JP2526397B2 - 組合せ最適化装置 - Google Patents
組合せ最適化装置Info
- Publication number
- JP2526397B2 JP2526397B2 JP5114189A JP11418993A JP2526397B2 JP 2526397 B2 JP2526397 B2 JP 2526397B2 JP 5114189 A JP5114189 A JP 5114189A JP 11418993 A JP11418993 A JP 11418993A JP 2526397 B2 JP2526397 B2 JP 2526397B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- knowledge
- placement
- arrangement
- optimization
- 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.)
- Expired - Lifetime
Links
Description
【０００１】
【産業上の利用分野】本発明は、組合せ最適化分野にお
ける組合せ最適化を高速に実行する組合せ最適化装置に
関するものである。
ける組合せ最適化を高速に実行する組合せ最適化装置に
関するものである。
【０００２】
【従来の技術】最近、組合せ最適化装置はスケジューリ
ング、レイアウトなどの組合せ最適化分野で盛んに利用
されるようになってきた。
ング、レイアウトなどの組合せ最適化分野で盛んに利用
されるようになってきた。
【０００３】この組合せ最適化装置は、例えば、サイエ
ンス（Ｓ．Ｋｉｒｋｐａｔｒｉｃｋ，ａｎｄ Ｖ．Ａ．
Ｎｏｒｔｏｎ ａｎｄ Ｍ．Ｐ．Ｖｅｃｃｈｉ．”Ｏｐ
ｔｉｍｉｚａｔｉｏｎ ｂｙ Ｓｉｍｕｌａｔｅｄ Ａ
ｎｎｅａｌｉｎｇ”Ｓｃｉｅｎｃｅ，Ｖｏｌ．２２０，
ｐｐ６７１−６８０，Ｍａｙ １９８３）に記載されて
いるシミュレーティッド・アニーリング（Ｓｉｍｕｌａ
ｔｅｄ Ａｎｎｅａｌｉｎｇ 以下、ＳＡと略記）とい
う構成が知られている。
ンス（Ｓ．Ｋｉｒｋｐａｔｒｉｃｋ，ａｎｄ Ｖ．Ａ．
Ｎｏｒｔｏｎ ａｎｄ Ｍ．Ｐ．Ｖｅｃｃｈｉ．”Ｏｐ
ｔｉｍｉｚａｔｉｏｎ ｂｙ Ｓｉｍｕｌａｔｅｄ Ａ
ｎｎｅａｌｉｎｇ”Ｓｃｉｅｎｃｅ，Ｖｏｌ．２２０，
ｐｐ６７１−６８０，Ｍａｙ １９８３）に記載されて
いるシミュレーティッド・アニーリング（Ｓｉｍｕｌａ
ｔｅｄ Ａｎｎｅａｌｉｎｇ 以下、ＳＡと略記）とい
う構成が知られている。
【０００４】以下、図８、図９、図１０、図１１と図１
２を参照しながら、特に、ハイレベル合成問題を対象と
して、従来の組合せ最適化装置について説明する。
２を参照しながら、特に、ハイレベル合成問題を対象と
して、従来の組合せ最適化装置について説明する。
【０００５】ハイレベル合成問題は、LSI設計の一工程
であり、ソフトウェア言語で記述されたLSI動作仕様か
ら、レジスタ・トランスファ・レベルの回路を合成する
問題である。
であり、ソフトウェア言語で記述されたLSI動作仕様か
ら、レジスタ・トランスファ・レベルの回路を合成する
問題である。
【０００６】最初に、ハイレベル合成問題の概要につい
て説明する。図８において、８０１はLSIの動作仕様を
表現する２項演算式、８０２は２項演算式の演算をどの
ALUがどの時間ステップで実行するかを示している配置
データと呼ばれるデータ表現である。
て説明する。図８において、８０１はLSIの動作仕様を
表現する２項演算式、８０２は２項演算式の演算をどの
ALUがどの時間ステップで実行するかを示している配置
データと呼ばれるデータ表現である。
【０００７】例えば、t1 = b*t[3]はALU1が時間ステッ
プ３で実行されることを示している。ハイレベル合成に
おける組合せの最適化とは、２項演算式の式の位置を配
置データ上を移動して最も時間ステップが短く、すなわ
ち実行速度が速く、LSIのチップ面積が小さい２項演算
式の最適配置を求めることである。
プ３で実行されることを示している。ハイレベル合成に
おける組合せの最適化とは、２項演算式の式の位置を配
置データ上を移動して最も時間ステップが短く、すなわ
ち実行速度が速く、LSIのチップ面積が小さい２項演算
式の最適配置を求めることである。
【０００８】図９において、９０１は、最適化以前の配
置データを示し、９０２は、最適化された配置データを
示している。図９では、黒く塗りつぶされた枠に２項演
算式があることを示している。
置データを示し、９０２は、最適化された配置データを
示している。図９では、黒く塗りつぶされた枠に２項演
算式があることを示している。
【０００９】ハイレベル合成問題は、このように最適化
により、実行速度が速く、チップ面積が小さい配置デー
タを求める問題である。図１０と図１１は従来の手法の
構成図を示している。１００１、１００２と１００３
は、記憶機能と制御機能を有するプロセッサ・エレメン
トを示している。１００４は初期配置データ生成手段、
１００５は配置データ分配手段、１００６、１００７と
１００８は最適化手段、１００９は配置データ収集手
段、１０１０は最良配置データ選択手段である。
により、実行速度が速く、チップ面積が小さい配置デー
タを求める問題である。図１０と図１１は従来の手法の
構成図を示している。１００１、１００２と１００３
は、記憶機能と制御機能を有するプロセッサ・エレメン
トを示している。１００４は初期配置データ生成手段、
１００５は配置データ分配手段、１００６、１００７と
１００８は最適化手段、１００９は配置データ収集手
段、１０１０は最良配置データ選択手段である。
【００１０】以上のような図１０の構成において、以
下、その動作について説明する。まず、動作仕様として
与えられたプログラムは、２項演算式に展開され、初期
配置データ生成手段１００４によって、配置データの適
当な位置に配置される。これによって初期配置データが
生成される。配置データ分配手段は、各プロセッサ・エ
レメント１００１、１００２と１００３にある最適化手
段１００６、１００７と１００８に初期配置データを転
送する。最適化手段１００６、１００７と１００８は、
その配置データを最適化し、配置データ収集手段１００
９に転送する。最良配置データ選択手段１０１０は、最
適化した配置データの中で最も最適化された配置データ
を選択し、解として出力する。図１１は最適化手段１０
０６、１００７と１００８の構成図である。
下、その動作について説明する。まず、動作仕様として
与えられたプログラムは、２項演算式に展開され、初期
配置データ生成手段１００４によって、配置データの適
当な位置に配置される。これによって初期配置データが
生成される。配置データ分配手段は、各プロセッサ・エ
レメント１００１、１００２と１００３にある最適化手
段１００６、１００７と１００８に初期配置データを転
送する。最適化手段１００６、１００７と１００８は、
その配置データを最適化し、配置データ収集手段１００
９に転送する。最良配置データ選択手段１０１０は、最
適化した配置データの中で最も最適化された配置データ
を選択し、解として出力する。図１１は最適化手段１０
０６、１００７と１００８の構成図である。
【００１１】図１１において、１１０１は配置データ受
信手段、１１０２は配置データ生成手段、１１０３は配
置データ選択手段、１１０４は温度更新手段、１１０５
はプロセス終了検知手段、１１０６は配置データ送信手
段。
信手段、１１０２は配置データ生成手段、１１０３は配
置データ選択手段、１１０４は温度更新手段、１１０５
はプロセス終了検知手段、１１０６は配置データ送信手
段。
【００１２】以上のような図１１の構成において、以
下、その動作について説明する。図１０の配置データ分
配手段１００５から送信された配置データは、配置デー
タ受信手段１１０１に受信される。現在の配置データに
基づいて、ランダムに微小変形された配置データを配置
データ生成手段１１０２が生成する。
下、その動作について説明する。図１０の配置データ分
配手段１００５から送信された配置データは、配置デー
タ受信手段１１０１に受信される。現在の配置データに
基づいて、ランダムに微小変形された配置データを配置
データ生成手段１１０２が生成する。
【００１３】図１２は、新しい配置データの生成方法を
示している。１２０１の配置データの式の内、ランダム
に移動する式が選択され、ランダムに移動場所が選択さ
れ、その場所に移動し、新しい配置データ１２０２が生
成される。次に現在の配置データの最適化評価値Ccurre
ntとし、新しい配置データの評価値をCnewとすると、そ
の差分 DeltaCは、DeltaC = Cnew - Ccurrentとなる。
示している。１２０１の配置データの式の内、ランダム
に移動する式が選択され、ランダムに移動場所が選択さ
れ、その場所に移動し、新しい配置データ１２０２が生
成される。次に現在の配置データの最適化評価値Ccurre
ntとし、新しい配置データの評価値をCnewとすると、そ
の差分 DeltaCは、DeltaC = Cnew - Ccurrentとなる。
【００１４】DeltaC < 0 のとき、配置データ選択手段
１１０３はCnewを採用し、C >= 0 のとき、exp(- delta
C / t) の確率でCnewを採用する。tは、温度と呼ばれる
パラメータでtが小さいほど、単純な山登り法に近づい
ていく。温度は、最初に高く設定され、最適化とともに
低くなっていく。温度更新手段１１０４は、新しい配置
を一定回数生成すれば、温度パラメータをより低く設定
し、プロセス終了検知手段１１０５を起動する。さもな
ければ、同じ温度のまま、配置データ生成手段１１０２
を起動する。プロセス終了検知手段１１０５は最適化が
終了したかどうかを判断し、終了したと判断したとき、
配置データ送信手段１１０６を起動する。配置データ送
信手段１１０６は図１０の配置データ収集手段に最終的
な配置データを送信する。
１１０３はCnewを採用し、C >= 0 のとき、exp(- delta
C / t) の確率でCnewを採用する。tは、温度と呼ばれる
パラメータでtが小さいほど、単純な山登り法に近づい
ていく。温度は、最初に高く設定され、最適化とともに
低くなっていく。温度更新手段１１０４は、新しい配置
を一定回数生成すれば、温度パラメータをより低く設定
し、プロセス終了検知手段１１０５を起動する。さもな
ければ、同じ温度のまま、配置データ生成手段１１０２
を起動する。プロセス終了検知手段１１０５は最適化が
終了したかどうかを判断し、終了したと判断したとき、
配置データ送信手段１１０６を起動する。配置データ送
信手段１１０６は図１０の配置データ収集手段に最終的
な配置データを送信する。
【００１５】
【発明が解決しようとする課題】しかし、以上の方法で
は、最適化の終了まで配置データは各プロセッサ・エレ
メントの最適化手段が独自に最適化しているので、ある
最適化手段が発見した最適な配置を他のプロセッサに通
信し、協調的な動作をすることができず、高速な最適化
を行うことができないという問題点があった。
は、最適化の終了まで配置データは各プロセッサ・エレ
メントの最適化手段が独自に最適化しているので、ある
最適化手段が発見した最適な配置を他のプロセッサに通
信し、協調的な動作をすることができず、高速な最適化
を行うことができないという問題点があった。
【００１６】本発明は上記課題に鑑み、本発明の目的
は、各プロセッサ・エレメントの最適化手段が発見した
最適な配置を、ランダムに選択され接続された他の最適
化手段に通信し、協調的に最適化を実行することにより
高速な最適化を実現するものである。
は、各プロセッサ・エレメントの最適化手段が発見した
最適な配置を、ランダムに選択され接続された他の最適
化手段に通信し、協調的に最適化を実行することにより
高速な最適化を実現するものである。
【００１７】
【課題を解決するための手段】この目的を達成するた
め、本発明の技術的解決手段は、知識最適化手段とラン
ダムに選択されたプロセッサ・エレメントの異配置デー
タ通信手段と接続することにより実現するものである。
め、本発明の技術的解決手段は、知識最適化手段とラン
ダムに選択されたプロセッサ・エレメントの異配置デー
タ通信手段と接続することにより実現するものである。
【００１８】
【作用】本発明は知識最適化手段とランダムに選択され
たプロセッサ・エレメントの異配置データ通信手段と接
続し、定期的に、接続を変更することにより、配置デー
タの情報の流通を頻繁にし、協調的な動作により、より
高速な最適化を実現することができる。
たプロセッサ・エレメントの異配置データ通信手段と接
続し、定期的に、接続を変更することにより、配置デー
タの情報の流通を頻繁にし、協調的な動作により、より
高速な最適化を実現することができる。
【００１９】
【００２０】
（実施例１）以下、図１、図２、図３、図４と図５を参
照しながら本発明の第１の実施例について説明する。図
１において、１０１、１０２と１０３はプロセッサ・エ
レメント、１０４は初期配置データ生成手段、１０５は
配置データ分配手段、１０６、１０８と１１０は知識最
適化手段、１０７、１０９と１１１は異配置データ通信
手段、１１２は配置データ収集手段、１１３は最良配置
データ選択手段である。
照しながら本発明の第１の実施例について説明する。図
１において、１０１、１０２と１０３はプロセッサ・エ
レメント、１０４は初期配置データ生成手段、１０５は
配置データ分配手段、１０６、１０８と１１０は知識最
適化手段、１０７、１０９と１１１は異配置データ通信
手段、１１２は配置データ収集手段、１１３は最良配置
データ選択手段である。
【００２１】図２において、２０１は配置データ受信手
段、２０２は知識選択手段、２０３は遺伝的知識判定手
段、２０４は異配置データ送信要求手段、２０５は配置
データ受信手段、２０６は配置データ生成手段、２０７
は配置データ選択手段、２０８は温度更新手段、２０９
は知識選択確率調整手段、２１０はプロセス終了検知手
段、２１１は配置データ送信手段である。
段、２０２は知識選択手段、２０３は遺伝的知識判定手
段、２０４は異配置データ送信要求手段、２０５は配置
データ受信手段、２０６は配置データ生成手段、２０７
は配置データ選択手段、２０８は温度更新手段、２０９
は知識選択確率調整手段、２１０はプロセス終了検知手
段、２１１は配置データ送信手段である。
【００２２】図３において、３０１は最適化前の配置デ
ータ、３０２はランダムな知識によって生成された配置
データ、３０３は最適化前の配置データ、３０４は時間
ステップを減少する知識によって生成された配置デー
タ、３０５は最適化前の配置データ、３０６はＡＬＵを
減少する知識によって生成された配置データである。
ータ、３０２はランダムな知識によって生成された配置
データ、３０３は最適化前の配置データ、３０４は時間
ステップを減少する知識によって生成された配置デー
タ、３０５は最適化前の配置データ、３０６はＡＬＵを
減少する知識によって生成された配置データである。
【００２３】図４において、４０１は横方向にすぐれた
配置データ、４０２は縦方向にすぐれた配置データ、４
０３は遺伝的知識によって合成された配置データを示
す。図５において、５０１はルールの種類と選択確率を
示す。
配置データ、４０２は縦方向にすぐれた配置データ、４
０３は遺伝的知識によって合成された配置データを示
す。図５において、５０１はルールの種類と選択確率を
示す。
【００２４】以上のような図１、図２、図３、図４と図
５の構成において、以下、その動作について説明する。
記憶機能と制御機能を有し、各々の保持するデータを相
互に通信可能な複数のプロセッサ・エレメント１０１、
１０２と１０３によって組合せ最適化装置は構成され
る。本実施例では、１６個のプロセッサ・エレメントが
あるとする。プロセッサ・エレメント１０１は、入力デ
ータを変形し、初期配置データを生成する初期配置デー
タ生成手段１０４と、前記初期配置データ生成手段１０
４が生成した初期配置データを各プロセッサ・エレメン
ト１０１、１０２と１０３が有する複数の知識最適化手
段１０６に分配する配置データ分配手段１０５と、前記
初期配置データを知識を利用して最適化する知識最適化
手段１０６と、前記知識最適化手段１０６が遺伝的知識
を適用し、配置データの転送を要求してきたとき、起動
し、配置データを返送する異配置データ通信手段１０
７、１０９と１１１と、前記知識最適化手段１０６、１
０８と１１０が最適化した配置データを収集する配置デ
ータ収集する配置データ収集手段１１２と、配置データ
の中から最良の配置データを選択する最良配置データ選
択手段１１３によって構成されている。
５の構成において、以下、その動作について説明する。
記憶機能と制御機能を有し、各々の保持するデータを相
互に通信可能な複数のプロセッサ・エレメント１０１、
１０２と１０３によって組合せ最適化装置は構成され
る。本実施例では、１６個のプロセッサ・エレメントが
あるとする。プロセッサ・エレメント１０１は、入力デ
ータを変形し、初期配置データを生成する初期配置デー
タ生成手段１０４と、前記初期配置データ生成手段１０
４が生成した初期配置データを各プロセッサ・エレメン
ト１０１、１０２と１０３が有する複数の知識最適化手
段１０６に分配する配置データ分配手段１０５と、前記
初期配置データを知識を利用して最適化する知識最適化
手段１０６と、前記知識最適化手段１０６が遺伝的知識
を適用し、配置データの転送を要求してきたとき、起動
し、配置データを返送する異配置データ通信手段１０
７、１０９と１１１と、前記知識最適化手段１０６、１
０８と１１０が最適化した配置データを収集する配置デ
ータ収集する配置データ収集手段１１２と、配置データ
の中から最良の配置データを選択する最良配置データ選
択手段１１３によって構成されている。
【００２５】ここで、遺伝的知識とは、遺伝的アルゴリ
ズムから生じた言葉で、２つの親遺伝子から１つの遺伝
子が生じることの類推から２つ配置データから１つの配
置データを合成するための知識をいう。
ズムから生じた言葉で、２つの親遺伝子から１つの遺伝
子が生じることの類推から２つ配置データから１つの配
置データを合成するための知識をいう。
【００２６】知識最適化手段１０６、１０８と１１０
は、配置データ分配手段１０５から転送された配置デー
タを受信する配置データ受信手段２０１と、知識の適用
確率に基づき知識を選択する知識選択手段２０２と、前
記知識選択手段２０２によって選択された知識が遺伝的
知識かどうかを判定し、遺伝的知識のとき異配置データ
送信要求手段２０４を起動し、遺伝的知識でないとき配
置データ生成手段２０６を起動する 遺伝的知識判定手段２０３と、その他のプロセッサ・エ
レメントの異配置データ通信手段１０７、１０９と１１
１に対し配置データの送信を要求する異配置データ送信
要求手段２０４と、前記異配置データ通信手段２０４か
ら送信されてくる配置データを受信する配置データ受信
手段２０５と、遺伝的知識のとき送信されてきた配置デ
ータと自分自身の配置データを融合して新しい配置デー
タを生成し、遺伝的知識でないとき自分自身の配置デー
タを知識により変形して新しい配置データを生成する配
置データ生成手段２０６と、従来の配置データと前記配
置データ生成手段２０６により生成された新しい配置デ
ータの内温度と呼ばれるパラメータに基づき、どちらか
を選択する配置データ選択手段２０７と、ある回数配置
データが生成されたとき、温度パラメータを減少させる
温度更新手段２０８と、各知識の適用により、どれだけ
良質な配置を生成することができたかにより、知識の選
択確率を調整する知識選択確率調整手段２０９と、配置
データの最適化を継続するとき、前記知識選択手段２０
２を起動し、配置データが十分に最適化されたと判断し
たとき、この最適化のプロセスを終了させるプロセス終
了検知手段２１０と、最適化された配置データを請求項
２記載の配置データ収集手段に返送する配置データ送信
手段２１１から構成されている。
は、配置データ分配手段１０５から転送された配置デー
タを受信する配置データ受信手段２０１と、知識の適用
確率に基づき知識を選択する知識選択手段２０２と、前
記知識選択手段２０２によって選択された知識が遺伝的
知識かどうかを判定し、遺伝的知識のとき異配置データ
送信要求手段２０４を起動し、遺伝的知識でないとき配
置データ生成手段２０６を起動する 遺伝的知識判定手段２０３と、その他のプロセッサ・エ
レメントの異配置データ通信手段１０７、１０９と１１
１に対し配置データの送信を要求する異配置データ送信
要求手段２０４と、前記異配置データ通信手段２０４か
ら送信されてくる配置データを受信する配置データ受信
手段２０５と、遺伝的知識のとき送信されてきた配置デ
ータと自分自身の配置データを融合して新しい配置デー
タを生成し、遺伝的知識でないとき自分自身の配置デー
タを知識により変形して新しい配置データを生成する配
置データ生成手段２０６と、従来の配置データと前記配
置データ生成手段２０６により生成された新しい配置デ
ータの内温度と呼ばれるパラメータに基づき、どちらか
を選択する配置データ選択手段２０７と、ある回数配置
データが生成されたとき、温度パラメータを減少させる
温度更新手段２０８と、各知識の適用により、どれだけ
良質な配置を生成することができたかにより、知識の選
択確率を調整する知識選択確率調整手段２０９と、配置
データの最適化を継続するとき、前記知識選択手段２０
２を起動し、配置データが十分に最適化されたと判断し
たとき、この最適化のプロセスを終了させるプロセス終
了検知手段２１０と、最適化された配置データを請求項
２記載の配置データ収集手段に返送する配置データ送信
手段２１１から構成されている。
【００２７】配置データ生成手段２０６は、知識の種類
に基づいて新しい配置データを生成する。知識には、ラ
ンダムな知識、一般的な知識と遺伝的知識の３つの種類
がある。ランダムな知識とは、図３の(a)に示すよう
に、従来例で使用された方法である。３０１は最適化前
の配置データで、３０２はランダムに変形された最適化
後の配置データである。
に基づいて新しい配置データを生成する。知識には、ラ
ンダムな知識、一般的な知識と遺伝的知識の３つの種類
がある。ランダムな知識とは、図３の(a)に示すよう
に、従来例で使用された方法である。３０１は最適化前
の配置データで、３０２はランダムに変形された最適化
後の配置データである。
【００２８】図３の(b)と(c)は、一般的な知識による変
形された配置データである。(b)は、時間ステップを減
少する変形であり、(c)は、逆にALUを減少する変形であ
る。
形された配置データである。(b)は、時間ステップを減
少する変形であり、(c)は、逆にALUを減少する変形であ
る。
【００２９】図４は、遺伝的知識による新しい配置デー
タの合成である。４０１と４０２は、異なるプロセッサ
・エレメントの知識最適化手段が、持っている配置デー
タである。４０１は、ALU方向に優れた配置データであ
り、４０２は、時間ステップ方向に優れた配置データで
ある。実線内の数字は、２項演算式を数字で簡略化した
ものであり、例えば、番号５は、x = t + 3などの演算
式に対応する。遺伝的知識は、４０１の横方向の順番と
４０２の縦方向の順番を保存し、新しい時間ステップ方
向にもALU方向にもすぐれた新しい配置データである。
破線内の数字は、保存された数字を示している。
タの合成である。４０１と４０２は、異なるプロセッサ
・エレメントの知識最適化手段が、持っている配置デー
タである。４０１は、ALU方向に優れた配置データであ
り、４０２は、時間ステップ方向に優れた配置データで
ある。実線内の数字は、２項演算式を数字で簡略化した
ものであり、例えば、番号５は、x = t + 3などの演算
式に対応する。遺伝的知識は、４０１の横方向の順番と
４０２の縦方向の順番を保存し、新しい時間ステップ方
向にもALU方向にもすぐれた新しい配置データである。
破線内の数字は、保存された数字を示している。
【００３０】図５は、知識の種類とその選択確率の例を
示している。左の番号は、知識に対応して付加されてい
る。２番目の知識の種類は、番号１と２の知識がランダ
ムな知識、３から７までが一般的な知識、８と９が遺伝
的な知識であることを示している。選択比率は、図２の
知識選択手段２０２が、知識を選択する確率をしめして
いる。例えば、番号１の知識は、０．１５の確率で選択
されること示している。選択比率は、良質な配置データ
を合成した知識ほど選択確率が高くなるように、図２の
知識選択確率調整手段２０９が選択確率を調整する。
示している。左の番号は、知識に対応して付加されてい
る。２番目の知識の種類は、番号１と２の知識がランダ
ムな知識、３から７までが一般的な知識、８と９が遺伝
的な知識であることを示している。選択比率は、図２の
知識選択手段２０２が、知識を選択する確率をしめして
いる。例えば、番号１の知識は、０．１５の確率で選択
されること示している。選択比率は、良質な配置データ
を合成した知識ほど選択確率が高くなるように、図２の
知識選択確率調整手段２０９が選択確率を調整する。
【００３１】第１の実施例における知識最適化手段と異
配置データ通信手段の接続方式を図６に示す。この例で
は、８つのプロセッサ・エレメント６０１から６０８が
存在する。各プロセッサ・エレメントは、それぞれ知識
最適化手段と異配置データ通信手段をもっている。知識
最適化手段は、６０９から６１６であり、異配置データ
通信手段は、６１７から６２４である。知識最適化手段
と異配置データ通信手段の接続は、隣接するプロセッサ
・エレメントの知識最適化手段と異配置データ通信手段
を接続する構成をとっている。
配置データ通信手段の接続方式を図６に示す。この例で
は、８つのプロセッサ・エレメント６０１から６０８が
存在する。各プロセッサ・エレメントは、それぞれ知識
最適化手段と異配置データ通信手段をもっている。知識
最適化手段は、６０９から６１６であり、異配置データ
通信手段は、６１７から６２４である。知識最適化手段
と異配置データ通信手段の接続は、隣接するプロセッサ
・エレメントの知識最適化手段と異配置データ通信手段
を接続する構成をとっている。
【００３２】以上のように、遺伝的知識により他のプロ
セッサ・エレメントの知識最適化手段が持つ配置データ
を受理し、自分自身の配置データと合成して最適化を実
行しているので高速な最適化が可能である。また、各プ
ロセッサ・エレメントが持つ配置データの特徴を生かし
た合成を行なっているので、協調的な最適化が可能とな
っている。また、実施例１の場合、最適化の最中で通信
経路を変更しないので、そのための処理時間を省くこと
ができる。
セッサ・エレメントの知識最適化手段が持つ配置データ
を受理し、自分自身の配置データと合成して最適化を実
行しているので高速な最適化が可能である。また、各プ
ロセッサ・エレメントが持つ配置データの特徴を生かし
た合成を行なっているので、協調的な最適化が可能とな
っている。また、実施例１の場合、最適化の最中で通信
経路を変更しないので、そのための処理時間を省くこと
ができる。
【００３３】（実施例２） 第２の実施例では、第１の実施例と同様な処理を行なう
が、知識最適化手段と異配置データ通信手段の構成が異
なっている。図７に、その構成を示す。この例では、８
つのプロセッサ・エレメント７０１から７０８が存在す
る。各プロセッサ・エレメントは、それぞれ知識最適化
手段と異配置データ通信手段をもっている。知識最適化
手段は、７０９から７１６であり、異配置データ通信手
段は、７１７から７２４である。知識最適化手段と異配
置データ通信手段の接続は、一定期間毎に、例えば温度
を変更する毎に、ランダムに知識最適化手段と異配置デ
ータ通信手段を接続する構成をとっている。
が、知識最適化手段と異配置データ通信手段の構成が異
なっている。図７に、その構成を示す。この例では、８
つのプロセッサ・エレメント７０１から７０８が存在す
る。各プロセッサ・エレメントは、それぞれ知識最適化
手段と異配置データ通信手段をもっている。知識最適化
手段は、７０９から７１６であり、異配置データ通信手
段は、７１７から７２４である。知識最適化手段と異配
置データ通信手段の接続は、一定期間毎に、例えば温度
を変更する毎に、ランダムに知識最適化手段と異配置デ
ータ通信手段を接続する構成をとっている。
【００３４】以上のように、第２の実施例では、定期的
に、ランダムに接続が変わるので、配置情報が素早く伝
搬する。そのため、各プロセッサ・エレメント間の協調
の度合が上がり優れた配置データが早く伝搬するととも
に局所的な配置データに陥りにくくなるので、高速な最
適化を実現できる。
に、ランダムに接続が変わるので、配置情報が素早く伝
搬する。そのため、各プロセッサ・エレメント間の協調
の度合が上がり優れた配置データが早く伝搬するととも
に局所的な配置データに陥りにくくなるので、高速な最
適化を実現できる。
【００３５】
【発明の効果】各プロセッサ・エレメントの知識最適化
手段が自分自信の配置データとその他のプロセッサ・エ
レメントの知識最適化手段の配置データを通信し、２つ
の配置データから合成することで協調的な最適化の動作
を行い、高速な最適化を実現している。
手段が自分自信の配置データとその他のプロセッサ・エ
レメントの知識最適化手段の配置データを通信し、２つ
の配置データから合成することで協調的な最適化の動作
を行い、高速な最適化を実現している。
【００３６】本発明の技術的解決手段独自の効果とし
て、知識最適化手段と他のプロセッサ・エレメントの異
配置データ通信手段の間で定期的にランダムな通信路を
はることで、配置データの情報交換を高速化し、また局
所的な配置データに陥りにくくすることにより、高速な
最適化を実現している。
て、知識最適化手段と他のプロセッサ・エレメントの異
配置データ通信手段の間で定期的にランダムな通信路を
はることで、配置データの情報交換を高速化し、また局
所的な配置データに陥りにくくすることにより、高速な
最適化を実現している。
【図１】本発明の第１の実施例における組合せ最適化装
置の構成を示す概念図
置の構成を示す概念図
【図２】同実施例における知識最適化手段の構成図
【図３】ランダムな知識と一般的な知識による新しい配
置データの合成図
置データの合成図
【図４】遺伝的な知識による新しい配置データの合成図
【図５】本発明の第１の実施例における知識の種類とそ
の選択比率図
の選択比率図
【図６】本発明の第１の実施例の知識最適化手段と異配
置データ通信手段の接続図
置データ通信手段の接続図
【図７】本発明の第２の実施例の知識最適化手段と異配
置データ通信手段の接続図
置データ通信手段の接続図
【図８】２項演算式から配置データへの変換の説明図
【図９】配置データの最適化前と最適化後の説明図
【図１０】従来の組合せ最適化装置の構成を示す概念図
【図１１】従来の最適化手段の構成を示す概念図
【図１２】従来技術における配置データの生成図
１０１ プロセッサ・エレメント １０２ プロセッサ・エレメント １０３ プロセッサ・エレメント １０４ 初期配置データ生成手段 １０５ 配置データ分配手段 １０６ 知識最適化手段 １０７ 異配置データ通信手段 １０８ 知識最適化手段 １０９ 異配置データ通信手段 １１０ 知識最適化手段 １１１ 異配置データ通信手段 １１２ 配置データ収集手段 １１３ 最良配置データ選択手段 １００１ プロセッサ・エレメント １００２ プロセッサ・エレメント １００３ プロセッサ・エレメント １００４ 初期配置データ生成手段 １００５ 配置データ分配手段 １００６ 知識最適化手段 １００７ 知識最適化手段 １００８ 知識最適化手段 １００９ 配置データ収集手段 １０１０ 最良配置データ選択手段
───────────────────────────────────────────────────── フロントページの続き (72)発明者 野島 晋二 大阪府門真市大字門真1006番地 松下電 器産業株式会社内 (56)参考文献 電子情報通信学会研究報告 ＡＩ92− 41 間藤 隆一 他「遺伝的ルールによ る並列ルールベースト・アニーリング」 電子情報通信学会研究報告 ＶＬＤ89 −１ 小圷 成一 他「遺伝的要素を取 り入れた改良型アニーリング法によるＶ ＬＳＩブロック配置手法」
Claims (1)
- 【請求項１】 入力データを変形し初期配置データを生
成する初期配置データ生成手段と、前記初期配置データ
生成手段が生成した初期配置データを各プロセッサ・エ
レメントに分配する配置データ分配手段と、前記配置デ
ータ分配手段が分配した前記初期配置データを知識を利
用して最適化する知識最適化手段と、前記知識最適化手
段が遺伝的知識を適用し配置データの転送を要求してき
たときに起動し配置データを返送する異配置データ通信
手段と、各プロセッサ・エレメントが最適化した配置デ
ータを収集する配置データ収集手段と、配置データの中
から最良の配置データを選択する最良配置データ選択手
段とを備えた少なくとも一つのプロセッサ・エレメント
と、 前記配置データが分配した前記初期配置データを知識を
利用して最適化する知識最適化手段と、前記知識最適化
手段が遺伝的知識を適用し配置データの転送を要求して
きたときに起動し配置データを返送する異配置データ通
信手段とを備えたプロセッサ・エレメントから構成さ
れ、前記知識最適化手段は、前記配置データ分配手段から転
送された配置データを受信する配置データ受信手股と、
知識の適用確率に基づき知識を選択する知識選択手段
と、前記知識選択手段によって選択された知識が遺伝的
知識かどうかを判定し遺伝的知識のとき異配置データ送
信要求手段を起動し遺伝的知識でないとき配置データ生
成手段を起動する遺伝的知識判定手段と、他のプロセッ
サ・エレメントの異配置データ通信手段に対し配置デー
タの送信を要求する異配置データ送信要求手段と、前記
異配置データ通信手段から送信されてくる配置データを
受信する配置データ受信手段と、遺伝的知識のとき送信
されてきた配置データと自分自身の配置データを融合し
て新しい配置データを生成し遺伝的知識でないとき自分
自身の配置データを知識により変形して新しい配置デー
タを生成する配置データ生成手段と、従来の配置データ
と前記配置データ生成手段により生成された新しい配置
データの内、温度と呼ばれるパラメータに基づきどちら
かを選択する配置データ選択手段と、ある回数配置デー
タが生成されたとき温度パラメータを減少させる温度更
新手段と、各知識の適用によりどれだけ良質な配置を生
成することができたかにより知識の選択確率を調整する
知識選択確率調整手段と、配置デ ータの最適化を継続す
るとき前記知識選択手段を起動し配置データが十分に最
適化されたと判断したときこの最適化のプロセスを終了
させるプロセス終了検知手段と、最適化された配置デー
タを配置データ収集手段に返送する配置データ送信手段
を備え 、前記知識最適化手段と前記異配置データ通信手段の接続
が、定期的に、あるプロセッサ・エレメントの前記知識
最適化手段に対し、ランダムに対となるプロセッサ・エ
レメントを選択しそのプロセッサ・エレメントの中の前
記異配置データ通信手段と接続する構成を特徴とする 組
合せ最適化装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP5114189A JP2526397B2 (ja) | 1993-04-19 | 1993-04-19 | 組合せ最適化装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP5114189A JP2526397B2 (ja) | 1993-04-19 | 1993-04-19 | 組合せ最適化装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH06309408A JPH06309408A (ja) | 1994-11-04 |
| JP2526397B2 true JP2526397B2 (ja) | 1996-08-21 |
Family
ID=14631433
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP5114189A Expired - Lifetime JP2526397B2 (ja) | 1993-04-19 | 1993-04-19 | 組合せ最適化装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2526397B2 (ja) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2022015503A (ja) | 2020-07-09 | 2022-01-21 | 富士通株式会社 | 情報処理システム、情報処理方法及びプログラム |
-
1993
- 1993-04-19 JP JP5114189A patent/JP2526397B2/ja not_active Expired - Lifetime
Non-Patent Citations (2)
| Title |
|---|
| 電子情報通信学会研究報告ＡＩ９２−４１間藤隆一他「遺伝的ルールによる並列ルールベースト・アニーリング」 |
| 電子情報通信学会研究報告ＶＬＤ８９−１小圷成一他「遺伝的要素を取り入れた改良型アニーリング法によるＶＬＳＩブロック配置手法」 |
Also Published As
| Publication number | Publication date |
|---|---|
| JPH06309408A (ja) | 1994-11-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Sun et al. | V2V routing in a VANET based on the autoregressive integrated moving average model | |
| CN106228238B (zh) | 现场可编程门阵列平台上加速深度学习算法的方法和系统 | |
| Zhu et al. | Trajectory improves data delivery in urban vehicular networks | |
| US20060161875A1 (en) | Method of creating core-tile-switch mapping architecture in on-chip bus and computer-readable medium for recording the method | |
| CA2436352A1 (en) | Process and system for developing a predictive model | |
| Fadlullah et al. | Value iteration architecture based deep learning for intelligent routing exploiting heterogeneous computing platforms | |
| CN112083933A (zh) | 一种基于强化学习的服务功能链部署方法 | |
| WO2019160619A1 (en) | Optimized asynchronous training of neural networks using a distributed parameter server with eager updates | |
| US20210173990A1 (en) | Optimization device and method of controlling optimization device | |
| CN115066694A (zh) | 计算图优化 | |
| US20230186007A1 (en) | System and method for optimizing integrated circuit layout based on neural network | |
| Chen et al. | Predicting quality of service via leveraging location information | |
| JP2526397B2 (ja) | 組合せ最適化装置 | |
| Ullah et al. | Optimizing task offloading and resource allocation in edge-cloud networks: a DRL approach | |
| CN112422234B (zh) | 一种基于时间感知的自适应深度学习的数据治理服务方法 | |
| CN111465057B (zh) | 一种基于强化学习的边缘缓存方法、装置及电子设备 | |
| Hazarika et al. | Multi-agent DRL-based task offloading in multiple RIS-aided IoV networks | |
| CN114679283A (zh) | 区块链数据请求处理方法、装置、服务器及存储介质 | |
| CN114915940B (zh) | 一种车路通信链路匹配方法、系统、设备及介质 | |
| CN110399979B (zh) | 一种基于现场可编程门阵列的点击率预估的系统及方法 | |
| Zhang et al. | Federated Learning-Assisted Vehicular Edge Computing: Architecture and Research Directions | |
| Karkowski | Architectural synthesis with possibilistic programming | |
| CN115048530A (zh) | 融合邻居重要度和特征学习的图卷积推荐系统 | |
| Yang et al. | Cross-layer model design in wireless ad hoc networks for the Internet of Things | |
| CN113347255A (zh) | 边缘服务器选址部署模型及其求解方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| EXPY | Cancellation because of completion of term |