粒子群算法研究及在NoC低功耗映射中的應用.pdf

1、隨著基于總線的片上系統（System on Chip，SoC）集成度越來越高，作為一種新的通信架構，采取全局異步局部同步的片上網絡（Chip- on- Network，NoC）應用而生，解決了一系列總線式 SoC帶來的問題，如可靠性、功耗、擴展性等。目前，利用啟發(fā)式優(yōu)化算法，如蜂群算法、遺傳算法等映射優(yōu)化NoC的功耗，使功耗最小化，取得了較好的效果，但是也出現了一些問題，如操作的復雜度增加、跳出局部最優(yōu)困難等。因此，在確保算法的速度和精

2、度情況下，追求更低的網絡功耗，尋找更高效的算法，一直是NoC設計領域的一個重點和難點。
　　本文以NoC平臺的映射算法為研究對象，針對其功耗，根據已有的網絡通信模型及其相應的映射目標函數，提出了一種基于粒子群改進的片上網絡低功耗映射算法（MPSO）。首先對粒子群算法進行改進，主要有：設計了基于混沌擾動的佳點集初始化粒子種群，使粒子靈活地均勻且遍歷性分布在整個空間，粒子質量得到了提高；提出了整體自適應權重策略，利用佳點集的構造與空間

3、維數無關的特性，對權重進行降維，并且使粒子的權重根據其全局最優(yōu)位置和個體歷史最優(yōu)位置進行自適應地均衡調整，提高了算法效率；引入類電磁的局部搜索策略使其在最優(yōu)粒子周圍進行局部精細搜索，避免漏掉最優(yōu)粒子周圍的粒子，使全局和局部同時進行搜索，提高了算法的搜索效率和精度；設計了基于模糊理論的柯西變異，對處于α-截集中的粒子以概率的方式進行柯西變異，種群的多樣性增加并且有利于粒子群跳出局部極值。然后利用編碼策略將改進的粒子群算法用于NoC低功耗映

4、射優(yōu)化問題中，使MPSO算法可以找到最佳方案，得到更精確的解。
　　仿真表明，與存在的遺傳算法（GA）、模擬退火算法（SA）、類電磁算法（EM）優(yōu)化的低功耗映射算法相比，通信流量低且功耗小，功耗分別平均降低18.23％和14.81%和9.19%。另外，算法也具有良好的穩(wěn)定性。
　　本文在確定以NoC低功耗映射算法為研究方向時，選用PSO算法并將其改進用于求解最優(yōu)映射方案，進一步工作可將PSO算法應用到NoC其它性能指標，如時