基于流水线计算的3D NoC测试规划研究

为了提高三维片上网络(3D NoC)资源内核的测试效率,提出一种在功耗约束条件下多播流水线并行测试同构核与单播测试异构核相结合的方法对IP核进行测试。为了减少测试数据因资源冲突而进行等待的时间,设计一种改进XYZ路由算法,并采用改进人工蜂群(ABC)算法求解最佳测试规划方案。以国际标准电路测试集ITC'02作为实验对象,结果表明,测试时间最大优化率达到15.45%,与其他测试规划方法相比该文方法能有效地提高并行测试效率。

基于3D NoC架构上的自适应路由算法设计与仿真

提出了一种3D Mesh结构上的自适应路由算法,一方面避免了维序算法先沿某个方向走完再转向的缺点,实现数据包从多个方向分流,避免在后续节点拥堵;另一方面基于贪心算法思想,选出跳数最小的数据包和需求程度最低的输出端口,做到局部最优。仿真结果显示,在均匀流量模式下,相对于DOR算法,本算法吞吐量更高,平均端到端时延更低。

一种面向功耗免死锁三维全动态3D NoC路由算法

随着近年来三维片上网络(3D NoC)技术的提出及不断发展,功耗问题已成为3D NoC设计中面临的严峻挑战之一.本文为3DNoC提出一种面向功耗免死锁三维全动态路由算法TFRA(Three-dimensional Ful-l adaptive Rout-ing Algorithm).其以传统二维NoC奇偶拐弯模型为基础,将三维路由空间划分为8个象限,针对每个象限制定相应的路由策略,从而实现免死锁.采用SystemC系统级建模语言搭建的3D NoC仿真平台进行验证,结果显示TFRA算法在功耗性能指标方面较现有的三维路由算法有大幅提升.

TSV数量限制下的3D NoC测试优化方法

针对TSV数量限制下的3D No C测试,如何在功耗约束条件下充分利用有限的TSV资源快速地完成3D No C测试,这属于NP难问题,采用基于云模型的进化算法对有限的TSV资源进行位置寻优,以及对通信资源进行分配研究,在满足功耗约束以及路径不冲突条件下调度测试数据,以实现芯核的最大化并行测试,减少测试时间。以ITC’02测试标准电路作为实验对象,实验结果表明,本文方法可以有效地进行TSV的位置寻优以及资源的合理分配,从而提高TSV利用率,减少测试时间。

3D NoC关键通信部件容错方法研究综述

三维片上网络通过硅通孔(Through Silicon Via,TSV)将多层芯片进行堆叠,具有集成密度大,通信效率高等特点,是片上多核系统的主流通信架构.然而,工艺偏差及物理缺陷所引发的错误和TSV良率较低等因素,使得三维片上网络面临严重的故障问题.为保证通信效率,对三维片上网络关键通信部件进行容错设计必不可少.本文针对三维片上网络关键通信部件——路由器和TSV的故障和容错相关问题,从容错必要性、国内外研究现状、未来的研究方向和关键问题、以及拟提出的相关解决方案四个方面,展开深入探讨.为提高片上网络可靠性、保证系统高效通信提供一体化的解决方案.

基于动态优先级的3D NoC偏转路由容错方法

若3DNoC中水平和垂直方向出现不可恢复的链路故障,将严重影响整个网络的性能.为此提出一种新型的高效率、低开销的容错方法——基于动态优先级的偏转路由方法.该方法根据目的节点和当前节点的相对位置,动态地设定输出端口优先级,以确保数据包始终选择最优路径传输;为了提高层内和层间数据包传输的速度,采用了两级交叉开关结构.使用Booksim 2.0和Orion 2.0工具与其他方法的实验结果表明,文中方法的网络平均包延时最大降幅达20%,且面积不随网络规模增大而增加,提高了片上网络整体性能.

基于时间Petri网和THBA的3D NoC测试规划

针对三维片上网络（3D NoC）中IP核并行测试任务复杂、测试效率较低的问题,结合3D NoC测试的特点建立了一种时间Petri网模型,将变迁激发序列作为并行测试任务规划方案。为了获得最短的测试时间,设计拆分编码,在测试路径分配基础上进行顺序调度优化,采用两级递阶蝙蝠算法对变迁激发序列集进行搜索,将测试资源合理有效的分配给各IP核。仿真结果表明,所提模型可以有效地描述3D NoC测试规划问题,算法能够以较大的收敛概率迅速收敛到最优解,缩短了测试时间,提高了测试效率。

基于IBA优化变权时间Petri网的3D NoC测试规划

为了提高三维片上网络(three dimensional network-on-chip,3D NoC)测试效率,结合3D NoC测试的特点建立了一种变权时间Petri网的测试模型,设置算法权值与变迁时延相关联,对Petri网变迁进行动态变权处理。在此基础上,将变迁激发序列作为IP核并行测试任务规划方案,采用简化蝙蝠位置更新方程的改进蝙蝠算法对其进行优化求解。将蝙蝠的位置更新规则融入到Petri网进化规则中,简化了推理过程,避免算法陷入早熟,提高了收敛速度。采用ITC’02测试基准作为实验对象,仿真结果表明,与其他算法相比,模型可以有效的描述3D NoC测试规划问题,最大时间优化率达到13.9%,提高了测试效率。

基于粒子群算法的多约束3D NoC协同测试规划

为了提高三维片上网络(3D NoC)资源内核的测试效率,对多约束下的3D NoC进行测试规划。在硅通孔(TSV)数量、功耗以及带宽约束下,分别将TSV位置、IP核测试数据分配作为两个寻优变量,利用离散粒子群算法协同进化,以减少测试时间并提高TSV利用率。在算法中引入全局次优极值对粒子进行指导,提高全局搜索能力;并通过自适应参数调整策略增加种群多样性,从而改善粒子搜索的停滞现象。以国际标准测试集ITC'02中的电路作为仿真对象,仿真结果表明,算法能够有效地完成在多约束下对TSV位置的寻优并合理分配通信资源,缩短了测试时间,提高了TSV利用率。

二次改进遗传算法与3D NoC低功耗映射

随着集成电路技术的迅速发展,芯片的集成度不断提高,片上众多处理单元间的高效互连成为关键问题,因而相继出现了片上系统(system-on-chip,SoC)和二维片上网络(two-dimensional network-on-chip,2D NoC).当二维片上网络在多方面达到瓶颈时,三维片上网络(three-dimensional network-on-chip,3D NoC)应运而生.三维片上网络已引起学术界和产业界的高度重视,三维片上网络低功耗映射是其中的1个关键问题.之前的研究曾提出过一种基于改进遗传算法的3D NoC低功耗映射算法,并收到了良好的仿真效果.但当问题规模变大时,计算量随之增大、运行效率明显降低.针对这一问题,对3D NoC中面向功耗优化的二次改进遗传算法任务映射机制进行研究,提出了一种新的3D NoC低功耗映射算法,并对该映射算法进行了仿真实验.实验结果表明,在种群规模较大的条件下,该算法不仅能够继续降低功耗,而且能够大幅度地减少映射算法的运行时间.

面向通信能耗的3D NoC映射研究

对于传统的平面结构,三维片上网络(3D NoC)具有更好的集成度和性能,在单芯片内部可以集成更多的处理器核。3D NoC作为2D NoC的结构拓展,在性能提高和低功耗设计方面更具优越性,成为多核系统芯片结构的主流架构。映射就是应用某种算法寻找一种最优方案,将通信任务图的子任务分配到NoC的资源节点上,保证NoC的通信能耗最小。参照2D NoC的研究方法,提出了针对3D网格NoC的通信能耗模型,采用蚁群算法实现了面向通信能耗的NoC映射。实验结果表明,面向不同网络规模的3D网格NoC平台,蚁群映射同随机映射相比,通信能耗降低可以达23%～42%。

一种转向均衡的3D NoC感知容错路由算法

针对复杂三维片上网络中自适应路由策略存在性能较差与容错机制不完善的问题,提出一种转向均衡的感知容错路由算法.首先将XY,XZ和YZ分为奇偶平面,并在行与列上制定6种不同的禁止转向,以得到更均衡的转向模型;然后以奇偶行列对水平和垂直方向上边界及内部链路故障分类设计故障模型,并进行容错绕行;最后将提出的转向及故障模型应用到结合"全平面一跳预先感知"策略的路由算法中,以提高网络的性能与容错能力.实验结果表明,所提出算法在无链路故障时较对比算法吞吐量提升16.2%,传输延时降低3.6%,在较低链路故障率时传输延时降低11.8%,随着链路故障率的增加,算法仍具有优势.

3D NoC中基于分组共享的TSV混合容错方法

冗余和串行化是解决硅通孔(TSV)的故障问题的2种主要方法,仅使用其中一种方法会面临资源浪费和容错效率低等问题.为此,提出一种3D NoC中基于分组共享的TSV混合容错方法.首先将TSV分成4组,并且每2组为一个相邻组,相邻组内实现TSV分组共享;然后基于分组共享,充分考虑资源的合理配置,高效利用资源设计一种新型的TSV冗余和串行化架构;最后根据TSV故障程度的不同自适应地选择冗余机制或者串行化机制,实现TSV的混合容错.实验结果表明,与单纯地使用冗余机制和串行化机制相比,该方法在性能提升上更明显.

基于云进化算法的3D NoC测试规划

针对三维片上网络(Three Dimensional Network-on-Chip,3DNoC)IP核的测试问题,采用云进化算法优化测试规划,完成3DNoC测试;该方法首先通过平分搜索范围的方式形成第一代种群,依据3DNoC结构特点建立功耗模型,在满足功耗约束的情况下进行测试,采用种群精英个体保留策略选择优秀个体,并利用云模型的随机性和稳定性特点进行迭代寻优,旨在降低总的测试时间,获得最佳测试规划;以ITC′02测试标准电路作为实验对象,实验结果表明,在获得相同测试时间下,云进化算法比遗传算法具有更好的寻优能力,收敛代数提高了约50%,有效提高了测试效率。

基于动态自适应离散粒子群算法的3D NoC低功耗映射方法

相对于2D NoC,3D NoC具有更好的集成度和系统性能,是解决低功耗映射的一个可靠途径。在传统粒子群算法(PSOA,particle swarm optimization algorithm)的基础上,提出了一种动态自适应离散粒子群算法(DADPSOA,dynamic adaptive discrete particle swarm optimization algorithm)。该算法基于早熟收敛程度和个体适应度值变化动态调整参数w,不断靠近最优解;同时对粒子进行合理的解构造,减小了算法时间复杂度。仿真结果表明,与随机映射、遗传算法(GA,genetic algorithm)、PSOA和动态蚁群算法(DACA,dynamic ant colony algorithm)相比,DADPSOA可以缩短执行时间,减小映射结果通信功耗;在面向任务图映射的时候,其通信功耗下降。

基于改进量子进化算法的3D NoC测试TSV优化

针对硅通孔(through-silicon-via,TSV)的生产成本高,占用面积大等问题,首先对三维片上网络(3D NoC)进行测试规划研究,将测试规划得到的最短测试时间作为约束条件,采用改进的量子进化算法优化测试占用的TSV数量,将各层的TSV按照需求进行配置,并将TSV合理有效地分配给各个内核,以在有限的TSV数量下,降低硬件开销,提高利用率,同时,探讨TSV的分配对测试时间的影响。算法中,引入量子旋转门旋转角动态调整策略和量子变异策略,以提高算法的全局寻优能力和收敛速度,避免陷入局部最优解。将ITC’02基准电路作为仿真实验对象,由实验结果可得,本算法能够快速地收敛到最佳解,有效的减小了测试时间,优化了TSV数量,提高了TSV的利用率。

基于路径多样性的3D NoC流量均衡容错路由算法

针对三维片上网络中路由算法路径单一、容错机制不完善导致的网络性能受限的问题,提出一种具有路径多样性的容错路由算法。该算法首先分析路由路径,制定出最短路径下的路由策略;然后结合路径多样性,设计路由选择模型;最后对链路故障进行分类,设计更加均衡的容错绕行规则。实验结果表明:该算法相较于对比算法,在无链路故障时,吞吐量提升了2%,传输延时降低了17.1%;在5%链路故障时,吞吐量提升了20.9%,传输延时降低了5.8%。随着链路故障率的增加,该算法仍具有优势。

基于多种群改进量子进化算法的3D NoC测试功耗优化

针对在测试过程中芯片产生较大的热效应会破坏芯片的可靠性,本文在进行测试规划获得最短测试时间的基础上,将测试时间作为约束,采用多种群改进量子进化算法优化测试功耗,以降低测试成本,防止功耗过高造成芯片不可逆的损坏.算法中,为了避免单一种群不能保证种群多样性,将多种群操作与算法相结合,并引入优体交叉策略,以提高算法的全局寻优能力.以ITC’02基准电路作为实验对象,实验结果表明,该算法能迅速收敛到最优解,缩短了测试时间,提高了测试效率,并在测试时间约束下,优化了测试功耗.

基于布谷鸟算法的3D NoC测试优化研究

在路由器数量、测试带宽、TSV数量和功耗的多重约束下进行三维片上网络(Three Dimensional Net-work-on-Chip,3D NoC)资源内核测试研究中,使测试时间最小化的同时降低测试功耗是NP难问题.在测试带宽和路由器数目等的限制下,采用改进的布谷鸟算法协同优化测试时间与功耗,避免过大的功耗产生热量影响芯片性能.通过logistic函数改进布谷鸟算法,利用其变化特性避免算法早熟,同时快速寻找到全局最优解.采用余弦递减函数动态改变发现概率,寻找和替换劣质解.采用ITC'02 SOC测试集作为实验对象,结果表明:对该算法进行改进后得到的最优解,实现了在多约束下最小化测试时间的同时减少测试功耗的目的,保证3 D NoC的可靠性和测试效率.

基于猴群算法的3D NoC IP核测试优化方法

如何对三维片上网络(three Dimensional Network-on-Chip,3DNoC)资源内核的测试进行优化以缩短测试时间,提高资源利用率是当前3DNoC测试面临的主要问题之一.本文针对3DNoC IP核测试优化问题,开展TSV位置与IP核测试数据分配方案协同优化研究.在带宽、功耗和TSV数量约束下,将TSV位置方案和IP核测试数据分配方案作为寻优变量,采用猴群算法进行寻优.算法通过爬和望跳过程进行局部搜索并结合翻过程在不同领域进行搜索从而找到最优解,加入精英保留策略以确保算法收敛性,使算法搜索结果更为准确.以ITC’02电路为实验对象,实验结果表明,该算法能够有效地优化3DNoC资源分配,缩短测试时间,提高资源利用率.