脉动阵列变换搜索策略及自动化算法.docVIP

脉动阵列变换搜索策略及自动化算法 　　摘要:对于多重循环中,当内层迭代的上下界为外层迭代的仿射函数时,介绍了搜索脉动变换的一个优化策略和相应的自动化算法#65377; 　　关键词:脉动阵列; 超多面体; 仿射变换; 算法划分 　　中图分类号:TP3016文献标志码:A 　　文章编号2007 　　脉动阵列由许多互连的#65380;功能相对简单的处理单元(PE)构成,将数值算法映射到脉动阵列上以充分发掘其并行潜力是十分关键的#65377;目前,主要采用由Moldovan[1,2]提出的映射算法#65377;但这种算法中,采用的变换过程必须穷尽搜索全部可行解空间,产生很大的计算复杂性,并且给综合的自动化过程带来了很大困难#65377;由王树义等人[3,4]提出的算法(以下称为W算法)给出了新的快速搜索算法,但这种算法主要是针对迭代指标为定值,迭代空间为超正方体的情况#65377;本文针对更一般的情况,即迭代空间为超多面体的情况提出了一种搜索策略,采用筛法预先确定变换S对应的PE个数,取得了很好的效果,使搜索效率得到了很大的提高#65377;?? 　　 　　1映射算法简介?? 　　 　　1.1Moldovan映射算法?? 　　在Moldovan的方法中,一个多重循环算法由五元组A={Jn,C,D,X,Y}描述#65377;其中Jn是下标集合,C是计算的集合,D是数据相关向量的集合,X和Y分别是输入/输出变量的集合#65377;这种方法寻找非奇异变换T=π??S,使得对每个j∈Jn,πj决定下标为j的计算执行时间,S j决定执行位置,即脉动阵列中PE的坐标#65377;?? 　　如果用矩阵P表示对角互连网络,非负整数矩阵K表示在要使用的P中互连,则T要满足:①πd0,d∈D;②SD=PK;③∑kji≤πd,kji是矩阵K的元素#65377;满足上述三个条件的非奇异矩阵称为算法A的脉动变换#65377;?? 　　 　　1.2W的改进搜索算法?? 　　定义1设变换S=s11s12s13??s21s22s23#65377;令A=s12s13??s22s23,B=s13s11??s23s21,C=s11s12??s21s22, f=gcd(|A|,|B|,|C|),a=A/f,b=B/f,c=C/f,称a#65380;b#65380;c为变换S的方向向量#65377;?? 　　变换S的方向向量实际就是空间直线S j=0的方向向量,但要求a#65380;b#65380;c互素#65377;?? 　　根据S的定义,满足S j=n1??n2的所有下标点j∈J3都将在同一PE处计算#65377;方程S j=n1??n2表示一条空间直线,其方向向量为a#65380;b#65380;c#65377;当n1#65380;n2独立变化时,这个方程表示一族平行的空间直线L,所以变换S决定的脉动阵列中PE个数,就等于直线族L通过J3中点的直线数#65377;?? 　　下面是变换S和S确定的阵列中PE个数的关系#65377;?? 　　定理1设变换S的方向数是a#65380;b#65380;c,则由S确定的脉动阵列PE个数为?? 　　#PE= 　　N1N2N3|a|≥N1或|b|≥N2或|c|≥N3?? 　　N1N2N3-(N-|a|)(N-|b|)(N-|c|)否则(1)?? 　　证明略,见文献[5]#65377;?? 　　根据定理1知,变换S每行的三个元素应该互素,并且要使#PE尽可能小,应该使变换S的方向数绝对值尽可能小#65377;?? 　　定理2给定方向数a#65380;b#65380;c,设η1,η2,η3是三个与[a,b,c]正交的向量#65377;令?? 　　S*=λ11η1+λ12η3?? 　　λ21η2+λ22η3(2)?? 　　其中,λ11#65380;λ12#65380;λ21#65380;λ22是变量,则方程SD=PK有方向数为a#65380;b#65380;c的解S的充分必要条件是方程S*D=PK有解λ11#65380;λ12#65380;λ21#65380;λ22使S*的秩为2#65377;?? 　　定理证明见文献[5]#65377;?? 　　 　　2迭代空间为超多面体的优化搜索算法?? 　　 　　上面介绍的L方法主要是针对迭代空间为超立方体的情况#65377;本文提出了一种针对迭代空间为超多面体的情况的启发式搜索算法#65377;?? 　　 　　2.1问题分析?? 　　当多重循环中内层指标的上下界为外层指标向量的仿射函数时,迭代空间为任意多面体#65377;以下假设算法的下标集合维数为3,结论与方法对任意n都成立#65377;为