亚洲成年人黄色一级片,日本香港三级亚洲三级,黄色成人小视频,国产青草视频,国产一区二区久久精品,91在线免费公开视频,成年轻人网站色直接看

基于差分進(jìn)化和捕食搜索策略的胖樹(shù)型片上網(wǎng)絡(luò)映射方法

文檔序號(hào):7912278閱讀:106來(lái)源:國(guó)知局
專利名稱:基于差分進(jìn)化和捕食搜索策略的胖樹(shù)型片上網(wǎng)絡(luò)映射方法
技術(shù)領(lǐng)域
本發(fā)明屬于網(wǎng)絡(luò)技術(shù)領(lǐng)域,涉及系統(tǒng)級(jí)芯片設(shè)計(jì)和片上IP核到網(wǎng)絡(luò)節(jié)點(diǎn)的映射方法,適用于低能耗的大規(guī)模胖樹(shù)型片上網(wǎng)絡(luò)快速IP核映射。
背景技術(shù)
基于總線架構(gòu)的片上系統(tǒng)SoC是以IP核復(fù)用為特點(diǎn)的一種集成電路設(shè)計(jì)方法。 這些IP核可以是通用處理器、協(xié)處理器、DSP、面向應(yīng)用的硬件、存儲(chǔ)器模塊和輸入/輸出模塊等等。隨著晶體管工藝的發(fā)展和處理器主頻的快速增長(zhǎng),SoC中IP核的數(shù)量和復(fù)雜度不斷提高,總線結(jié)構(gòu)面臨的主要問(wèn)題表現(xiàn)在(1)長(zhǎng)互連線問(wèn)題。隨著與總線相連的IP核數(shù)目的增加,必然引起總線長(zhǎng)度的增加,由此會(huì)給后端布線造成麻煩,還會(huì)引起線間串?dāng)_問(wèn)題。(2)時(shí)鐘同步問(wèn)題??偩€結(jié)構(gòu)要求與總線相連的模塊采用全局同步時(shí)鐘。隨著集成電路頻率的增加和芯片集成度的提高,全局同步越來(lái)越難實(shí)現(xiàn)。(3)地址空間可擴(kuò)展性問(wèn)題, SoC系統(tǒng)中IP核增多,互連線增長(zhǎng),會(huì)引入更多的寄生電阻、電容,導(dǎo)致電路延遲增大,最終延遲可能超過(guò)時(shí)鐘周期,這實(shí)際上限制了與總線相連的IP核數(shù)目,因此限制了系統(tǒng)的可擴(kuò)展性。因此,總線結(jié)構(gòu)越來(lái)越不能滿足超大規(guī)模集成電路VLSI設(shè)計(jì)的需求。為了更好地組織芯片上數(shù)目眾多的IP核,需要一個(gè)模塊化、擴(kuò)展性好、可重用、高性能的互連結(jié)構(gòu)。近年來(lái),為了克服上述問(wèn)題,借鑒計(jì)算機(jī)從單機(jī)發(fā)展到計(jì)算機(jī)網(wǎng)絡(luò)的歷史經(jīng)驗(yàn),將網(wǎng)絡(luò)的概念引入到芯片中來(lái),尋求解決集成電路發(fā)展瓶頸的方法,提出了片上網(wǎng)絡(luò)NoC結(jié)構(gòu)。NoC采用全局異步局部同步GALS的策略將各個(gè)IP核用網(wǎng)絡(luò)組件連接起來(lái)。它能解決 SoC發(fā)展所面臨的一系列難題,因此,NoC的研究成為了當(dāng)今學(xué)術(shù)界和工業(yè)界的研究熱點(diǎn)。胖樹(shù)型拓?fù)浣Y(jié)構(gòu)由于具有高對(duì)分帶寬、低網(wǎng)絡(luò)直徑、良好的擴(kuò)展性和豐富的路徑多樣性等特點(diǎn),被廣泛應(yīng)用于片上網(wǎng)絡(luò)研究中。為了更好地在單個(gè)芯片上集成更大規(guī)模的電路,面積、能耗和速度是設(shè)計(jì)NoC的主要約束。其中,由于NoC的電路規(guī)模很大,且基于納米工藝加工,能耗幾乎是NoC最重要的約束。因此,降低通信能耗成為NoC設(shè)計(jì)中的關(guān)鍵問(wèn)題。NoC映射是NoC設(shè)計(jì)中非常重要的一個(gè)步驟。NoC映射問(wèn)題,就是在給定任務(wù)圖和拓?fù)浣Y(jié)構(gòu)基礎(chǔ)上,針對(duì)特定設(shè)計(jì)目標(biāo)和約束條件,將每個(gè)任務(wù)分配到合適的IP核上,最后決定每個(gè)IP核在NoC拓?fù)浣Y(jié)構(gòu)上的位置。NoC映射問(wèn)題是一個(gè)NP難問(wèn)題,它的搜索空間隨著網(wǎng)絡(luò)尺寸成階梯遞增,對(duì)于一個(gè)IP核個(gè)數(shù)為N的NoC系統(tǒng),有N !種映射結(jié)果。映射結(jié)果對(duì)硬件代價(jià)、網(wǎng)絡(luò)性能、芯片能耗等有重大影響。近年來(lái),映射算法大都采用啟發(fā)式算法,有遺傳算法、分支定界算法、蟻群算法、模擬退火算法等,這類算法通過(guò)大量迭代得到較為優(yōu)化的解,但這往往是以時(shí)間復(fù)雜度為代價(jià),而且易陷入局部最優(yōu)解,難以應(yīng)用到大規(guī)模快速的IP核映射中,并且不能保證在短時(shí)間內(nèi)獲得低能耗的映射結(jié)果。而且目前大部分的映射研究還是基于規(guī)則Mesh進(jìn)行的
發(fā)明內(nèi)容
本發(fā)明的目的在于針對(duì)上述現(xiàn)有技術(shù)的不足,提出一種基于差分進(jìn)化和捕食搜索策略的胖樹(shù)型片上網(wǎng)絡(luò)映射方法,以減少IP核映射運(yùn)行時(shí)間、降低網(wǎng)絡(luò)能耗。為實(shí)現(xiàn) 上述目的,本發(fā)明的技術(shù)包括如下步驟(1)初始化操作對(duì)映射結(jié)果進(jìn)行初始化隨機(jī)選擇一個(gè)映射排序作為映射結(jié)果s的初始解,令當(dāng)前最優(yōu)映射結(jié)果b=S;對(duì)限制數(shù)組進(jìn)行初始化定義解空間內(nèi)以任意一個(gè)解作為中心的周圍的多個(gè)解組成限制數(shù)組,該數(shù)組中每個(gè)元素對(duì)應(yīng)于該中心的一個(gè)鄰域的限制范圍,然后,在當(dāng)前最優(yōu)映射結(jié)果b的周圍設(shè)置限制總數(shù)為T(mén)的限制數(shù)組R
,R[l],. . .,R[T_1],其中T取自然數(shù), 給定一個(gè)解b和一個(gè)限制R[i],將圍繞b的一個(gè)受限鄰域表示為A(b,R[i]);對(duì)中間變量進(jìn)行初始化令當(dāng)前局部搜索所在的限制級(jí)數(shù)I1 = 0,當(dāng)前限制級(jí)數(shù)內(nèi)的搜索次數(shù)i2 = o;(2)將當(dāng)前局部搜索所在的限制級(jí)數(shù)與設(shè)定的限制總數(shù)進(jìn)行比較,如果當(dāng)前局部搜索所在的限制級(jí)數(shù)ii <設(shè)定的限制總數(shù)T,則進(jìn)行局部搜索,并初始化M個(gè)種群個(gè)體,利用差分進(jìn)化方法對(duì)該初始種群迭代N次,其中N為所設(shè)定的差分進(jìn)化的總迭代次數(shù),將迭代得到的最優(yōu)映射結(jié)果記為P,并轉(zhuǎn)步驟(3);否則,將當(dāng)前最優(yōu)映射結(jié)果b作為最佳映射結(jié)果,并輸出;(3)判斷迭代得到的最優(yōu)映射結(jié)果是否在當(dāng)前最優(yōu)映射結(jié)果的受限鄰域內(nèi),如果迭代得到的最優(yōu)映射結(jié)果P在當(dāng)前最優(yōu)映射結(jié)果b的受限鄰域A(b,R[iJ)內(nèi),則令映射結(jié)果s =迭代得到的最優(yōu)映射結(jié)果P,并轉(zhuǎn)步驟(4);否則轉(zhuǎn)步驟(5);(4)將迭代得到的最優(yōu)映射結(jié)果對(duì)應(yīng)的能耗與當(dāng)前最優(yōu)映射結(jié)果對(duì)應(yīng)的能耗進(jìn)行比較,如果迭代得到的最優(yōu)映射結(jié)果P對(duì)應(yīng)的能耗優(yōu)于當(dāng)前最優(yōu)映射結(jié)果b對(duì)應(yīng)的能耗,則進(jìn)行更新,重新開(kāi)始計(jì)算,即令當(dāng)前最優(yōu)映射結(jié)果b = S,當(dāng)前局部搜索所在的限制級(jí)數(shù)ii =0,當(dāng)前限制級(jí)數(shù)內(nèi)的搜索次數(shù)i2 = 0,然后在當(dāng)前最優(yōu)映射結(jié)果b的周圍重新計(jì)算限制數(shù)組,轉(zhuǎn)步驟⑵;否則轉(zhuǎn)步驟(5);(5)將當(dāng)前限制級(jí)數(shù)內(nèi)的搜索次數(shù)與每一限制等級(jí)內(nèi)的最大搜索次數(shù)進(jìn)行比較, 令當(dāng)前限制級(jí)數(shù)內(nèi)的搜索次數(shù)12 = 12+1,如果i2>每一限制等級(jí)內(nèi)的最大搜索次數(shù)C,令當(dāng)前局部搜索所在的限制級(jí)數(shù)I1 = h+1,當(dāng)前限制級(jí)數(shù)內(nèi)的搜索次數(shù)i2 = 0,并轉(zhuǎn)步驟(6); 否則轉(zhuǎn)步驟⑵;(6)將當(dāng)前局部搜索所在的限制級(jí)數(shù)與終止局部搜索的限制級(jí)數(shù)進(jìn)行比較,如果當(dāng)前局部搜索所在的限制級(jí)數(shù)I1 =終止局部搜索的限制級(jí)數(shù)L,則將當(dāng)前局部搜索所在的限制級(jí)數(shù)I1設(shè)置為終止局部搜索的限制級(jí)數(shù)L與設(shè)定的限制總數(shù)T之間的一個(gè)限制級(jí)數(shù)值Lhigh,即令I(lǐng)1 = Lhigh,轉(zhuǎn)步驟⑵;否則直接轉(zhuǎn)步驟(2)。本發(fā)明與現(xiàn)有的技術(shù)相比具有如下優(yōu)點(diǎn)1)本發(fā)明由于將捕食搜索策略引入到差分進(jìn)化方法中,在限制數(shù)組的約束下,可以搜索很大的區(qū)域,很快跳出原來(lái)所限制的較小區(qū)域,同時(shí)跳出局部最優(yōu),從而克服了差分進(jìn)化方法易陷入局部最優(yōu)解的問(wèn)題;2)本發(fā)明由于將差分進(jìn)化方法與捕食搜索策略相結(jié)合,并應(yīng)用到胖樹(shù)型片上網(wǎng)絡(luò)映射中,與現(xiàn)有的優(yōu)化方法相比,得到了更優(yōu)的能耗結(jié)果,而且縮短了映射的運(yùn)行時(shí)間。
仿真結(jié)果表明,本發(fā)明不僅可快速實(shí)現(xiàn)從IP核到胖樹(shù)型拓?fù)浣Y(jié)構(gòu)中網(wǎng)絡(luò)節(jié)點(diǎn)的映射,而且能保證全網(wǎng)通信的低能耗。


圖1是現(xiàn)有視頻對(duì)象平面解碼VOPD的通信核圖;圖2是本發(fā)明的映射流程圖;圖3是現(xiàn)有的胖樹(shù)型拓?fù)浣Y(jié)構(gòu)示意圖;圖4是現(xiàn)有方法與本發(fā)明的映射結(jié)果對(duì)比示意圖
具體實(shí)施例方式以下以對(duì)圖1所示的16核視頻對(duì)象平面解碼VOPD通信核圖進(jìn)行映射為例,對(duì)本發(fā)明進(jìn)行詳細(xì)描述。為方便描述,本發(fā)明對(duì)視頻對(duì)象平面解碼VOPD的通信核圖中的每個(gè)IP核進(jìn)行編號(hào)IP1,IP2,. . .,IP16,編號(hào)的順序不影響IP核的映射位置。視頻對(duì)象平面解碼VOPD的通信核圖及每個(gè)IP核的編號(hào)如圖1所示。圖1中,每個(gè)頂點(diǎn)表示一個(gè)IP核,頂點(diǎn)上的數(shù)字代表著IP核的編號(hào),若某兩個(gè)頂點(diǎn)之間有邊存在,則表示這兩個(gè)IP核之間存在著通信關(guān)系, 邊的權(quán)重代表著這兩個(gè)IP核之間的通信量。參照?qǐng)D2,本發(fā)明的具體實(shí)現(xiàn)步驟如下步驟1,初始化操作。1. 1)對(duì)映射結(jié)果進(jìn)行初始化隨機(jī)選擇一個(gè)映射排序作為映射結(jié)果s的初始解, 該映射結(jié)果為通信核的一個(gè)隨機(jī)排序,例如16核網(wǎng)絡(luò)的一個(gè)初始解可選為s = [1,2,3,4, 5,6,7,8,9,10,11,12,13,14,15,16],令當(dāng)前最優(yōu)映射結(jié)果匕=s ;1. 2)對(duì)限制數(shù)組進(jìn)行初始化定義解空間內(nèi)以任意一個(gè)解作為中心的周圍的多個(gè)解組成限制數(shù)組,該數(shù)組中每個(gè)元素對(duì)應(yīng)于該中心的一個(gè)鄰域的限制范圍,然后,在當(dāng)前最優(yōu)映射結(jié)果b的周圍設(shè)置限制總數(shù)為T(mén)的限制數(shù)組RW],R[l],...,R[T-1],其中T取自然數(shù),給定一個(gè)解b和一個(gè)限制R[i],將圍繞b的一個(gè)受限鄰域表示為A(b,R[i]);所述的在當(dāng)前最優(yōu)映射結(jié)果b的周圍設(shè)置限制總數(shù)為T(mén)的限制數(shù)組的具體實(shí)施步驟為1. 2a)在當(dāng)前最優(yōu)映射結(jié)果b的周圍利用2_opt算法搜索T_1次,其中T表示設(shè)定的限制總數(shù),得到T-I個(gè)映射結(jié)果及其對(duì)應(yīng)的能耗值,并將該T-I個(gè)映射結(jié)果所對(duì)應(yīng)的能耗值按照升序排列,所述的能耗值是參照?qǐng)D3胖樹(shù)型拓?fù)浣Y(jié)構(gòu)按照公式E = Σ WIPi,IPJ X efflap(IPi), fflap(iPj)進(jìn)行計(jì)算的,其中Wipi,IPj表示兩個(gè)IP核IPi與IPj之間的通信量,emap(IPi),map(IPj)表示從IPi所要映射的處理節(jié)點(diǎn)map (IPi)到IPj所要映射的處理節(jié)點(diǎn)map (IPj)傳輸Ibit數(shù)據(jù)所需的平均能耗;圖3中,胖樹(shù)型拓?fù)浣Y(jié)構(gòu)是由η行2(η_ 列路由器組成,每個(gè)路由器可用二維坐標(biāo) (x,y)表示,其中χ取值范圍為O-(n-l),y取值范圍為Ο-Ο^Μ),第0行的每個(gè)路由器連接兩個(gè)處理節(jié)點(diǎn),每個(gè)處理節(jié)點(diǎn)可以放置一個(gè)IP核,因此η行的胖樹(shù)型網(wǎng)絡(luò)可以連接的處理節(jié)點(diǎn)數(shù)為2η,第1行的路由器向下與兩個(gè)第0行的路由器相連,因此,通過(guò)第1行的每個(gè)路由器可以到達(dá)4個(gè)處理節(jié)點(diǎn),而第2行的路由器向下與兩個(gè)第1行的路由器相連,因此,通過(guò)第2行的每個(gè)路由器可以到達(dá)8個(gè)處理節(jié)點(diǎn),依此類推,通過(guò)第r行的路由器可以到達(dá)的處理節(jié)點(diǎn)數(shù)為;胖樹(shù)型拓?fù)浣Y(jié)構(gòu)中采用的路由策略為來(lái)自處理節(jié)點(diǎn)的通信數(shù)據(jù)首先向相連接的第O行的路由器即它的父節(jié)點(diǎn)轉(zhuǎn)發(fā),當(dāng)路由器節(jié)點(diǎn)收到一個(gè)數(shù)據(jù)包時(shí),若該數(shù)據(jù)包的目的節(jié)點(diǎn)位于它的子樹(shù)中,則向下轉(zhuǎn)發(fā)至相應(yīng)的孩子節(jié)點(diǎn),否則繼續(xù)向其父節(jié)點(diǎn)轉(zhuǎn)發(fā); 本發(fā)明對(duì)每條路由路徑定義一個(gè)層次f,它的值取為路由路徑所經(jīng)過(guò)的行數(shù)最大的路由器所在的行數(shù),圖3中的路由路徑的層次f有四種取值,相應(yīng)的能耗也有以下四種情況第一種情況,f = 0,說(shuō)明兩個(gè)處理節(jié)點(diǎn)連接在第0行的同一個(gè)路由器上,路由路徑中包括一個(gè)路由器,沿該路由路徑從IPi所要映射的處理節(jié)點(diǎn)map (IPi)到IPj所要映射的處理節(jié)點(diǎn)map (IPj)傳輸Ibit數(shù)據(jù)所需的平均能耗為emap(IPi),map(IPj) = Ek,其中Ek表示單個(gè)路由器傳輸Ibit數(shù)據(jù)所需的平均能耗;第二種情況,f = 1,路由路徑中包括三個(gè)路由器和兩條第0行與第1行路由器相連的鏈路,沿該路由路徑從IPi所要映射的處理節(jié)點(diǎn)map (IPi)到IPj所要映射的處理節(jié)點(diǎn) map (IPj)傳輸Ibit數(shù)據(jù)所需的平均能耗為^^所-哪=^Er +IEh,其中&表示第0行與第1行路由器相連的單條鏈路傳輸Ibit數(shù)據(jù)所需的平均能耗;第三種情況,f = 2,路由路徑中包括五個(gè)路由器和兩條第0行與第1行路由器相連的鏈路以及兩條第1行與第2行路由器相連的鏈路,沿該路由路徑從IPi所要映射的處理節(jié)點(diǎn)map (IPi)到IPj所要映射的處理節(jié)點(diǎn)map (IPj)傳輸Ibit數(shù)據(jù)所需的平均能耗為 ^mapiIPrlmapiIm =5ER +2^ ^L2,其中K2表示第1行與第2行路由器相連的單條鏈路傳輸 Ibit數(shù)據(jù)所需的平均能耗;第四種情況,f = 3,路由路徑中包括七個(gè)路由器、兩條第0行與第1行路由器相連的鏈路、兩條第1行與第2行路由器相連的鏈路以及兩條第2行與第3行路由器相連的鏈路,沿該路由路徑從IPi所要映射的處理節(jié)點(diǎn)map (IPi)到IPj所要映射的處理節(jié)點(diǎn) map (IPj)傳輸Ibit數(shù)據(jù)所需的平均能耗為^= +2Eh +2ELi +2Eh,其中\(zhòng) 表示第2行與第3行路由器相連的單條鏈路傳輸Ibit數(shù)據(jù)所需的平均能耗;1. 2b)把排序后的這T-I個(gè)能耗值依次賦給限制數(shù)組R[l],R[2],. . .,R[T_1],而 R
取為當(dāng)前最優(yōu)映射結(jié)果b所對(duì)應(yīng)的能耗值;1. 3)對(duì)中間變量進(jìn)行初始化令當(dāng)前局部搜索所在的限制級(jí)數(shù)I1 = 0,當(dāng)前限制級(jí)數(shù)內(nèi)的搜索次數(shù)i2 = 0。步驟2,將當(dāng)前局部搜索所在的限制級(jí)數(shù)與設(shè)定的限制總數(shù)進(jìn)行比較,如果當(dāng)前局部搜索所在的限制級(jí)數(shù)I1 >設(shè)定的限制總數(shù)T,則將當(dāng)前最優(yōu)映射結(jié)果b作為最佳映射結(jié)果,并輸出;否則,進(jìn)行局部搜索,并初始化M個(gè)種群個(gè)體,利用差分進(jìn)化方法對(duì)該初始種群迭代N次,其中N為所設(shè)定的差分進(jìn)化的總迭代次數(shù),該差分進(jìn)化方法的主要操作如下2. 1)變異操作變異操作是采取兩種變異操作模式進(jìn)行的,即DE/best/Ι和DE/rand/Ι模式,通過(guò)下面公式進(jìn)行變異得到新個(gè)體
權(quán)利要求
1.一種基于差分進(jìn)化和捕食搜索策略的胖樹(shù)型片上網(wǎng)絡(luò)映射方法,包括如下步驟(1)初始化操作對(duì)映射結(jié)果進(jìn)行初始化隨機(jī)選擇一個(gè)映射排序作為映射結(jié)果S的初始解,令當(dāng)前最優(yōu)映射結(jié)果b = S ;對(duì)限制數(shù)組進(jìn)行初始化定義解空間內(nèi)以任意一個(gè)解作為中心的周圍的多個(gè)解組成限制數(shù)組,該數(shù)組中每個(gè)元素對(duì)應(yīng)于該中心的一個(gè)鄰域的限制范圍,然后,在當(dāng)前最優(yōu)映射結(jié)果b的周圍設(shè)置限制總數(shù)為T(mén)的限制數(shù)組:R
,R[l],· · ·,R[T-1],其中T取自然數(shù),給定一個(gè)解b和一個(gè)限制R[i],將圍繞b的一個(gè)受限鄰域表示為A(b,R[i]);對(duì)中間變量進(jìn)行初始化令當(dāng)前局部搜索所在的限制級(jí)數(shù)I1 = 0,當(dāng)前限制級(jí)數(shù)內(nèi)的搜索次數(shù)i2 = 0 ;(2)將當(dāng)前局部搜索所在的限制級(jí)數(shù)與設(shè)定的限制總數(shù)進(jìn)行比較,如果當(dāng)前局部搜索所在的限制級(jí)數(shù)I1 <設(shè)定的限制總數(shù)T,則進(jìn)行局部搜索,并初始化M個(gè)種群個(gè)體,利用差分進(jìn)化方法對(duì)該初始種群迭代N次,其中N為所設(shè)定的差分進(jìn)化的總迭代次數(shù),將迭代得到的最優(yōu)映射結(jié)果記為P,并轉(zhuǎn)步驟(3);否則,將當(dāng)前最優(yōu)映射結(jié)果b作為最佳映射結(jié)果,并輸出;(3)判斷迭代得到的最優(yōu)映射結(jié)果是否在當(dāng)前最優(yōu)映射結(jié)果的受限鄰域內(nèi),如果迭代得到的最優(yōu)映射結(jié)果P在當(dāng)前最優(yōu)映射結(jié)果b的受限鄰域A(b,Rti1])內(nèi),則令映射結(jié)果s =迭代得到的最優(yōu)映射結(jié)果P,并轉(zhuǎn)步驟⑷;否則轉(zhuǎn)步驟(5);(4)將迭代得到的最優(yōu)映射結(jié)果對(duì)應(yīng)的能耗與當(dāng)前最優(yōu)映射結(jié)果對(duì)應(yīng)的能耗進(jìn)行比較,如果迭代得到的最優(yōu)映射結(jié)果P對(duì)應(yīng)的能耗優(yōu)于當(dāng)前最優(yōu)映射結(jié)果b對(duì)應(yīng)的能耗,則進(jìn)行更新,重新開(kāi)始計(jì)算,即令當(dāng)前最優(yōu)映射結(jié)果b = s,當(dāng)前局部搜索所在的限制級(jí)數(shù)I1 = 0,當(dāng)前限制級(jí)數(shù)內(nèi)的搜索次數(shù)i2 = 0,然后在當(dāng)前最優(yōu)映射結(jié)果b的周圍重新計(jì)算限制數(shù)組,轉(zhuǎn)步驟(2);否則轉(zhuǎn)步驟(5);(5)將當(dāng)前限制級(jí)數(shù)內(nèi)的搜索次數(shù)與每一限制等級(jí)內(nèi)的最大搜索次數(shù)進(jìn)行比較,令當(dāng)前限制級(jí)數(shù)內(nèi)的搜索次數(shù)i2 = i2+l,如果i2 >每一限制等級(jí)內(nèi)的最大搜索次數(shù)C,令當(dāng)前局部搜索所在的限制級(jí)數(shù)I1 = h+1,當(dāng)前限制級(jí)數(shù)內(nèi)的搜索次數(shù)i2 = 0,并轉(zhuǎn)步驟(6);否則轉(zhuǎn)步驟⑵;(6)將當(dāng)前局部搜索所在的限制級(jí)數(shù)與終止局部搜索的限制級(jí)數(shù)進(jìn)行比較,如果當(dāng)前局部搜索所在的限制級(jí)數(shù)I1 =終止局部搜索的限制級(jí)數(shù)L,則將當(dāng)前局部搜索所在的限制級(jí)數(shù)I1設(shè)置為終止局部搜索的限制級(jí)數(shù)L與設(shè)定的限制總數(shù)T之間的一個(gè)限制級(jí)數(shù)值 Lhigh,即令I(lǐng)1 = Lhigh,轉(zhuǎn)步驟(2);否則直接轉(zhuǎn)步驟(2)。
2.根據(jù)權(quán)利要求1所述的基于差分進(jìn)化和捕食搜索策略的胖樹(shù)型片上網(wǎng)絡(luò)映射方法, 其中步驟(1)所述的在當(dāng)前最優(yōu)映射結(jié)果b的周圍設(shè)置限制總數(shù)為T(mén)的限制數(shù)組,按如下步驟進(jìn)行l(wèi)a)在當(dāng)前最優(yōu)映射結(jié)果b的周圍利用2-opt算法搜索T-I次,其中T表示設(shè)定的限制總數(shù),得到T-I個(gè)映射結(jié)果及其對(duì)應(yīng)的能耗值,并將該T-I個(gè)映射結(jié)果所對(duì)應(yīng)的能耗值按照升序排列;lb)把排序后的這T-I個(gè)能耗值依次賦給限制數(shù)組R[1],R[2],· · ·,R[T-1],而R
取為當(dāng)前最優(yōu)映射結(jié)果b所對(duì)應(yīng)的能耗值。
3.根據(jù)權(quán)利要求1所述的基于差分進(jìn)化和捕食搜索策略的胖樹(shù)型片上網(wǎng)絡(luò)映射方法, 其中步驟(2)所述的利用差分進(jìn)化方法,包括變異操作、交叉操作和選擇操作所述的變異操作,是采取兩種變異操作模式進(jìn)行的,即DE/best/Ι和DE/rand/Ι模式, 通過(guò)下面公式進(jìn)行變異得到新個(gè)體
全文摘要
本發(fā)明公開(kāi)了一種基于差分進(jìn)化和捕食搜索策略的胖樹(shù)型片上網(wǎng)絡(luò)映射方法。其步驟為(1)初始化當(dāng)前最優(yōu)映射結(jié)果,并定義解空間內(nèi)以任意一個(gè)解作為中心的周圍的多個(gè)解組成限制數(shù)組;(2)在當(dāng)前最優(yōu)映射結(jié)果周圍設(shè)置限制總數(shù)為T(mén)的限制數(shù)組R
,R[1],...,R[T-1],定義當(dāng)前限制變量為R[i];(3)在當(dāng)前限制變量R[i]周圍采用差分進(jìn)化方法搜索,若找到更優(yōu)解,則更新當(dāng)前最優(yōu)映射結(jié)果并返回步驟(2),否則繼續(xù)步驟(4);(4)更新當(dāng)前限制變量i=i+1,若i<T-1,則返回步驟(3),否則輸出當(dāng)前最優(yōu)映射結(jié)果。本發(fā)明通過(guò)限制的調(diào)節(jié)克服了局部最優(yōu)問(wèn)題,大大降低了網(wǎng)絡(luò)能耗并減少了映射運(yùn)行時(shí)間,可用于低能耗、快速的大規(guī)模IP核在胖樹(shù)型片上網(wǎng)絡(luò)中的映射。
文檔編號(hào)H04L12/56GK102325089SQ20111027658
公開(kāi)日2012年1月18日 申請(qǐng)日期2011年9月19日 優(yōu)先權(quán)日2011年9月19日
發(fā)明者張碧霞, 楊銀堂, 王琨, 鄧植, 顧華璽 申請(qǐng)人:西安電子科技大學(xué)
網(wǎng)友詢問(wèn)留言 已有0條留言
  • 還沒(méi)有人留言評(píng)論。精彩留言會(huì)獲得點(diǎn)贊!
1