ارائه يك الگوريتم مسيريابي شبكه روي تراشه به منظور كاهش مصرف انرژي و افزايش قابليت اطمينان به كمك شبكه عصبي فازي و برنامه نويسي ژنتيك

Providing a Routing Algorithm in Network on Chip to Reduce Energy Consumption and Increase Reliability with Fuzzy Neural Network and Genetic Programming

شبكه­ روي تراشه (NOC) مجموعه­اي از تكنيك­ها و ابزارها در زمينه طراحي شبكه و ب­كارگيري آن­ها براي طراحي سامانه بر روي تراشه (SOC) را شامل مي ­شود. كارايي، نوع و ابعاد توپولوژي بطور گسترده‌اي وابسته به روش سوئيچينگ و الگوريتم ­هاي مسيريابي ب­كار رفته در آن شامل قطعي يا وفقي است. در اين مقاله با استفاده از تكنيك­ هاي زمان­بندي سرويس و برنامه­ نويسي ژنتيك به ترتيب ورود، نوبت گردش داده­ ها بر روي شبكه­ هاي مبتني بر تراشه انتخاب شده و با استفاده از سامانه فازي عصبي تعريف­شده، يك الگوريتم مسيريابي تقريبا وفقي براي NOC دو­­بعدي ارائه مي­شود كه قادر به افزايش كارآيي، كاهش توان مصرفي و افزايش قابليت اطمينان مي ­باشد. در الگوريتم پيشنهادي، ميانگين تاخير در شرايط مختلف بار ترافيكي كه هر بسته با آن مواجه مي­شود، به مراتب كمتر از الگوريتم‌هاي مشابه است. نتايج بهبود نسبتا خوبي در زمينه تغيير روش مسيريابي را نشان مي­ دهند كه اين روش را قابل استفاده و حتي قابل رقابت با ديگر روش­ هاي موجود و موفق در زمينه مسيريابي قرار مي­ دهد، به نحوي كه وقتي گره ­ها ثابت هستند، حدود ‌6 درصد به طول عمر شبكه افزوده شده است.

Abstract: Network On-Chip (NOC) includes a set of techniques and tools in the field of network design and their application to design System On-Chip (SOC). The performance, type, and dimensions of the topology are largely dependent on the switching method and the routing algorithms used in it, including deterministic or adaptive. In this paper, using service scheduling techniques and genetic programming in order of entry, round robin of data on selected chip-based networks and using a defined neural fuzzy system, an almost adaptive routing algorithm for two-dimensional NOC is presented. It is able to increase efficiency, reduce power consumption and increase reliability. In the proposed algorithm, the average latency in different traffic load conditions faced by each packet is much less than similar algorithms. The results show a relatively good improvement in routing modification, which makes this method usable and even competitive with other existing and successful routing methods, so that when the nodes are fixed, about %6 life network has been added.