面向测试优化的片上网络映射算法

针对复杂片上系统(SoC)芯片的片上网络(NoC）映射方案未考虑测试需求的问题,提出了一种面向测试优化的NoC映射算法,兼顾了可测性的提升和映射开销的最小化。该映射方案首先依据特定的测试结构,使用划分算法进行片上系统所有IP核的测试分组,其优化目标为测试时间最短;之后,再基于分组内IP核之间的通信量,应用遗传算法实现NoC映射,其优化目标是在测试优化的基础上实现映射开销最小。通过多个ITC'02测试基准电路进行的实验结果表明:应用该方案后,测试时间平均减少12.67%;与随机任务映射相比,映射代价平均减少24.5%。     

基于BIST的NoC系统通信架构测试研究

随着片上网络(network-on-chip,NoC)体系的发展,片上网络系统的测试成为不可或缺的一部分;对NoC系统的通信架构测试研究,运用多播的方式建立片上网络通信的测试模型,创新性的把内建自测试(build-in self test,BIST)技术和改进型的MATS++算法相结合,完成对NoC系统的通信架构测试;采用Verilog语言完成测试模型的设计,并且在基于FPGA的NoC系统平台上实现了对NoC系统的通信架构的测试;实现结果表明该测试方法在面积开销增加少于4%的情况下,不仅实现了100%的故障覆盖率,而且将测试时间降低到35.2ms。     

基于粗糙超立方体和离散粒子群的特征选择算法

特征选择指在保持数据分类性能不变的同时,选出不含冗余特征的特征子集。粗糙超立方体方法可从特征相关度、依赖度和重要度这3方面对特征子集进行综合评估,已成功用于特征选择。特征子集组合的计算是一个NP-难问题,而传统的前向搜索策略只能得到局部最优结果。因此,本文设计了一种新的离散粒子群优化与粗糙超立方体方法相结合的算法。该算法首先引入相关度用以生成一组粒子,然后对粗糙超立方体方法的目标函数改进后作为优化函数,最后由粒子群迭代优化,找到最优的特征子集。实验结果表明,相比传统粗糙超立方体方法和采用粒子群优化的粗糙集方法,本文算法能够得到具有更小特征数量和更高分类性能的特征子集。     

基于数控分流策略的2DMesh NoC路由节点设计

对NoC设计技术进行了研究,设计了采用数控分流策略的NoC路由节点,并基于该节点建立了NoC模型,该模型采用2DMesh拓扑结构,确定性XY路由算法实现.用Verilog HDL完成了NoC模型的功能设计,并对基于该模型的16核CPU进行了RTL级仿真与测试.测试结果显示,该模型完全实现了NoC的功能,可应用于多核CPU设计.     

基于分层超立方体的精确ESOP最小化

针对大变量逻辑函数的ESOP最小化求解问题,提出一种面向任意完全规定逻辑函数的精确ESOP最小化方法.该方法引入逻辑函数的n维分层超立方体表示模型,采用立方体几何图形映射Exorlink操作,实现一种立方体EXOR转换图的精确最小化转换;使用立方体集合划分与变量置换完成逻辑函数的分层超立方体结构映射以减少函数覆盖;在此基础上,给出基于分层超立方体的ESOP精确最小化算法.在MCNC基准电路上的实验结果表明,与其他ESOP最小化方法相比,文中方法可在多项式计算时间内实现大变量逻辑函数的ESOP最小化.     

基于布谷鸟算法的3D NoC测试优化研究

在路由器数量、测试带宽、TSV数量和功耗的多重约束下进行三维片上网络(Three Dimensional Network-on-Chip,3D NoC)资源内核测试研究中,使测试时间最小化的同时降低测试功耗是NP难问题。在测试带宽和路由器数目等的限制下,采用改进的布谷鸟算法协同优化测试时间与功耗,避免过大的功耗产生热量影响芯片性能。通过logistic函数改进布谷鸟算法,利用其变化特性避免算法早熟,同时快速寻找到全局最优解。采用余弦递减函数动态改变发现概率,寻找和替换劣质解。采用ITC'02 SOC测试集作为实验对象,结果表明:对该算法进行改进后得到的最优解,实现了在多约束下最小化测试时间的同时减少测试功耗的目的,保证3D NoC的可靠性和测试效率。     

基于云自适应遗传算法的NoC路径分配研究

路径分配是NoC设计流程中的两个关键步骤之一;路径分配的结果对NoC系统的性能尤其是通讯延时有着很重要的影响;多约束条件下的NoC路径分配问题是NP完全问题,要求出其最优解比较困难,目前常用的方法是利用启发式算法求得其较优解;文中提出一种基于云自适应遗传算法的NoC路径分配解决方案,该算法利用云模型对传统遗传算法加以改进,采取新的方法自动调整遗传算法过程中的交叉概率pc和变异概率pm,将适应度与云模型的3个参数Ex、En、He相互结合,从而达到优化遗传算法的目的;将此算法应用于2D-Mesh拓扑结构的NoC中,以平衡链路负载和联合优化为实验目标,以优化静态通讯分配结果;实验证明,文章所采取的算法在平衡链路负载和联合优化方面均取得了良好的效果。     

交叉立方体网络上的一种双向搜索路由算法

交叉立方体是近年提出的一种互联网络。虽然直径大约是超立方体直径的一半,但由于节点连接方式比超立方体复杂,所以在交叉立方体中利用节点编码研究路由算法比在超立方体中复杂的多。针对交叉立方体互联网络节点编码的特点,在理论分析的基础上采用双向搜索的方法,给出了一个基于交叉立方体节点编码的多项式路由算法,证明了在交叉立方体上采用该算法求得的任意两节点间的路长不超过该交叉立方体的直径。     

NoC在纳米计算结构下的延迟与拥塞优化映射

片上网络(NoC)映射的性能严重依赖于该网络拥有的互联结构.在自组装的纳米计算结构上探索了NoC映射问题,特别研究了在该结构上与最小延迟与拥塞相关的映射问题.提出了一个用于评估传输延迟的模型,并提出了SWMAP映射算法,使应用任务能够映射到具有小世界特性的纳米计算结构上.该算法使用了两种应用任务测试样例进行测试,实验结...     

多优先级自适应片上网络路由算法设计

提出一种适用于二维网格结构的片上网络(NoC)路由算法,该算法具有自适应性与最短路径的特点.采用多种优先级对数据进行裁决并传输,能提高系统的吞吐量,降低网络延迟.通过采用NIRGAM仿真平台对算法进行仿真,在4×4网格结构下,与其他NoC路由算法进行性能对比,结果显示该算法在热点模式下具有优势.     

基于改进贝叶斯优化算法的CNN超参数优化方法

CNN框架中,如何对其模型的超参数进行自动化获取一直是一个重要问题。提出一种基于改进的贝叶斯优化算法的CNN超参数优化方法。该方法使用改进的汤普森采样方法作为采集函数,利用改进的马尔可夫链蒙特卡罗算法加速训练高斯代理模型。该方法可以在超参数空间不同的CNN框架下进行超参数优化。利用CIFAR-10、MRBI和SVHN测试集对算法进行性能测试,实验结果表明,改进后的CNN超参数优化算法比同类超参数优化算法具有更好的性能。     

改进量子算法的片上网络映射研究

片上网络（NoC）是解决片上系统（SoC）之间各个IP核通信的主要方法。其中NoC的映射是整个NoC设计过程中最为关键的步骤之一。采用一种改进的方法解决NoC映射问题,该方法基于量子进化算法,并在算法中采用一种改进的更新方法,之后引入精英策略,让所有中间过程的解都参与到迭代中,选择其中最好的解作为每次迭代的NoC映射最终解。使用该方法建立在延时约束下的NoC映射功耗数学模型,实验表明,该方法在NoC映射中能达到降低通信功耗的目的。     

在MM*比较模型下M(o)bius立方体的一个快速诊断算法

基于比较的诊断是多计算机故障诊断的一种实用方法.M(o)bius立方体是超立方体结构的一种变形,具有并行处理所需的某些性质.文章在MM*比较模型下研究了M(o)bius立方体的诊断问题.利用M(o)bius立方体中圈的分布特性,提出了一个新的诊断算法.通过数据的适当组织,该算法的运行时间为O(Nlog22N),其中N表示处理器总数.而经典的Sengupta-Dahbura诊断算法所需时间为O(N5).因此,新算法在诊断时间方面明显优于Sengupta-Dahbura算法.     

在MM*比较模型下Mbius立方体的一个快速诊断算法

基于比较的诊断是多计算机故障诊断的一种实用方法．Mbius立方体是超立方体结构的一种变形,具有并行处理所需的某些性质．文章在MM比较模型下研究了Mbius立方体的诊断问题．利用Mbius立方体中圈的分布特性,提出了一个新的诊断算法．通过数据的适当组织,该算法的运行时间为O(Nlog_2~2 N),其中N表示处理器总数．而经典的Sengupta-Dahbura诊断算法所需时间为O(N~5)．因此,新算法在诊断时间方面明显优于Sengupta- Dahbura算法．     

在MM＊比较模型下M？bius立方体的一个快速诊断算法

基于比较的诊断是多计算机故障诊断的一种实用方法.M（o）bius立方体是超立方体结构的一种变形,具有并行处理所需的某些性质.文章在MM＊比较模型下研究了M（o）bius立方体的诊断问题.利用M（o）bius立方体中圈的分布特性,提出了一个新的诊断算法.通过数据的适当组织,该算法的运行时间为O（Nlog22N）,其中N表示处理器总数.而经典的Sengupta-Dahbura诊断算法所需时间为O（N5）.因此,新算法在诊断时间方面明显优于Sengupta-Dahbura算法.     

用于油画鉴别的自适应MPSoC中NoC仿真平台研究

实时光谱图像技术的应用是数据和通信的密集型算法的综合。因为片上系统(SoC)具有较大的灵活性及良好的性能,并可以直接采用IP核,基于片上网络(NoC)的SoC架构是实现这种实时系统最合适的解决方案。针对不同的应用算法,调整基于SoC的NoC架构是较为复杂的工作,因为设计空间探索和实验需要大量的时间。针对这些问题,提出了一种探索和评估SoC架构性能的仿真平台。该仿真平台基于NoC和参数化的评估模块,在FPGA上对SoC的通信结构进行仿真,并将时间性能和模拟结果进行对比。基于该仿真平台的系统评估主要用来考察用于油画鉴别应用的MPSoC的性能。     

全端口虫蚀寻径超立方体上的优化广播

广播是大规模并行计算机中基本的通信模式之一。在全端口虫蚀寻径的超立方体上给出了一个采用E-立方体寻径的优化广播算法。该算法充分利用了虫蚀寻径的距离不敏感性以及多端口结构的特性,其性能比目前已有的各种全端口广播算法都要好,而且该算法避免了通道冲突。     

二次改进遗传算法与3D NoC低功耗映射

随着集成电路技术的迅速发展,芯片的集成度不断提高,片上众多处理单元间的高效互连成为关键问题,因而相继出现了片上系统(system-on-chip,SoC)和二维片上网络(two-dimensional network-on-chip,2D NoC).当二维片上网络在多方面达到瓶颈时,三维片上网络(three-dimensional network-on-chip,3D NoC)应运而生.三维片上网络已引起学术界和产业界的高度重视,三维片上网络低功耗映射是其中的1个关键问题.之前的研究曾提出过一种基于改进遗传算法的3D NoC低功耗映射算法,并收到了良好的仿真效果.但当问题规模变大时,计算量随之增大、运行效率明显降低.针对这一问题,对3D NoC中面向功耗优化的二次改进遗传算法任务映射机制进行研究,提出了一种新的3D NoC低功耗映射算法,并对该映射算法进行了仿真实验.实验结果表明,在种群规模较大的条件下,该算法不仅能够继续降低功耗,而且能够大幅度地减少映射算法的运行时间.     

超立方体网的最优并行迁移路径寻径算法ORAPMP

文章介绍了一种用于超立方体网络中为集中碎片而进行任务迁移的最优并行迁移路径寻径算法ORAPMP,描述了具体的算法步骤,并对算法的正确性和最优性作了论证,最后给出了算法的一个实例。该算法实现了将任务从一个源子立方体用最多的并行迁移路径同时向对应目标子立方体传送信息,从而最大限度地提高了网络的时间和空间利用率。     

基于云自适应遗传算法的NoC映射研究

NoC映射是NoC设计中的重要步骤,映射结果的优劣对NoC的QoS约束和通信功耗有着很大的影响。提出一种采用云自适应遗传算法实现NoC映射的方案,该算法利用云模型对传统遗传算法加以改进,以此新方法自动调整遗传算法过程中的交叉概率和变异概率,从而达到优化遗传算法的目的。结合NoC映射中的具体问题,在功耗和延时约束的限制条件下,建立了延时约束下的NoC映射功耗数学模型。实验表明,该方法在NoC映射中取得了良好的效果,降低了通信功耗。