evolutionary Computation 第 A卷上的文 章 A FastElitist Non-dominated Sorting Genetic Algorithm for Multi-obiective Optimization :NSGA_II中介紹的邊界集產生法。
全文摘要
本發(fā)明提出了一種用于尋找片上網絡的任務與節(jié)點間映射方案的方法，該方法的過程為初始化一個包含K個分配方案的方案組Jt，然后求出方案組Jt中每種方案下片上網絡能耗與響應時間以及適應度值，再根據適度值等的大小進行優(yōu)先排序、分組、交換等過程最后得到優(yōu)選方案，本發(fā)明通過將能耗和響應時間分開作為考核方案的優(yōu)先指標，而在尋找最優(yōu)方案過程中又同時考慮能耗和響應時間，做到了尋找出來的方案使能耗和系統(tǒng)延時同時最小，從而使采用此優(yōu)選出來的任務與節(jié)點間映射方案設計出來的網絡的性能達到最好，并且與其它對多個目標函數下尋找任務與節(jié)點間映射的優(yōu)先方案的方法比較，具有復雜度，實現簡單的特點，通過仿真還證實了本發(fā)明的方法收斂速度快。
文檔編號G06F17/50GK101799838SQ20101002815
公開日2010年8月11日 申請日期2010年1月22日 優(yōu)先權日2010年1月22日
發(fā)明者凌翔, 符初生, 胡劍浩, 陳亦歐 申請人:電子科技大學