片上网络IP核的映射及优化方法研究

IP core mapping is the key step of the Network-on-chip (NoC) design, which can greatly impact the cost, performance and power consumption of IC. The core of the NoC IP core mapping problem is to establish and optimize the mapping algorithm. In this proposal, based on the IC needed to be designed, the topology and related mathematical models of the NoC are going to be investigated, the mathematical expressions of the mapping algorithms, the restrictive conditions and the object functions to judge the mapping result are going to be established. Based on these works, the method for finding the optimized mapping algorithm of a certain NoC can be found, the judging and analyzing system of the mapping effects can be obtained, the related NoC will also be researched and developed.

IP核映射是片上网络(NoC)设计过程中的关键环节，其结果对芯片的成本、性能、功耗等关键技术指标均有重大影响。片上网络IP映射问题的核心问题是映射算法的研究与优化。本项目拟结合特定的芯片设计，对NoC的拓扑结构进行研究及数学建模，对映射算法、映射约束条件以及衡量映射结果好坏的目标函数进行数学描述，解决如何针对特定的芯片设计需求，确定NoC架构以及得到其最优化映射算法的问题，建立对映射结果的评价与分析的系统，并在此基础上进行相关的NoC研发设计工作。

IP核映射问题是片上网络设计中的关键步骤。IP核映射问题本质是一个NP难问题。因为IP核映射优化结果直接影响着NoC网络的性能，因此本项目课题组对IP核映射问题的建模方法和求解方法展开了研究。首先，本项目课题组利用基于神经网络的概率模型（MPN网络和MAN网络）来建模IP核映射问题，并利用强化学习来训练模型参数使得该模型能够容易扩展到建模不同NoC拓扑结构和优化目标的IP核映射问题。训练后的概率模型能够估计最优解在概率分布。第二，本项目课题组提出了一系列的映射算法。提出了神经映射算法，通过采样MPN神经网络实现全局搜索，再通过2-opt算法实现局部搜索。与经典IP核映射算法NMAP算法相比平均减少7.90%通信代价。此外，本项目课题组提出了一个IP映射框架，该框架通过采样概率模型来生成初始种群，再利用启发式算法搜索近似最优解，并提出了MPN-GA算法和MPN-PSMAP算法来作为映射框架的具体应用实例。仿真结果表明，MPN-GA算法相比遗传算法平均减少了9.32%的通信代价。MPN-PSMAP算法相比PSMAP算法平均减少了8.37%的通信代价。第三，本项目课题组还提出了基于可学习模型的遗传算法。该方法引入了可学习模型和新的混合模型和遗传算法的策略。相比遗传算法，基于可学习模型的遗传算法在通信功耗和平均通信时延上分别平均节省了13.23%和12.45%。总之，本项目课题组对IP核映射问题开了较为深入的研究，提出了有效的建模和求解IP核映射问题的方法，相关研究工作，对于提升芯片整体性能具有积极的作用。