CN108173760B - 一种基于改进模拟退火算法的片上网络映射方法 - Google Patents

一种基于改进模拟退火算法的片上网络映射方法 Download PDF

Info

Publication number
CN108173760B
CN108173760B CN201711399103.XA CN201711399103A CN108173760B CN 108173760 B CN108173760 B CN 108173760B CN 201711399103 A CN201711399103 A CN 201711399103A CN 108173760 B CN108173760 B CN 108173760B
Authority
CN
China
Prior art keywords
power consumption
mapping
simulated annealing
network
algorithm
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201711399103.XA
Other languages
English (en)
Other versions
CN108173760A (zh
Inventor
方娟
赵浩炎
宗欢
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing University of Technology
Original Assignee
Beijing University of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing University of Technology filed Critical Beijing University of Technology
Priority to CN201711399103.XA priority Critical patent/CN108173760B/zh
Publication of CN108173760A publication Critical patent/CN108173760A/zh
Application granted granted Critical
Publication of CN108173760B publication Critical patent/CN108173760B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L45/00—Routing or path finding of packets in data switching networks
    • H04L45/12—Shortest path evaluation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L49/00—Packet switching elements
    • H04L49/10—Packet switching elements characterised by the switching fabric construction
    • H04L49/109—Integrated on microchip, e.g. switch-on-chip
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L49/00—Packet switching elements
    • H04L49/25—Routing or path finding in a switch fabric
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W40/00—Communication routing or communication path finding
    • H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
    • H04W40/04—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources
    • H04W40/10—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources based on available power or energy
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Theoretical Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Genetics & Genomics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Physiology (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明公开一种基于改进模拟退火算法的片上网络映射方法，首先通过KL二分算法进行IP核到片上网络节点的映射，并将其作为模拟退火算法的初始化映射，这样就增大了模拟退火算法得到更接近最优解的解决方案的概率，然后在进行模拟退火算法，并且在模拟退火算法的迭代过程中增加记忆功能，将当前最好的状态记忆下来，以避免遗失当前最优解，从而求出全局近似最优解。通过所述映射方法，使系统的功耗得到优化。

Description

一种基于改进模拟退火算法的片上网络映射方法
技术领域
本发明属于片上网络映射技术领域，尤其涉及一种基于改进模拟退火算法的片上网络映射方法。
背景技术
片上网络(NoC,Network on Chip)作为一种新的通信架构，主要用来解决基于共享总线的多核片上系统的并行通信问题。NoC更加适合于片上系统通信，主要包括以下三方面原因：首先NoC可扩展性好，容易添加新的节点，并且提供的带宽可以和网络中节点数量保持线性关系；其次NoC可以有效的复用物理链路；第三是基于模块化NoC设计可以降低后期系统验证的复杂度。因此，片上网络已经成为解决多核片上系统通信问题最具潜力的方案之一。
对于片上网络来说，由于受芯片面积及散热能力的限制，功耗是需要考虑的非常关键的因素之一，执行有效的片上网络映射算法可以显著降低NoC的总体功耗。由于片上节点间的通信距离会很大程度的影响功耗和性能，因此，除了采用低功耗的拓扑结构和路由算法之外，更加需要设计有效的片上网络映射算法，以减少节点间平均距离，从而显著降低NoC的总体功耗。
具体而言，映射过程是指在已知片上网络结构和核通信图基础之上，按某种方式将IP核分配到NoC的资源节点上，以实现特定应用与片上网络结构相互对应。衡量映射方法的优劣是通过建立映射模型，比较目标函数而得出的。以片上网络Mesh结构为例，片上网络映射过程如图1所示。
NoC映射问题的数学描述，首先给出两个定义。
定义一：给定核通信图为一个有向图，如图2所示，记为G(T，C)，其中每个顶点Ti∈T表示一个IP核；每条有向边Ci，j∈C表示从IP核Ti到Tj的通信关系，边权重Vi，j表示从IP核Ti到Tj的通信量。
定义二：给定NoC拓扑结构图为一个有向图，如图3所示，记为T(N，P)，其中每个顶点Ni∈N表示片上网络中的一个网络节点，Pi，j∈P表示从网络节点Ni到Nj所经过的路由路径，Ei，j表示从网络节点Ni到Nj发送1bit数据所消耗的平均能量。基于以上定义，映射优化问题转化为寻找一个映射函数：f＝map(T—>N)，使得系统的性能最优。其中T为IP核集，N为网络节点集。
发明内容
本发明的目的是：针对现有NoC映射方法的不足，提出一种基于改进模拟退火算法的片上网络映射方法，以降低NoC系统的整体功耗。
本发明的技术方案为：一种基于改进模拟退火算法的片上网络映射方法，首先通过KL二分算法进行IP核到片上网络节点的映射，并将其作为模拟退火算法的初始化映射，这样就增大了模拟退火算法得到更接近最优解的解决方案的概率，然后在进行模拟退火算法，并且在模拟退火算法的迭代过程中增加记忆功能，将当前最好的状态记忆下来，以避免遗失当前最优解，从而求出全局近似最优解。
具体构建方法如下：
步骤1，建立功耗优化模型，根据公式①得到单位数据从路由节点i传输到路由节点j所产生的功耗
Figure BDA0001519085070000021
Figure BDA0001519085070000022
其中，ni,j表示单位数据在传输过程中所经过的路由节点的个数，ERbit表示路由节点内部所产生的功耗，ELbit表示单位数据通过网络中通信互联链路所产生的功耗。进而可以根据公式②得出从路由节点i到j之间通信所产生的功耗Ei,j。
Figure BDA0001519085070000023
其中vi,j代表路由节点i与j之间的通信量。
最后，可以根据公式③得出系统的总功耗Etotal。
Figure BDA0001519085070000024
其中，i，j表示路由节点，R表示节点集合。
步骤2，使用KL二分算法进行IP核到片上网络节点的初始化映射，KL二分算法的具体流程为：
1.将任务通信图中的所有子任务看成是一个节点集合；
2.对该集合进行划分操作，划分操作的步骤如下：
1)随机地将集合划分为两个包含相同节点个数的子集合a和b；
2)分别计算子集合a和b的内部通信代价和外部通信代价；
3)交换子集合a和b中的节点，直到找到一种划分，使得内部和外部通信代价之差最大。
3.对生成的新集合迭代地进行划分操作，直到每个划分后的子集合中只有2个子任务。
4.将最终得到的集合组作为片上网络的初始化映射方式。
步骤3，根据步骤1和步骤2所得结果，进行改进模拟退火算法。改进模拟退火算法在NoC映射中的具体流程：
1)按KL算法的结果进行初始化映射，以及对算法参数进行初始化；
2)计算当前映射总功耗值，并将其记录下来，作为当前最优解；
3)对映射结构进行随机扰动；
4)计算新映射总功耗值；
5)计算新老功耗的差值，若新功耗优于旧功耗，则用新功耗代替旧功耗，否则以一定的概率接受新映射结果。并且比较当前最优解和新映射总功耗值，若新功耗值优于当前最优解，则将当前最优解更新为新功耗值。
6)按照初始化时的迭代次数重复进行3)到5)步，直到达到迭代次数，再执行7)。
7)温度下降，判断温度是否达到停止温度，若没有则重新跳至步骤3)，否则停止迭代，记录最终得到的功耗值。
8)模拟退火算法结束后，将最终得到的功耗值与当前最优解进行比较，若当前最优解的值优于最终得到的功耗值，则将当前最优解作为全局近似最优解。最终，得到系统的近似最优功耗值。
本发明以标准模拟退火算法为基础，同时引入KL二分算法，首先通过KL二分算法进行IP核到片上网络节点的映射，并将其作为模拟退火算法的初始化映射，这样就增大了模拟退火算法得到更接近最优解的解决方案的概率，然后在进行模拟退火算法，并且在模拟退火算法的迭代过程中增加记忆功能，将当前最好的状态记忆下来，以避免遗失当前最优解，从而求出全局近似最优解。通过所述映射方法，使系统的功耗得到优化。
附图说明
图1为片上网络Mesh结构映射过程。
图2为核通信图。
图3为片上网络mesh结构图。
图4为改进模拟退火算法流程图。
图5为算法参数初始值。
具体实施方式
基于改进模拟退火算法的映射方法主要是为了解决传统模拟退火算法的初始化映射问题，通过引入KL二分算法得到模拟退火算法的初始化映射，这样就增大了模拟退火算法得到更接近最优解的解决方案的概率，并且在模拟退火算法的迭代过程中增加记忆功能，将当前最好的状态记忆下来，以避免遗失当前最优解，从而求出全局近似最优解。本发明的流程如图4所示。
具体实施步骤为：
步骤1，建立功耗优化模型，根据公式①得到单位数据从路由节点i传输到路由节点j所产生的功耗
Figure BDA0001519085070000041
Figure BDA0001519085070000042
其中，ni,j表示单位数据在传输过程中所经过的路由节点的个数，ERbit表示路由节点内部所产生的功耗，ELbit表示单位数据通过网络中通信互联链路所产生的功耗。进而我们可以根据公式②得出从路由节点i到j之间通信所产生的功耗Ei,j。
Figure BDA0001519085070000051
其中vi,j代表路由节点i与j之间的通信量。
最后，可以根据公式③得出系统的总功耗Etotal。
Figure BDA0001519085070000052
其中，i，j表示路由节点，R表示节点集合。
步骤2，使用KL二分算法进行IP核到片上网络节点的初始化映射，KL二分算法的具体流程为：
1.将任务通信图中的所有子任务看成是一个节点集合，记做集合V；
2.对该集合进行划分操作，划分操作的步骤如下：
1)随机地将集合划分为两个包含相同节点个数的子集合A和B；
2)分别计算子集合A和B的内部通信代价和外部通信代价；
计算公式为：
Figure BDA0001519085070000053
Figure BDA0001519085070000054
Figure BDA0001519085070000055
Figure BDA0001519085070000056
其中，Ia，Ib表示集合A，B的内部通信代价，Ea，Eb表示集合A，B的外部通信代价。vi，vj表示子任务节点，w(vi，vj)表示节点vi到vj的通信代价。
3)交换子集合A和B中的节点，直到找到一种划分，使得内部和外部通信代价之差最大。
通信代价之差D由公式④计算。
D＝Ia+Ib-(Ea+Eb) ④
3.对生成的新集合迭代地进行划分操作，直到每个划分后的子集合中只有2个子任务。最终得到一组集合，其中每个集合有2个子任务。
4.将最终得到的集合组作为片上网络的初始化映射方式。
步骤3，根据步骤1和步骤2所得结果，进行改进模拟退火算法。改进模拟退火算法在NoC映射中的具体流程为：
1)按KL算法的结果进行初始化映射，以及对算法参数进行初始化，参数的初始值如图5所示；
2)计算原映射总功耗值Etotal_old，将当前最优解Ecurrent初始化为Etotal_old；
3)当温度低于设定值(初始化起始温度为1000，温度最低设定值为0.001)，停止迭代，否则进入下一步；
4)进行多次随机扰动(将目前现有的映射结构做随机改动)，设定扰动次数为100，扰动方式为将两个不同位置的IP核映射相互调换；
5)计算新映射总功耗值Etotal_new；
6)如果新功耗好于旧功耗Etotal_new<Etotal_old,用新功耗替代旧功耗，Etotal_old＝Etotal_new；如果新功耗优于当前最优解Etotal_new<Ecurrent，更新当前最优解为新功耗Ecurrent＝Etotal_new；
7)如果不满足6)所述，则以概率选择是否接受新解，可能得到较差解，接受概率计算公式为：P＝exp(-ΔE/T)；ΔE新旧功耗差值，T为模拟退火的初始温度；
8)模拟退火算法内部迭代次数达到设定值100，结束内部迭代；
9)温度下降(下降比例为99％)，然后执行3)，进入下一次迭代；
10)所有迭代结束后，得到最终功耗值Efinal，并与Ecurrent进行比较，若Ecurrent优于Efinal值，则将Ecurrent作为全局近似最优解，最终，得到系统的近似最优功耗值。

Claims (3)

1.一种基于改进模拟退火算法的片上网络映射方法，其特征在于，包括以下步骤：
步骤1，建立功耗优化模型，根据公式①得到单位数据从路由节点i传输到路由节点j所产生的功耗
Figure FDA0002635122270000011
Figure FDA0002635122270000012
其中，ni,j表示单位数据在传输过程中所经过的路由节点的个数，ERbit表示路由节点内部所产生的功耗，ELbit表示单位数据通过网络中通信互联链路所产生的功耗，进而可以根据公式②得出从路由节点i到j之间通信所产生的功耗Ei,j，
Figure FDA0002635122270000013
其中，vi,j代表路由节点i与j之间的通信量，
最后，可以根据公式③得出系统的总功耗Etotal，
Figure FDA0002635122270000014
其中，i，j表示路由节点，R表示节点集合；
步骤2，使用KL二分算法进行IP核到片上网络节点的初始化映射，KL二分算法的具体流程为：
1.将任务通信图中的所有子任务看成是一个节点集合；
2.对该集合进行划分操作，划分操作的步骤如下：
1)随机地将集合划分为两个包含相同节点个数的子集合A和B；
2)分别计算子集合A和B的内部通信代价和外部通信代价；
3)交换子集合A和B中的节点，直到找到一种划分，使得内部和外部通信代价之差最大；
3.对生成的新集合迭代地进行划分操作，直到每个划分后的子集合中只有2个子任务；
4.将最终得到的集合组作为片上网络的初始化映射方式；
步骤3，根据步骤1和步骤2所得结果，进行改进模拟退火算法，改进模拟退火算法在NoC映射中的具体流程：
1)按KL算法的结果进行初始化映射，以及对算法参数进行初始化；
2)计算当前映射总功耗值，并将其记录下来，作为当前最优解；
3)对映射结构进行随机扰动；
4)计算新映射总功耗值；
5)计算新老功耗的差值，若新功耗优于旧功耗，则用新功耗代替旧功耗，否则以一定的概率接受新映射结果；并且比较当前最优解和新映射总功耗值，若新功耗值优于当前最优解，则将当前最优解更新为新功耗值；
6)按照初始化时的迭代次数重复进行3)到5)步，直到达到迭代次数，再执行7)；
7)温度下降，判断温度是否达到停止温度，若没有则重新跳至步骤3)，否则停止迭代，记录最终得到的功耗值；
8)模拟退火算法结束后，将最终得到的功耗值与当前最优解进行比较，若当前最优解的值优于最终得到的功耗值，则将当前最优解作为全局近似最优解，最终，得到系统的近似最优功耗值。
2.如权利要求1所述的基于改进模拟退火算法的片上网络映射方法，其特征在于，步骤2中分别计算子集合A和B的内部通信代价和外部通信代价如下；
计算公式为：
Figure FDA0002635122270000021
Figure FDA0002635122270000022
Figure FDA0002635122270000023
Figure FDA0002635122270000024
其中，Ia，Ib表示子集合A，B的内部通信代价，Ea，Eb表示子集合A，B的外部通信代价，vi，vj表示子任务节点，w(vi，vj)表示节点vi到vj的通信代价。
3.如权利要求2所述的基于改进模拟退火算法的片上网络映射方法，其特征在于，步骤2中)交换子集合A和B中的节点，直到找到一种划分，使得内部和外部通信代价之差最大，其通信代价之差D由公式④计算，
D＝Ia+Ib-(Ea+Eb) ④。
CN201711399103.XA 2017-12-22 2017-12-22 一种基于改进模拟退火算法的片上网络映射方法 Active CN108173760B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711399103.XA CN108173760B (zh) 2017-12-22 2017-12-22 一种基于改进模拟退火算法的片上网络映射方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711399103.XA CN108173760B (zh) 2017-12-22 2017-12-22 一种基于改进模拟退火算法的片上网络映射方法

Publications (2)

Publication Number Publication Date
CN108173760A CN108173760A (zh) 2018-06-15
CN108173760B true CN108173760B (zh) 2020-11-20

Family

ID=62523434

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711399103.XA Active CN108173760B (zh) 2017-12-22 2017-12-22 一种基于改进模拟退火算法的片上网络映射方法

Country Status (1)

Country Link
CN (1) CN108173760B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113986812B (zh) * 2021-09-07 2024-07-12 西安电子科技大学 基于chnn的光片上网络映射方法及装置
CN115277044B (zh) * 2022-05-17 2023-06-09 南京赛宁信息技术有限公司 OpenStack加密链路节点分层方法与系统
CN115277563B (zh) * 2022-06-07 2024-03-19 南京大学 一种基于离线强化学习的片上网络近似控制系统
CN116631598B (zh) * 2023-07-24 2023-12-08 云天智能信息(深圳)有限公司 一种医疗可穿戴设备智能控制方法、系统及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101834780A (zh) * 2010-01-28 2010-09-15 武汉理工大学 片上网络的拓扑结构和映射优化方法
CN102136104A (zh) * 2011-03-22 2011-07-27 西安电子科技大学 基于负载均衡和lk算法的车辆路径规划方法
CN105308867A (zh) * 2013-06-19 2016-02-03 三菱电机株式会社 用于对数据进行调制以进行光通信的方法和系统
CN105488581A (zh) * 2015-11-13 2016-04-13 清华大学 一种基于模拟退火算法的交通需求量估计方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090288057A1 (en) * 2008-05-15 2009-11-19 Texas Instruments Incorporated System and Method for Ordering the Selection of Integrated Circuit Chips
US10846611B2 (en) * 2014-06-16 2020-11-24 Nokia Technologies Oy Data processing

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101834780A (zh) * 2010-01-28 2010-09-15 武汉理工大学 片上网络的拓扑结构和映射优化方法
CN102136104A (zh) * 2011-03-22 2011-07-27 西安电子科技大学 基于负载均衡和lk算法的车辆路径规划方法
CN105308867A (zh) * 2013-06-19 2016-02-03 三菱电机株式会社 用于对数据进行调制以进行光通信的方法和系统
CN105488581A (zh) * 2015-11-13 2016-04-13 清华大学 一种基于模拟退火算法的交通需求量估计方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Cluster-based Simulated Annealing for Mapping Cores onto 2D Mesh Networks on Chip;Zhonghai Lu et al.;《IEEE：DDECS》;20080606;全文 *
KL_GA_ an application mapping algorithm for mesh-of-tree (MoT) architecture in network-on-chip design;Juan Fang et al.;《J supercomput》;20150821;全文 *
Network-on-Chip Design for Heterogeneous Multiprocessor System-on-Chip;Bharath Phanibhushana et al.;《IEEE：ISVLSI》;20140922;全文 *

Also Published As

Publication number Publication date
CN108173760A (zh) 2018-06-15

Similar Documents

Publication Publication Date Title
CN108173760B (zh) 一种基于改进模拟退火算法的片上网络映射方法
CN112104558B (zh) 区块链分发网络的实现方法、系统、终端及介质
Rabiaa et al. Improvements in LEACH based on K-means and Gauss algorithms
CN111953547B (zh) 一种基于业务的异构基站重叠分组及资源配置方法及装置
CN113285831A (zh) 网络行为知识智能学习方法、装置、计算机设备及存储介质
CN115358487A (zh) 面向电力数据共享的联邦学习聚合优化系统及方法
CN108153592B (zh) 一种基于改进遗传算法的NoC映射方法
CN109587080A (zh) 一种基于拓扑划分的片上网络快速映射算法
KR101565694B1 (ko) 무선 센서 네트워크에서 인공벌군집 클러스터링 설계 방법 및 시스템
CN103108397A (zh) 基于粒子群的无线Mesh网快速信道分配方法
CN102427420A (zh) 基于图模式匹配的虚拟网络映射方法及装置
Pande et al. Sustainability through massively integrated computing: Are we ready to break the energy efficiency wall for single-chip platforms?
US9876708B2 (en) Network-on-chip computing systems with wireless interconnects
CN114783215B (zh) 无人机分簇方法、装置和电子设备
CN109388733B (zh) 一种面向图数据处理引擎的优化方法
Oliveira et al. Mapping wired links in a hybrid wired-wireless network-on-chip
CN107205152B (zh) 基于片上网络通信量的h.265编码器建模方法
Wang et al. Power-aware mapping for network-on-chip architectures under bandwidth and latency constraints
CN107612767B (zh) 一种基于正弦余弦算法的NoC测试规划方法
Chen et al. Energy and Time-Aware Inference Offloading for DNN-based Applications in LEO Satellites
Qian et al. Dram: Dragonfly routing algorithm on multi-objects by optimal thresholds
CN104408017A (zh) 应用于网格架构片上网络系统的任务映射算法及开发方法
CN111695316B (zh) 一种基于改进混合算法的片上网络测试规划方法
CN110933728A (zh) 虚拟化无线传感网络的映射方法、装置、存储介质
Deng et al. Artificial bee colony based mapping for application specific network-on-chip design

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant