《電子技術(shù)應(yīng)用》
您所在的位置：首頁(yè) > 模拟设计 > 设计应用 > 基于改进遗传算法的多芯粒NoC低功耗映射
基于改进遗传算法的多芯粒NoC低功耗映射
电子技术应用
潘福跃1，闫俊启2，郑利华1，徐孝彬2
1.中国电子科技集团公司第五十八研究所；2.河海大学 机电工程学院
摘要： 针对多芯粒片上网络（Network-on-Chip，NoC）的低功耗映射问题，提出了一种改进的自适应遗传算法（Adaptive Genetic Algorithm，AGA）。通过引入排列编码机制、部分映射交叉算子、自适应交换变异策略以及混合选择机制，有效解决了传统遗传算法在NoC映射中存在的约束冲突、局部最优和解空间爆炸等问题。实验基于36节点2D-Mesh拓扑和随机生成的通信任务图，对比了AGA、蚁群优化算法（Ant Colony Optimization，ACO）和灰狼优化算法（Grey Wolf Optimizer，GWO）的性能。结果表明，AGA在通信能耗优化方面显著优于其他算法，相较于GWO和ACO分别降低了32.0%和26.2%的总功耗，同时展现出更好的全局搜索能力和收敛稳定性。该研究为NoC的低功耗设计提供了高效的优化方法。
中圖分類號(hào)：TN47 文獻(xiàn)標(biāo)志碼：A DOI: 10.16157/j.issn.0258-7998.256828
中文引用格式： 潘福躍，閆俊啟，鄭利華，等. 基于改進(jìn)遺傳算法的多芯粒NoC低功耗映射[J]. 電子技術(shù)應(yīng)用，2026，52(1)：33-37.
英文引用格式： Pan Fuyue，Yan Junqi，Zheng Lihua，et al. Power-efficient mapping for multi-chiplet NoC using enhanced genetic algorithm[J]. Application of Electronic Technique，2026，52(1)：33-37.
Power-efficient mapping for multi-chiplet NoC using enhanced genetic algorithm
Pan Fuyue1，Yan Junqi2，Zheng Lihua1，Xu Xiaobin2
1.No.58 Research Institute of China Electronics Technology Group Corporation；2.College of Mechanical and Electrical Engineering， Hohai University
Abstract： This paper addresses the power-efficient mapping problem in multi-chiplet Networks-on-Chip (NoC) by proposing an improved Adaptive Genetic Algorithm (AGA). By introducing permutation encoding, a partial-mapping crossover operator, an adaptive swap mutation strategy, and a hybrid selection mechanism, the algorithm effectively resolves issues such as constraint conflicts, local optima, and solution space explosion that exist in traditional genetic algorithms for NoC mapping. Experiments were conducted on a 36-node 2D-Mesh topology with randomly generated communication task graphs, comparing the performance of AGA, Ant Colony Optimization (ACO), and Grey Wolf Optimizer (GWO). The results demonstrate that AGA significantly outperforms other algorithms in communication energy optimization, reducing total power consumption by 32.0% and 26.2% compared to GWO and ACO, respectively. Additionally, AGA exhibits superior global search capability and convergence stability. This research provides an efficient optimization method for power-efficient NoC design.
Key words : network-on-chip；power-efficient；genetic algorithm；optimal transmission path

引言

隨著半導(dǎo)體工藝的發(fā)展，集成電路上的芯片技術(shù)快速發(fā)展，當(dāng)前3 nm量級(jí)芯片工藝已經(jīng)逼近物理極限，僅通過(guò)提升芯片尺寸，難以實(shí)現(xiàn)大規(guī)模性能提升。隨著多芯粒異構(gòu)集成技術(shù)逐漸發(fā)展[1]，其可將多個(gè)不同廠家的芯片集成，極大降低了芯片的設(shè)計(jì)成本。而采用多個(gè)芯粒集成后帶來(lái)了相互之間的通信問(wèn)題。芯粒內(nèi)采用NoC（Network-on-Chip）進(jìn)行通信，節(jié)點(diǎn)路由器作為信息傳遞轉(zhuǎn)發(fā)的載體，其排布直接影響通信傳輸任務(wù)性能[2]。因此，優(yōu)化NoC節(jié)點(diǎn)的布局以及IP核映射具有重要的意義[3-4]。

在NoC低功耗映射方面。隨著技術(shù)的發(fā)展，當(dāng)節(jié)點(diǎn)數(shù)增加后運(yùn)算量急劇上升，尋找最佳映射變得更加困難，因此國(guó)內(nèi)外學(xué)者采用群智能優(yōu)化算法搜索最佳映射，最經(jīng)典的為蟻群算法、粒子群算法和遺傳算法等[5]。蟻群優(yōu)化算法(Ant Colony Optimization,ACO)采用螞蟻尋找食物原理進(jìn)行最優(yōu)化搜索[5]，Xie將量子編碼引入蟻群算法[6]，在應(yīng)用通信圖TFGG[7]上，最小功耗比傳統(tǒng)蟻群算法降低10%~15%，但是其收斂速度較慢。粒子群優(yōu)化算法（Particle Swarm Optimization，PSO）因其結(jié)構(gòu)簡(jiǎn)單、收斂速度快而受到青睞，劉勤讓等人提出的離散PSO方法，動(dòng)態(tài)調(diào)整參數(shù)個(gè)體適應(yīng)度值，相比蟻群算法和傳統(tǒng)粒子群算法，其縮短執(zhí)行時(shí)間，減小映射通信功耗[8]。遺傳算法（Genetic Algorithm，GA）具備較強(qiáng)的全局搜索能力，董文簫等人基于GA的映射方法在降低能耗方面表現(xiàn)突出[9]，但GA通常收斂速度較慢。為了解決上述問(wèn)題，學(xué)者們采用混合優(yōu)化策略實(shí)現(xiàn)群智能優(yōu)化算法性能提升。李君藝等人結(jié)合PSO和GA算法，提升了映射速度[10]；其他學(xué)者采用新的優(yōu)化算法實(shí)現(xiàn)低功耗映射，比如王曦璐采用改進(jìn)鯨魚(yú)算法實(shí)現(xiàn)低功耗映射[11]，Parisa等人則采用野草算法，該算法相比5種經(jīng)典算法，通信性能分別提高了4%~13%[12]。

綜上所述，群智能優(yōu)化算法為NoC映射主要解決方法，但是對(duì)于復(fù)雜通信任務(wù)現(xiàn)有算法仍然容易出現(xiàn)局部收斂，效果不佳，因此仍然需要進(jìn)行低功耗性能優(yōu)化。本文引入排列編碼機(jī)制、部分映射交叉算子和混合選擇機(jī)制等，改進(jìn)了傳統(tǒng)的遺傳算法，實(shí)驗(yàn)結(jié)果表明：在通信任務(wù)上本文提出的改進(jìn)遺傳算法性能優(yōu)于粒子群算法和灰狼算法。


本文詳細(xì)內(nèi)容請(qǐng)下載：

http://m.ihrv.cn/resource/share/2000006909


作者信息：

潘福躍1，閆俊啟2，鄭利華1，徐孝彬2

（1.中國(guó)電子科技集團(tuán)公司第五十八研究所，江蘇 無(wú)錫 214072；

2.河海大學(xué) 機(jī)電工程學(xué)院，江蘇 常州 213200）


官方訂閱.jpg

此內(nèi)容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權(quán)禁止轉(zhuǎn)載。