[发明专利]一种基于增长型环形SOM神经网络的片上光网络映射方法

说明书

本发明公开了一种基于增长型环形SOM神经网络的片上光网络映射方法，包括：获取核图中的IP核连通关系矩阵和网络拓扑中的节点通信损耗矩阵；利用节点通信损耗矩阵中的行向量对增长型环形SOM神经网络进行训练，获得经训练的增长型环形SOM神经网络；利用经训练的增长型环形SOM神经网络分别获取节点通信损耗矩阵中每个行向量的获胜神经元索引号以及IP核连通关系矩阵中每个行向量的获胜神经元索引号；根据IP核连通关系矩阵的获胜神经元索引号和节点通信损耗矩阵的获胜神经元索引号获得核图中IP核与网络拓扑节点之间的映射矩阵。本发明通过自适应方式在保证结果稳定的条件下降低了映射方法复杂度，减少了求解时间。

技术领域

本发明属于片上网络技术领域，具体涉及一种基于增长型环形SOM (Self-Organizing Map，自组织映射)神经网络的片上光网络映射方法。

背景技术

片上光网络具有高带宽、快传输速率和抗干扰等许多传统电互连不可比拟的优点，是未来超大规模集成电路的一个发展方向。在片上光网络中，映射是需要关注的一个关键方面；在满足一定映射要求的前提下，映射将核图中的IP核和拓扑中的节点进行对应。IP核映射在网络拓扑中的位置会极大地影响网络的性能，因此，如何在满足一定性能需求的前提下、将核图中的IP核合理地映射到网络拓扑中是需要解决的问题。

现有的映射算法主要可使用精确算法和群智能类、模拟退火、遗传等启发式算法。然而，现有的算法计算复杂度较高、求解时间较长、且容易陷入局部最优解。

发明内容

为了解决现有技术中存在的上述问题，本发明提供了一种基于增长型环形SOM神经网络的片上光网络映射方法。本发明要解决的技术问题通过以下技术方案实现：

本发明提供了一种基于增长型环形SOM神经网络的片上光网络映射方法，包括：

S1：获取核图中的IP核连通关系矩阵和网络拓扑中的节点通信损耗矩阵；

S2：利用所述节点通信损耗矩阵中的行向量对增长型环形SOM神经网络进行训练，获得经训练的增长型环形SOM神经网络；

S3：利用所述经训练的增长型环形SOM神经网络分别获取节点通信损耗矩阵中每个行向量的获胜神经元索引号以及IP核连通关系矩阵中每个行向量的获胜神经元索引号；

S4：根据IP核连通关系矩阵的获胜神经元索引号和节点通信损耗矩阵的获胜神经元索引号获得核图中IP核与网络拓扑节点之间的映射矩阵。

在本发明的一个实施例中，所述S2包括：

S21：对所述节点通信损耗矩阵S进行抽象化转换，转化为网络拓扑中每个节点对应的特征向量；

S22：将网络拓扑中每个节点对应的特征向量依次输入所述增长型环形 SOM神经网络中以对所述增长型环形SOM神经网络进行训练。

在本发明的一个实施例中，所述S22包括：

S221：对所述增长型环形SOM神经网络的参数进行初始化；

S222：将所述S21中获得的节点通信损耗矩阵S的特征向量输入至所述增长型环形SOM神经网络的输入层，分别计算竞争层每个神经元的权值向量以及输入特征向量的欧式距离；

S223：根据所述欧式距离选择获胜神经元并对获胜神经元及其左右邻域神经元的权值向量进行更新；

S224：继续输入节点通信损耗矩阵S的其余特征向量，重复步骤S222- S223完成一次迭代；

S225：迭代预定次数之后，在所述竞争层中增加新神经元并获得新神经元的权值向量；