基于二分匹配和强化学习的NoC(片上网络)多处理器阵列容错拓扑重构框架
《ACM Transactions on Architecture and Code Optimization》:Fault-Tolerant Topology Reconfiguration Framework for NoC-Based Multiprocessor Arrays via Bipartite Matching and Reinforcement Learning
【字体:
大
中
小
】
时间:2026年08月30日
来源:ACM Transactions on Architecture and Code Optimization 2.9
摘要 AI摘要
要查看此由AI生成的摘要,您必须具有高级访问权限。
摘要 摘要 随着基于片上网络(NoC)的多处理器阵列持续扩展,处理单元(PEs)中的永久性故障日益威胁系统的可靠性和性能。拓扑重新配置已成为通过恢复逻辑连接的容错关键机制。然而,现有的基于启发式的方法往往难以在通信效率、负载分布和重新配置开销之间取得平衡,尤其是在高故障密度的情况下。为了解决这些限制,本文提出了KM-RL,这是一个两阶段的容错重新配置框架,它结合了两分匹配和强化学习来优化PE的分配和迁移。在第一阶段,将冗余PE分配给故障PE的问题被构建为一个加权二分匹配问题,并使用Kuhn-Munkres算法进行最优求解,随后通过布局优化策略来改善负载平衡。第二阶段采用Q学习来指导迁移规划,从而减少路径长度并缓解网络拥塞。大量实验表明,KM-RL在各种阵列大小和故障密度下都显著优于现有方法。静态评估表明,KM-RL生成的拓扑具有更低的拥塞率和更短的路径长度,而动态模拟则显示出更优的通信性能,同时重新配置时间缩短了99.8%。该框架为基于NoC的多处理器阵列中的容错通信提供了理论和实践支持。
AI摘要 AI生成的摘要(实验性) 此摘要是使用自动化工具生成的,并非由文章作者编写或审核。它旨在帮助读者理解文章内容,评估其相关性,并协助来自相关研究领域的读者理解工作。它旨在补充作者提供的摘要,后者仍然是文章的官方摘要。完整文章是权威版本。点击此处了解更多关于ACM AI摘要的信息 。
点击此处 对摘要的准确性、清晰度和实用性进行评论。您的反馈将有助于改进未来的版本。
要查看此由AI生成的简化语言摘要,您必须具有高级访问权限。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号