10.3969/j.issn.1006-9348.2020.02.044
基于机器学习的软件模块访存压力优化仿真
采用当前方法对软件模块访存压力进行优化时,优化后的软件模块带宽较高、数据传输延时高,存在有效性差的问题.将机器学习应用在软件模块的访存压力优化过程中,提出基于机器学习的软件模块访存压力优化方法.计算链路的使用率,并将计算结果传送到每条流对应的发送端中,发送端根据接收到的信息对发送速率进行调整,实现拥塞控制.采用多目标规划方法,根据预算值和实际值之间存在的偏差,构建软件模块访存压力优化模型,通过二进制粒子群算法对软件模块访存压力优化模型进行求解,实现软件模块访存压力的优化.仿真结果表明,所提方法的带宽高、数据传输延时小,验证了基于机器学习的软件模块访存压力优化方法的有效性.
机器学习、软件模块、访存压力、压力优化、拥塞控制
37
TP311(计算技术、计算机技术)
2020-05-11(万方平台首次上网日期,不代表论文的发表时间)
共5页
212-215,274