عنوان پایان‌نامه
کاهش فضای طراحی در سیستم های چند پردازنده بر روی تراشه با استفاده از الگوریتم های بهینه سازی چند هدفه
- رشته تحصیلی
- مهندسی کامپیوتر-معماری کامپیوتر
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس 2 فنی شماره ثبت: E 2437;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 62750
- تاریخ دفاع
- ۰۴ مهر ۱۳۹۱
- دانشجو
- فاضله حجاری طاهری
- استاد راهنما
- سیدامید فاطمی
- چکیده
- در دهه اخیر حرکت جامعه ی معماری کامپیوتر به سمت سیستم های چندهسته ای جهت غلبه بر رشد روزافزون تقاضای کارایی و محدودیت های چگالی توان در حال جریان است. یکی از مراحل اصلی در طراحی سیستم ها کاوش فضای طراحی می باشد که طی آن، پیکربندی های بهینه با توجه به چند معیارسیستم از بین تمام پیکربندی های ممکن یک سیستم پیدا می شوند و طراح می تواند مصالحه مناسبی را بین چند معیار در تضاد سیستم داشته باشد و برطبق نیازمندی های کاربرد موردنظر، پیکربندی مناسب را انتخاب نماید. تعداد زیاد پارامترها و جنبه های پیچیده طراحی در سیستم های چندهسته ای که منجر به فرآیند کند و زمانبر شبیه سازی هر یک از نقاط فضای طراحی می گردد، پروسه کاوش فضای طراحی در این دنیای جدید را چالش برانگیزتر نموده است. در این پژوهش یک روش برای مواجه با دو مسئله موازی کاوش فضای طراحی یعنی ارزیابی یک نقطه از فضای طراحی و پوشش کل فضای طراحی برای رسیدن به منحنی پارتو؛ در سیستم های چندهسته ای پیشنهاد شده است. از آنجا که ارزیابی به وسیله شبیه سازی های زمانبر در این سیستم ها دیگر ممکن نیست، روش پیشنهادی از رگرسیون برای مدل نمودن کارایی و توان یک سیستم چند هسته ای همگون جهت ارزیابی نقاط طراحی استفاده می نماید. در حالیکه هدف کارهای قبلی بیشتر توسعه یک مدل دقیق برای تخمین کارایی و توان و البته با تعداد شبیه سازی های بالاتر می باشد، مدل ما از این حقیقت سرچشمه می گیرد که هدف نهایی کاوش فضای طراحی رسیدن به منحنی پارتو می باشد و این منحنی می تواند به جای مقدار دقیق معیارهای سیستم بر مبنای روند تغییرات این معیارها حاصل گردد. از این رو با استفاده از حداقل تعداد مورد نیاز نمونه شبیه سازی شده برای ایجاد مدل رگرسیون چندگانه نشان می دهیم که مدل های پیشنهادی علیرغم دقت نسبی قابل قبول به خوبی روند تغییرات معیارهای سیستم را نیز دنبال می نمایند. همچنین در این روش به عنوان متد پوشش دهی فضای طراحی، استفاده از الگوریتم تکاملی SPEA پیشنهاد شده است. در این الگوریتم پس از پیاده سازی فضای طراحی مورد نظر، از مدل های ایجادشده در مرحله قبل، جهت ارزیابی نقاط استفاده می گردد. نتایج آزمایشات بر روی چهار کاربرد SPLASH2 نشان می¬دهد که روش پیشنهادی از لحاظ دقت، یکنواختی و پراکندگی نقاط منحنی پارتوی حاصل از عملکرد کارآمدی برخوردار است و در مقایسه با روش مبتنی بر شبیه سازی در حدود 8/99 درصد صرفه جویی در زمان دارد.
- Abstract
- In the last decade the computer architecture community moved to multi-core era to overcome the ever increasing performance demand and power density limitation. Design space Exploration (DSE) is the key step in design process. DSE finds optimal configurations among all configurations of system and designer can have suitable tradeoffs in terms of design criteria and select an appropriate configuration according to the application requirements. DSE becomes more challenging as the number of parameters and design aspects increased in multi-core system era. In this research, a method to tackle with two parallel DSE steps in multi-core systems is proposed: evaluating a single design point, and covering the entire design space to reach the Pareto curve. As evaluation cannot be done by costly simulation anymore, the developed method employs regression to model the performance and power of a symmetric multi-core for evaluating design points. While the goal of previous works is mostly developing an accurate model for performance or power estimation (with greater number of simulations), our models exploit the fact that a Pareto curve can be obtained based on design criteria trends rather than their precise values. Hence using minimum required number of samples for constructing multiple regression models, we show that the obtained models track the trends of system criteria besides the acceptable relative accuracy. We also propose the use of SPEA as a coverage method which is assisted by constructed models. Experimental results on the set of 4 applications derived from the SPLASH-2 benchmark suite indicate that the proposed method achieve an efficient Pareto curve in terms of accuracy, uniformity and extent. It also has 99.8% time saving in contrast with simulation-based results.
