自适应模拟退火优化的NoC映射算法：提升性能与效率

本文主要探讨了在片上网络（NoC）系统设计中的关键挑战——NoC映射问题，这涉及如何有效地将应用特征图（Application Characterization Graph, ACG）映射到结构特征图（Architecture Characterization Graph, ACG），以优化系统性能，如降低能耗和延迟。传统的NoC映射算法面临着随着系统规模增大而耗时增加的问题，特别是对于寻找全局最优解的挑战。 作者针对这一问题提出了自适应模拟退火（Self-Adaptive Simulated Annealing, SASA）的NoC映射算法。模拟退火算法是一种全局搜索优化方法，通常用于解决复杂问题。传统的模拟退火可能陷入局部最优解，而SASA算法引入了自适应策略，通过动态调整新解生成的方式，以提高算法跳出局部最优区域的概率，从而增加了找到全局最优解的可能性。 在实施过程中，SASA算法采用了相对平滑的温度下降策略，确保算法的稳定性和收敛性。实验对比显示，与常见的基于遗传算法等其他NoC映射算法相比，SASA算法在平均性能上提升了5.3%，并且在处理时间和计算效率上分别缩短了11.1%，这表明该算法在实际应用中具有显著的优势。 总结来说，这篇论文的重要贡献在于提出了一种创新的NoC映射算法，它利用自适应模拟退火策略，克服了传统方法的局限，实现了更高效的系统性能优化。这对于当前高性能、低能耗的片上多核系统设计具有重要的理论价值和实践意义，为NoC系统的设计者提供了一种新颖且高效的解决方案。