(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111553583.7 (22)申请日 2021.12.17 (71)申请人 广东工业大 学 地址 510062 广东省广州市越秀区东 风东 路729号 (72)发明人 陈嘉松　熊晓明　蔡述庭　高怀恩　 詹瑞典　 (74)专利代理 机构 广东广信君达律师事务所 44329 代理人 戴绪霖 (51)Int.Cl. G06F 15/78(2006.01) G06K 9/62(2022.01) G06N 20/00(2019.01) (54)发明名称 一种三维片上网络 拓扑结构设计方法 (57)摘要 本发明公开了一种三维片上网络拓扑结构 设计方法， 包括以下步骤： 确定网络规模参数和 目标应用流量特性； 根据网络规模参数进行三维 小世界片上网络拓扑结构的初始化， 并计算相应 的网络通信频率； 针对单个目标应用、 多个目标 应用的情况， 分别进行局部搜索和全局搜索， 直 至产生符合 设计需求的设计， 得到设计好的三维 小世界片上网络拓扑结构。 本发 明利用局部搜索 产生的数据， 基于随机森林回归学习预测函数， 并使用预测函数评估备选起始设计的搜索结果， 智能地选 择下一个起始设计， 大大提高了搜索效 率， 进而产生更优的搜索结果； 本发明考虑多个 应用场景， 通过PHV评价指标对帕累托前沿进行 评估， 不断改进帕累托前沿， 最终产生适用于多 应用场景 下的设计 。 权利要求书2页 说明书7页 附图2页 CN 114116599 A 2022.03.01 CN 114116599 A 1.一种三维片上网络 拓扑结构设计方法， 其特 征在于， 包括以下步骤： 确定网络规模参数和目标应用流 量特性； 根据网络规模参数进行三维小世界片上网络拓扑结构的初始化， 并计算相应的网络通 信频率； 针对单个目标应用、 多个目标应用的情况， 分别进行局部搜索和全局搜索， 直至产生符 合设计需求的设计， 得到设计好的三维小世界片上网络 拓扑结构。 2.根据权利要求1所述的三维片上网络拓扑结构设计方法， 其特征在于， 所述确定网络 规模参数和目标应用流 量特性， 包括： 网络规模参数包括网络通信节点数N、 网络层数T和链路总数L； 目标应用流量特性为运 行目标应用时网络中各通信节点之间的通信量； 目标应用可以为单个也可以为多个。 3.根据权利要求1所述的三维片上网络拓扑结构设计方法， 其特征在于， 初始化后的三 维小世界片上网络在平 面层上采用小世界连接方式， 在垂 直方向上通过TSV进 行层间连接； 根据目标应用流量特性， 计算相应的网络通信频率fij； fij表示网络通信节点i和j之间的通 信频率， i,j表示 不同的通信节点。 4.根据权利要求1所述的三维片上网络拓扑结构设计方法， 其特征在于， 针对单个目标 应用进行局部 搜索， 包括： 对于单个目标应用的情况， 从起始设计开始， 使用贪婪搜索算法从邻近设计中随机选 取一部分进行遍历， 搜索使设计目标值O最小化的最优邻近设计； 所述设计目标值O定义 为： 其中， N为网络通信节点数， m为路由器阶段数， hij为网络通信节点i和j之间的跳数， dij 为网络通信节点 i和j之间的通信距离， fij为网络通信节点 i和j之间的通信频率。 5.根据权利要求1所述的三维片上网络拓扑结构设计方法， 其特征在于， 针对多个目标 应用进行局部 搜索， 包括： 为解决这种多个设计目标情况 下， 不同设计无法比较的情况， 引入以下概念： 非支配设计， 在最小化设计目标情况下， 若设计A， B满足： 且 则设计B受A支配； 帕累托前沿， 帕累托前沿由所有设计中的非支配设计 组成； PHV值， PHV是目标空间中帕累托前沿所围成的超容量； 其中， Om(A)、 Om(B)分别表示在 设计目标Om下设计A的设计目标值、 设计B的设计目标值； 所述目标空间由设计目标值的所 有可能取值组成； 在多个目标应用的情况下， 从起始设计开始， 从邻近设计 中随机选择一部分进行遍历， 搜索帕累托前沿的PHV值的最优值。 6.根据权利要求4或5所述的三维片上网络拓扑结构设计方法， 其特征在于， 所述邻近 设计指从起始设计出发， 对拓扑结构 中平面链路进行一次置乱后得到的设计； 所述一次置 乱的具体操作为断开 一条平面链路， 并重新连接相同长度的平面链路。 7.根据权利要求1所述的三维片上网络拓扑结构设计方法， 其特征在于， 所述全局搜 索， 包括：权　利　要　求　书 1/2 页 2 CN 114116599 A 2循环所述的局部搜索， 直至设计目标值、 帕累托前沿的PHV值不再优化， 则更新全局最 优设计、 全局帕累托前沿； 其中， 在单个目标应用下， 通过不断局部搜索， 得到最优邻 近设计及对应的设计目标值 O； 首次执行完局部搜索时， 将全局 最优设计初始化为得到的最优邻近设计； 后续的每一次 循环过程中， 如当前邻近 设计的设计目标值O优于全局最优设计的设计目标值， 则将全局最 优设计更新 为当前邻近设计； 在多个目标应用下， 通过不断局部搜索， 得到最优PHV值时的帕累托前沿； 首次执行完 局部搜索时， 将全局帕累托前沿初始 化为首次局部搜索得到最优P HV值时的帕累托前沿； 后 续的每一次循环过程中， 将当前 的循环中的帕累托前沿与当前的全局帕累托前沿合并， 得 到更新后的全局帕累托前沿。 8.根据权利要求1所述的三维片上网络拓扑结构设计方法， 其特征在于， 所述局部搜索 还包括： 采用随机森林回归， 使用局部搜索中的数据学习预测函数， 通过预测函数评估将备选 起始设计作为起始设计， 经过局部搜索之后得到的结果， 选择预测结果最好的设计作为下 一起始设计， 然后继续循环局部搜索； 其中， 预测函数为随机森林回归生成； 预测函数 的输 入为备选的起始设计， 输出为该起始设计搜索结果的预测值； 所述备选起始设计， 为局部搜 索最后一个邻近设计的近邻设计。 9.根据权利要求8所述的三维片上网络拓扑结构设计方法， 其特征在于， 用于随机森林 回归训练的数据由起始设计的特征和评价搜索结果的标签组成； 其中， 起始设计的特征包 括平均跳数、 加权通信系 数和聚类系 数共三组特征； 评价搜索结果的标签为局部搜索的结 果。权　利　要　求　书 2/2 页 3 CN 114116599 A 3