基于多目标遗传算法的片上网络内存控制器布局方法技术

本发明专利技术公开了一种基于NSGA‑2的多核片上网络内存控制器布局优化方法，其实现步骤为：对内存控制器布局优化问题建模；使用多目标遗传算法NSGA‑2搜索得到模型最优布局集；在模型最优布局集中通过黄金分割法筛选得到实际最优布局。本发明专利技术通过代数式建模减少了方案的时间复杂度；对优化目标细致分析并拆分目标建立精确的目标函数，保证了优化的精确度；使用改进后的NSGA‑2算法对存控布局问题进行多目标优化，求解出问题的模型最优布局集，保留了寻找综合性能最优的布局的机会。实现了多核片上网络内存控制器布局封装化、自动化，大大缩短了内存控制器布局优化的时间，可用于高阶网络下的布局优化。

【技术实现步骤摘要】
基于多目标遗传算法的片上网络内存控制器布局方法
本专利技术属于电通信
，更进一步涉及数字信息的传输
中的基于多目标遗传算法的片上网络内存控制器布局方法。本专利技术用于搭建对应最优内存控制器布局的片上网络系统，降低片上网络中的流量访存开销，提高片上网络通信效率，提升系统整体性能。
技术介绍
相较于单核系统，多核片上系统具有更强的性能优势，如今越来越多处理核心被集成到单块芯片上。但国际半导体技术蓝图(ITRS)指出，单芯片封装引脚数量增长速率每年低于10％，在满足处理器核快速增长的引脚需求前提下，片上可分配给内存控制器的引脚资源不足，导致内存控制器数量远少于处理器核数量。由于通信节点数量与处理器核数量相等，此时少量内存控制器连接大量通信节点会产生多种不同的布局方式，改变布局方式影响访存流量路径进而影响系统性能。基于以上原因，内存控制器布局需被优化。现有内存控制器布局方案普遍遵循最优化处理流程，即确定优化目标，建立数学模型，最后通过优化算法得到最优解。DennisAbts，JohnKim等人在其发表的论文“AchievingPre本文档来自技高网...

【技术保护点】
1.一种基于多目标遗传算法的片上网络内存控制器布局方法，其特征在于，进行建模预处理，将片上网络的布局形式转化为二进制矩阵；计算二进制矩阵中“0”、“1”节点间的平均曼哈顿距离f

【技术特征摘要】
1.一种基于多目标遗传算法的片上网络内存控制器布局方法，其特征在于，进行建模预处理，将片上网络的布局形式转化为二进制矩阵；计算二进制矩阵中“0”、“1”节点间的平均曼哈顿距离f1、各节点与其最近“0”之间的曼哈顿距离的方差f2，以及各行列的“0”数量方差f3；将f1，f2和f3作为多目标遗传算法的适应度函数；对算法中的交叉和变异过程做修改，满足约束条件并保证交叉变异的随机性和产生优秀子代的效果；完成搜索后得到模型最优布局集，使用黄金分割法结合全系统仿真筛选出实际最优布局，该方法的步骤包括如下：
(1)将一种片上网络的布局形式转化为二进制矩阵：
1a)将有n个路由器的片上网络布局形式以Mesh拓扑相连，选择Mesh网络中m个位置连接内存控制器(m<n)，若这m个位置与已有布局形式中内存控制器的位置重合，则重新创建布局形式，若这m个位置与已有布局形式中内存控制器的位置不重合，则新布局创建成功，各路由器继续分别连接一个本地处理器；
1b)将所创建布局形式转化为二进制矩阵：对应拓扑定义一个的空矩阵，定义空矩阵中s个位置对应1a)中连接内存控制器的m个路由器的位置，s＝m，将这s个位置赋值为“0”，将空矩阵中n-s个剩余位置赋值为“1”，“1”表示在片上网络中仅连接处理器核的路由器的位置，由此将该布局形式的位置信息转化成的二进制矩阵；
(2)计算平均曼哈顿距离：
2a)计算每个节点与每个“0”对应位置之间的曼哈顿距离；
2b)按照公式计算平均曼哈顿距离，其中，∑表示求和操作，H(i,j)表示第i个节点到第j个“0”的曼哈顿距离；
(3)按照下式，计算各节点与其最近“0”之间的曼哈顿距离的方差f2：



其中，H(i,in0)表示第i个节点到最近的“0”的距离，即到in0的距离；
(4)按照下式，计算二进制矩阵中行和列的“0”数量方差f3：






其中，y表示二进制矩阵行的总数，z表示二进制矩阵列的总数，p表示行的序号，q表示列的序号，N(p)表示二进制矩阵中第p行“0”的个数，M(q)表示二进制矩阵中第q行“0”的个数，μ2表示二进制矩阵中行和列的“0”个数的平均值；
(5)将该二进制矩阵平铺为w位的二进制序列，w＝n；将f1、f2和f3依次添加到二进制序列末尾后作为一个布局个体；
(6)重复执行步骤(1)-(5)100次，将得到的100个布局个体组成一个100行w+3列的布局种群pa；
(7)使用多目标遗传算法求模型最优布局集：
7a)将变异率设置为0.2、交叉率设置为0.8；
7b)对布局种群pa中所有布局进行非支配排序和拥挤度排序；得到各布局的非支配等级和拥挤度值；
7c)依据各布局的非支配等级和拥挤度值，进行锦标赛选择得到种群pb；
7d)对种群pb依次进行交叉、变异操作，得到种群pc；种群pc中的二进制矩阵被更新；采用与步骤(2)相同的方法，计算更新后的二进制矩阵的平均曼哈顿距离；采用与步骤(3)相同的方法，计算更新后的二进制矩阵的各节点与其最近“0”之间的曼哈顿距离的方差；采用与步骤(4)相同的方法，计算更新后的二进制矩阵的各行列“0”数量的方差；接着进行父代子代种群合并得到下一个种群pd，再次对种群pd中的布局进行非支配排序和拥挤度排序，利用求出的非支配等级和拥挤度值进行精英策略操作，得到种群pe；
7e)重复步骤7c)到7d)600次，将得到的100个模型最优布局组成模型最优布局集；
(8)筛选实际最优布局：
使用黄金分割法结合全系统仿真对模型最优布局集进行搜索，得到实际最优布局。


2.根据权利要求1所述的基于多目标遗传算法的片上网络内存控制器布局方法，其特征在于，步骤(7b)中所述的对布局种...

【专利技术属性】
技术研发人员：魏雯婷，李林峰，顾华玺，王康，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西;61