Skip navigation
Use este identificador para citar ou linkar para este item: http://repositorio2.unb.br/jspui/handle/10482/47697
Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
2019_JesséBarretodeBarros.pdf6,51 MBAdobe PDFVisualizar/Abrir
Título: Employment of parameter adaptive techniques to bio-inspired meta-heuristics for mapping real-time applications onto NoC based MPSoCs
Autor(es): Barros, Jessé Barreto de
Orientador(es): Llanos Quintero, Carlos Humberto
Assunto: Rede intra-chip (NoC)
Sistemas em tempo-real
Otimização
Data de publicação: 6-Fev-2024
Referência: BARROS, Jessé Barreto de. Employment of parameter adaptive techniques to bio-inspired meta-heuristics for mapping real-time applications onto NoC based MPSoCs. 2019. 203 f., il. Dissertação (Mestrado em Sistemas Mecatrônicos) — Universidade de Brasília, Brasília, 2019.
Resumo: O problema de mapear tarefas de uma aplicação em tempo-real (RTA) em uma plataforma com múltiplos processadores no mesmo chip do tipo (MPSoC) que utiliza uma rede intra-chip (NoC) como arquitetura de comunicação pode ser abordado como um problema de otimização que possui o intuito de melhorar características do design do sistema utilizando uma análise estática. Exemplos de característica que se deseja que sejam melhoradas são a conformidade do sistema com as suas restrições temporais e o use dos seus recursos. Uma meta-heurística bio-inspirada, como o Algoritmo Genético (GA) pode obter mapeamento de tarefas no qual todas as tarefas da aplicação são agendadas. Além disso, no contexto de meta-heurísticas, algoritmos que incorporam técnicas adaptativas para os seus parâmetros e operadores são capazes de mudar os seus mecanismos de busca baseando-se no problema que está sendo otimizado com o intuito de simultaneamente buscar por soluções ótimas para o problema utilizado e por parâmetros melhores. Essas características permitem que meta-heurísticas que empregam esses mecanismos de mitigar a necessidade de um estágio para configurar os seus parâmetros e melhorar os seus desempenhos. Em luz dessas informações, esse trabalho visa efetuar um estudo para explorar múltiplos técnicas de adaptação para meta-heurísticas bio-inspiradas e empregá-las no desenvolvimento de novas versões adaptativas de meta-heurísticas como o GA, o algoritmo de otimização por enxame de partículas (PSO), e o algoritmo de evolução diferencial (DE). Essas novas meta-heurísticas são subsequentemente aplicadas em múltiplas instâncias do problema de mapeamento de tarefas de uma RTA em uma plataforma do tipo MPSoC que usa NoC utilizando funções com um único ou múltiplos objetivos. Em adição à aplicação dessas meta-heurísticas, esse trabalho também apresenta uma comparação estatística para verificar os seus desempenhos. O experimento onde esse estudo estatístico é aplicado foi conduzido para utilizar as meta-heurísticas desenvolvidas nesse trabalho e também as suas versões originais em múltiplas configurações do problema de mapeamento utilizando plataformas MPSoC com diferentes tamanhos e uma RTA utilizada como benchmark com RTA geradas de forma sintética. Os resultados obtidos indicam que, para o conjunto de problemas avaliados, meta-heurísticas com técnicas adaptativas são capazes de alcançar melhores resultados, na média, do que as suas versões sem esquemas de adaptação. Outra contribuição desse trabalho é o desenvolvimento de um plataforma de software orientado a objetos em C++ cuja aplicação não se restringe ao problema de mapeamento de tarefas e pode ser utilizado em outros problemas de otimização como a lista de funções de otimização de benchmark.
Abstract: The task mapping of a Real-Time Application (RTA) onto a Many-/Multi-Processor Systemon- a-Chip (MPSoC) with a Network-on-a-Chip (NoC) as on-chip communication architecture can be tackled as an optimization problem to improve desired design features in a static analysis setting. Examples of such features are the system compliance to its time requirements and its resource usage. A search-based bio-inspired meta-heuristic such as the Genetic Algorithm (GA) is capable of achieving task placement solutions in which all tasks are schedulable. Also, in the context of meta-heuristics, algorithms that incorporate adaptive techniques for their parameter values and operators are capable of changing their internal search mechanisms based on the problem at hand to simultaneously search for optimal solutions for the problem at hand and more suitable parameters for the meta-heuristic. These characteristics allow meta-heuristics that employ these mechanisms to mitigate their necessity for a parameter tuning stage and an increase in performance. In light of this information, this work intends to perform a study to explore adaptive techniques for bio-inspired meta-heuristics and employ them in the development of new adaptive versions of bio-inspired meta-heuristics such as GA, Particle Swarm Optimization (PSO), and Differential Evolution (DE). These novel meta-heuristics are then applied on different instances of task mapping of RTA onto MPSoC platforms with NoC using single-/multi-objective functions. Additional to the application of these new meta-heuristics, this work also presents a statistical comparison study to assess their performance. The experiments in which this statistical study was conducted uses meta-heuristics developed in this work together with their original counterparts in multiple settings of the task mapping problem using platforms with different sizes and a benchmark RTA jointly with synthetic generated ones. The results obtained indicate that, for the set of problems used, meta-heuristics with adaptive techniques are capable of achieving better performance, on average, than their original counterparts. Another contribution of this work is the development of an object-oriented software framework in C++ with use not limited to the task mapping problem and can be used to other optimization problems such as the list of benchmark optimization functions.
Unidade Acadêmica: Faculdade de Tecnologia (FT)
Departamento de Engenharia Mecânica (FT ENM)
Informações adicionais: Dissertação (mestrado) — Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Mecânica, Programa de Pós-Graduação em Engenharia Mecânica, 2019.
Programa de pós-graduação: Programa de Pós-Graduação em Engenharia Elétrica
Aparece nas coleções:Teses, dissertações e produtos pós-doutorado

Mostrar registro completo do item Visualizar estatísticas



Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.