CN106503333B - 一种三维片上网络测试规划方法 - Google Patents

Abstract

本发明公开一种三维片上网络测试规划方法，结合3D NoC测试的特点建立一种时间Petri网模型，将变迁激发序列作为并行测试任务规划方案，通过改进的两级递阶蝙蝠算法，在测试路径分配基础上进行顺序调度优化，将测试资源合理有效的分配给各IP核。本发明采用的模型直观的描述了3D NoC测试规划问题，可以有效降低3D NoC测试时间、提高测试效率、保证测试有效性。本发明的测试规划算法在解的质量、收敛速度方面具有一定的优势，能有效提高并行测试的效率，降低测试时间。

Description

一种三维片上网络测试规划方法

技术领域

本发明涉及三维片上网络(three Dimensional Network-on-Chip，3D NoC)技术领域，具体涉及一种三维片上网络测试规划方法。

背景技术

随着集成电路规模的大幅度扩展，传统的片上网络受到了平面结构布局条件的限制，互连线较长，导致数据传输的时延和功耗都会随之增加。3D IC技术的出现打破了平面结构的局限性，该技术通过硅通孔将二维NoC进行层间堆叠，增加了垂直方向的扩展。融合了3D IC和NoC技术的3D NoC吸引了研究人员的关注。3D NoC的优势主要表现在：1、垂直方向的互连线缩短了全局互联线的长度，具有更低的传输功耗和时延，进一步提升了系统性能。2、多层硅晶片在同一平面上堆叠，增加了芯片封装密度，有利于控制芯片面积。3、三维多层堆叠拓扑结构更易实现多种网络拓扑结构的混合。

芯片的设计与测试相辅相成，3D NoC中内嵌的资源内IP核数量较多，其高集成度和高复杂度给芯片的测试带来了严峻的挑战。因此，如何对3D NoC进行高效经济的测试是目前亟待解决的问题。目前对于测试规划的研究主要针对特定结构的NoC，测试模型的适用范围受到限制；另一方面，测试规划算法优化效果还需要进一步提高。因此，合理的构建测试模型以及选取适当的优化算法是测试规划的两个关键点。

发明内容

本发明所要解决的技术问题是现有的测试规划研究中模型的适用范围受到限制，测试规划算法优化效果不足的问题，提供一种三维片上网络测试规划方法。

为解决上述问题，本发明是通过以下技术方案实现的：

一种三维片上网络测试规划方法，包括如下步骤：

步骤1、建立TTPN模型，并根据测试要求确定TTPN模型的参数；

步骤2、随机生成当前代的测试路径分配种群和对应的测试顺序调度种群；其中测试路径分配种群表示IP核的测试数据包被分配到TAM的编号，测试顺序调度种群表示每条TAM上分配的IP核的测试顺序；

步骤3、将当前代的测试路径分配种群和对应的测试顺序调度种群转换成当前代的变迁激发序列；

步骤4、判断当前代的变迁激发序列是否可触发；若该变迁激发序列的所有变迁均可触发，则继续执行步骤5；若该变迁激发序列中的任意一个变迁不可触发，则返回步骤2；

步骤5、以测试时间作为测试规划的目标函数，根据变迁激发序列与适应度值函数的映射关系，计算当前代的种群适应度值；

步骤6、利用蝙蝠算法更新规则，分别对当前代的测试路径分配种群和对应的测试顺序调度种群进行两级递阶寻优更新；

步骤7、将更新后的最优测试路径分配种群和对应的测试顺序调度种群转换成更新后的变迁激发序列；

步骤8、判断更新后的变迁激发序列是否可触发；若该变迁激发序列的所有变迁均可触发，则继续执行步骤9；若该变迁激发序列中的任意一个变迁不可触发，则返回步骤6；

步骤9、以测试时间作为测试规划的目标函数，根据变迁激发序列与适应度值函数的映射关系，计算更新后的种群适应度值；

步骤10、判断更新后的种群是否可接受；对每一只蝙蝠产生一个随机数，若该随机数小于当前代蝙蝠种群的平均音量，且更新后的种群适应度值小于当前代的种群适应度值，则更新当前代的种群适应度值所对应的变迁激发序列、以及更新当前代的测试路径分配种群和对应的测试顺序调度种群；否则，当前代的种群适应度值所对应的变迁激发序列、以及当前代的测试路径分配种群和对应的测试顺序调度种群保持不变；

步骤11、判断更新代数是否达到设定代数阈值；若达到设定代数阈值，则将当前代的种群适应度值所对应的变迁激发序列解码后作为最优测试规划方案输出；若没有达到设定阈值，则返回步骤6。

上述方案中，步骤2中，测试路径分配种群和测试顺序调度种群由随机生成的n维蝙蝠位置种群拆分而成；蝙蝠位置种群的整数部分作为测试路径分配种群，蝙蝠位置种群的小数部分作为测试顺序调度种群；上述n为待测IP核个数。

上述方案中，步骤2中，测试顺序调度种群的初始化采用随机键升序排列规则。

上述方案中，步骤4和8中，判断变迁激发序列是否可触发的条件是：

pre(t_b,j)≤M

式中，t_b,j表示第j个IP核在第b条TAM上测试，M表示当前代标识，1≤b≤B，1≤j≤n，n为待测IP核个数，B为TAM条数；

若条件满足，则变迁t_b,j是可触发的；否则，变迁t_b,j是不可触发的。

上述方案中，步骤5和9中，变迁激发序列与适应度值函数的映射关系为：

式中，SI_b,j为IP核j分配到第b条TAM上所需的测试时间，W_b,j表示在当前测试节点处，分配到第b条TAM上的IP核j由于不满足条件(如功耗限制或路径冲突)所需的空闲等待时间，t_b,j表示第j个IP核在第b条TAM上测试，n为待测IP核个数，B为TAM条数。

上述方案中，，步骤6中，对测试路径分配种群和测试顺序调度种群进行更新的过程为：

步骤6.1、由测试路径分配种群确定测试路径分配方案，基于该测试路径分配方案，对测试顺序调度种群进行迭代更新，寻找最优测试顺序调度种群；

步骤6.2、最优测试顺序调度种群确定后，相应地测试路径分配种群接收各个测试顺序调度种群的最优解。

与现有技术相比，本发明具有如下特点：

1、利用时间Petri网建模的方法，将3D NoC的测试规划问题转化为求解相应时间Petri网的最优变迁激发序列。TTPN模型不仅能够清晰地反应测试过程中待测IP核的多条测试路径及其资源约束，而且可以对测试过程进行时间控制和性能分析，以实现静态建模与动态优化的统一；

2、根据测试中的资源需求建模，可以用于预防和排除系统死锁等不期望发生的行为，并且不受3D NoC拓扑结构的IP核分配、互连方式等的限制，因此具有很高的通用性，能够推广应用到不同拓扑结构的3D NoC；

3、采用两级递阶蝙蝠算法，可以增加种群的多样性，保证搜索方向，扩大搜索范围，从而快捷、高效的搜索到测试总时间最小的变迁序列；

4、具有测试结构简单、资源利用率高、测试时间短和功耗低的特点。

附图说明

图1为一种三维片上网络的拓扑结构示意图。

图2为TTPN子模型示意图。

图3为图2中变迁的含义。

图4为图2中各库所的含义。

图5为一种三维片上网络测试规划方法的流程图。

图6为调度Gantt图。

具体实施方式

下面结合附图和实施例对本发明进行阐述，但不是对本发明内容的限定。

本发明优选实施例所涉及的3D NoC为3D Mesh拓扑结构，如图1所示，采用多个平面结构的二维芯片通过硅通孔技术进行垂直互连而成，即主要由IP核、路由节点、网络接口以及通信链路组成。其中通信链路包括XY方向的互连线和Z方向的TSV(硅通孔)。3D NoC中的路由器采用基于虚通道技术的虫洞数据交换机制，路由算法采用XYZ路由算法，各路由器通过资源网络接口连接资源节点。由于3D NoC支持高效率、可重用的设计，采用分布式技术，为数据包并行传输提供了有利条件。因此采用重用片上网络的路由节点和通信链路等资源作为IP核的测试访问机制(Test Access Mechanism，TAM)，数据包传输采用确定性维序XYZ路由算法，其路由路径只与源节点和目的节点有关。在给定源节点与目的节点的前提下，数据包从源节点开始，依次沿X、Y、Z坐标方向选择下一跳节点，直至到达目的节点。

3D NoC测试过程中，多个测试数据包并行传输，并发的申请路由节点和通信链路等资源，需要考虑多任务并行引起的路径冲突和IP核测试数据最优调度等问题。IP核测试调度的顺序不同，使得测试资源的利用率有所差异，系统测试完成的时间也不同。由于3DNoC测试规划的首要目的是优化测试时间，因此本发明采用时间变迁Petri网(timedtransition Petri net，TTPN)建模，Petri网在处理复杂离散事件动态系统时具有图形表示和数学描述的双重功能，可以直观、实时的描述系统并发、顺序等现象，已被成功地应用于制造系统、自动测试系统等领域。在此基础上，将测试规划问题分为两级：首先，确定测试路径，即为每个待测IP核分配TAM。然后，在给定测试路径的前提下，调度分配在同一条TAM上的各IP核的测试顺序。测试过程中，采用基于IP核的优先权调度方式，即一旦某个IP核被调度时，将独占TAM(包括输入/输出端口和通信链路)直至该IP核测试完毕，其他待测IP核不得抢占该IP核所占用的资源。图1给出了3个IP核在XYZ路由方式下，同时进行并行测试的传输路径。

蝙蝠算法得益于其精准的回声定位功能，具有较快的收敛速度和较高的寻优精度。蝙蝠算法多用于求解连续空间域优化问题，考虑到在算法离散化的过程中实数编码带来的信息丢失问题，本发明结合NoC测试的特点，构造出两级递阶蝙蝠算法(Two-levelHierarchic Bat Algorithm，THBA)，采用拆分的思想设计一种拆分编码，将一个完整的蝙蝠位置种群按整数部分和小数部分拆分为两个子种群，分别用于求解分配方案和调度测试顺序。由于调度子种群的位置矢量无法表示IP核的测试顺序，顺序调度方案采用随机键升序排列(Ranken order Value，ROV)编码操作，将其转换成测试顺序，从而使调度问题的计算可行。

一种三维片上网络测试规划方法，如图5所示，针对3D NoC测试的TTPN模型，利用蝙蝠算法求解最优变迁激发序列，主要步骤如下：

1、建立TTPN模型：

当某个IP核被分配给一条TAM进行测试，该IP核的测试路径便确定下来。根据不同的路径所需要的测试资源，为3D NoC建立时间Petri网模型。为了直观的说明，以10个待测IP核、3条TAM为例，针对IP核4建立了子模型。建模在Visual Object Net++平台上完成，IP核4的TTPN子模型如图2所示，图3和图4分别描述了图2所示模型中变迁和各库所的含义。

根据测试要求确定模型的前向关联矩阵Pre、后向关联矩阵Post、初始标识M₀、终止标识M_f以及变迁时延集SI。

2、两级递阶蝙蝠算法对TTPN变迁序列的求解：

1)种群初始化：

假设3D NoC有n个待测IP核，B条TAM。第k代蝙蝠位置种群为：其中n为搜索空间维度即待测IP核个数。根据公式对蝙蝠位置种群离散化，和分别为用于路径分配和顺序调度的蝙蝠位置种群，其中为向下取整。

①IP核测试路径分配编码用于表示IP核的测试数据包被分配到TAM的编号。用位置分量的整数部分表示TAM分配的编码。

分配编码：

②IP核测试顺序调度编码用于表示每条TAM上分配的IP核的测试顺序。采用ROV规则，将位置分量的小数部分按大小顺序编码。由小到大依次赋予ROV值1到n，将转换成IP核测试顺序。

式中，S_bj表示该标号的IP核在TAMb上是第j个测试。0≤S_bj≤n，1≤b≤B，1≤j≤m，由分配方案的规则可知，m＝n-B+1，即每条TAM上分配的IP核的个数需满足在[1,m]区间内，矩阵中为0的元素表示该IP核不存在。由于顺序调度是在路径分配的基础上进行的，矩阵S中每行分布的IP核标号应与D给出的分配方案相统一。

2)生成变迁激发序列：

针对3D NoC测试的TTPN模型，将IP核的测试路径分配种群和对应的顺序调度种群转换成Petri网变迁激发序列编码：σ＝t_1,1t_2,2…t_B,n。其中，变迁t_b,j∈T表示第j个IP核在第b条TAM上测试，1≤b≤B，1≤j≤n。变迁激发序列σ中，包含每个IP核唯一的测试变迁，且每个变迁都只能引发一次。

3)判定可触发的变迁向量：

若变迁t_b,j满足式pre(t_b,j)≤M，则变迁t_b,j在当前代标识M下是使能的。当变迁t_b,j触发后，更新当前代标识M，即根据转移更新方程M＝M-pre(t_b,j)+post(t_b,j)计算出系统当前代标识M，当M＝M_f时，Petri网运行终止。

4)适应度值计算：

测试规划以测试时间作为目标函数，即求解所有TAM最大完成测试时间的最小值。根据下式计算所有变迁序列完成一次所需要的时间即种群适应度值：

式中，SI_b,j为IP核j分配到第b条TAM上所需的测试时间，W_b,j表示在当前测试节点处，分配到第b条TAM上的IP核j由于不满足条件(如功耗限制或路径冲突)所需的空闲等待时间，t_b,j表示第j个IP核在第b条TAM上测试，n为待测IP核个数，B为TAM条数。

5)种群更新：

①利用蝙蝠算法更新规则，分别对分配种群和顺序种群进行更新。

在THBA中，对所有IP核的路径分配和测试顺序进行两级递阶寻优，故更新过程分为两步。

第一步：由种群确定路径分配方案，基于该方案对第二级种群迭代更新寻找最优测试顺序，每只蝙蝠都在n维空间中以速度v_i，位置x_i和频率f_i随机飞行，在第k代，速度和位置按如下公式更新：

f_i＝f_min+(f_max-f_min)β

第二步：最优顺序种群确定后，相应的测试路径分配种群接收各顺序种群搜索到的最优解，并对蝙蝠位置进行下一代寻优。

搜索过程中为了避免蝙蝠飞离搜索空间，将所有蝙蝠的位置变化限定在[X_min,X_max]内，同时速度变化也限定在[-v_max,v_max]内。路径分配种群D的蝙蝠位置应满足：基于路径分配的顺序种群S中每行的非零蝙蝠个体数目以及蝙蝠个体所代表的IP核标号是确定的，且蝙蝠位置需满足：

②基于评估的位置更新。

搜索过程中，随着蝙蝠向最优解靠近，音量逐渐降低，脉冲发生率逐渐提高。蝙蝠的音量A_i和脉冲发生率r_i都被用于局部搜索，脉冲发生率r_i ^k用于控制全局搜索和局部搜索的切换。根据经验值，初始化音量为A_i ⁰∈[1，2]中的任意值，脉冲发生率为r_i ⁰∈[0,1]中的任意值。在选定一个当前代种群最优解x^*后，对每一只蝙蝠产生一个随机数rand1，若满足rand1<r_i ^k，蝙蝠种群接受按照①所述更新规则进行全局搜索的解；若rand1>r_i ^k，则该蝙蝠在最优解附近按照式x_new＝x*+εA^k局部游走产生新解，式中，ε∈[-1,1]是一个随机数，A^k是当前代蝙蝠种群的平均音量。改进新解后，蝙蝠的音量和脉冲发生率都将更新，更新公式为：

式中，α和γ均为常量，由更新公式可知，当k→∞时，说明蝙蝠会一直向着最优解飞进。

6)判定是否接受更新的解。

由蝙蝠种群的音量和其适应度值共同决定是否接受新解。对每一只蝙蝠产生一个随机数rand2，若满足且新解的适应度值优于旧解的适应度值，则更新最优解、蝙蝠种群及相应参数。否则，最优解和蝙蝠种群不变。

7)终止条件判断：

判断迭代次数是否达到分配种群的设定值，若满足则输出最优测试规划方案，否则转5)。

以ITC'02基准电路中较有代表性的d695电路为例，基于Petri网的THBA搜索到的最优解为28158个时钟周期，与一般的测试规划方案相比，本例的测试时间较短，能减少约15％的测试时间。图6为该方案的调度Gantt图，阴影部分为IP核在测试时由于路径冲突或不满足功耗约束条件的等待时间。

本发明公开了一种基于时间Petri网和两级递阶蝙蝠算法的3D NoC测试规划方法。结合3D NoC测试的特点建立一种时间Petri网模型，将变迁激发序列作为并行测试任务规划方案，通过改进的两级递阶蝙蝠算法，在测试路径分配基础上进行顺序调度优化，将测试资源合理有效的分配给各IP核。本发明采用的模型直观的描述了3D NoC测试规划问题，可以有效降低3D NoC测试时间、提高测试效率、保证测试有效性。本发明的测试规划算法在解的质量、收敛速度方面具有一定的优势，能有效提高并行测试的效率，降低测试时间。本发明的测试规划方法提供了一种通用性模型，能够推广应用到不同拓扑结构的3D NoC。

上述实施例，仅为对本发明的目的、技术方案和有益效果进一步详细说明的具体个例，本发明并非限定于此。凡在本发明的公开的范围之内所做的任何修改、等同替换、改进等，均包含在本发明的保护范围之内。

Claims (3)

1.一种三维片上网络测试规划方法，其特征是，包括如下步骤：

步骤1、建立TTPN模型，并根据测试要求确定TTPN模型的参数；

步骤2、随机生成当前代的测试路径分配种群和对应的测试顺序调度种群；其中测试路径分配种群表示IP核的测试数据包被分配到TAM的编号，测试顺序调度种群表示每条TAM上分配的IP核的测试顺序；

测试路径分配种群和测试顺序调度种群由随机生成的n维蝙蝠位置种群拆分而成；蝙蝠位置种群的整数部分作为测试路径分配种群，蝙蝠位置种群的小数部分作为测试顺序调度种群；上述n为待测IP核个数；

①IP核测试路径分配编码用于表示IP核的测试数据包被分配到TAM的编号；用位置分量的整数部分表示TAM分配的编码；

②IP核测试顺序调度编码用于表示每条TAM上分配的IP核的测试顺序；采用ROV规则，将位置分量的小数部分按大小顺序编码；

步骤3、将当前代的测试路径分配种群和对应的测试顺序调度种群转换成当前代的变迁激发序列；

步骤4、判断当前代的变迁激发序列是否可触发；若该变迁激发序列的所有变迁均可触发，则继续执行步骤5；若该变迁激发序列中的任意一个变迁不可触发，则返回步骤2；

步骤5、以测试时间作为测试规划的目标函数，根据变迁激发序列与适应度值函数的映射关系，计算当前代的种群适应度值；

变迁激发序列与适应度值函数的映射关系为：

式中，SI_b,j为IP核j分配到第b条TAM上所需的测试时间，W_b,j表示在当前测试节点处分配到第b条TAM上的IP核j由于不满足预定条件所需的空闲等待时间，t_b,j表示第j个IP核在第b条TAM上测试，n为待测IP核个数，B为TAM条数；

步骤6、利用蝙蝠算法更新规则，分别对当前代的测试路径分配种群和对应的测试顺序调度种群进行两级递阶寻优更新；

步骤6.1、由测试路径分配种群确定测试路径分配方案，基于该测试路径分配方案，对测试顺序调度种群进行迭代更新，寻找最优测试顺序调度种群；

步骤6.2、最优测试顺序调度种群确定后，相应地测试路径分配种群接收各个测试顺序调度种群的最优解；

步骤7、将更新后的最优测试路径分配种群和对应的测试顺序调度种群转换成更新后的变迁激发序列；

步骤8、判断更新后的变迁激发序列是否可触发；若该变迁激发序列的所有变迁均可触发，则继续执行步骤9；若该变迁激发序列中的任意一个变迁不可触发，则返回步骤6；

步骤9、以测试时间作为测试规划的目标函数，根据变迁激发序列与适应度值函数的映射关系，计算更新后的种群适应度值；

步骤10、判断更新后的种群是否可接受；对每一只蝙蝠产生一个随机数，若该随机数小于当前代蝙蝠种群的平均音量，且更新后的种群适应度值小于当前代的种群适应度值，则更新当前代的种群适应度值所对应的变迁激发序列、以及更新当前代的测试路径分配种群和对应的测试顺序调度种群；否则，当前代的种群适应度值所对应的变迁激发序列、以及当前代的测试路径分配种群和对应的测试顺序调度种群保持不变；

步骤11、判断更新代数是否达到设定代数阈值；若达到设定代数阈值，则将当前代的种群适应度值所对应的变迁激发序列解码后作为最优测试规划方案输出；若没有达到设定阈值，则返回步骤6。

2.根据权利要求1所述的一种三维片上网络测试规划方法，其特征是，步骤2中，测试顺序调度种群的初始化采用随机键升序排列规则。

3.根据权利要求1所述的一种三维片上网络测试规划方法，其特征是，步骤4和8中，判断变迁激发序列是否可触发的条件是：

pre(t_b,j)≤M

式中，t_b,j表示第j个IP核在第b条TAM上测试，M表示当前代标识，1≤b≤B，1≤j≤n，n为待测IP核个数，B为TAM条数；

若条件满足，则变迁t_b,j是可触发的；否则，变迁t_b,j是不可触发的。