본 논문에서는 다목적 진화 알고리즘 프레임워크를 기반으로 데이터 플로우 그래프로 기술된 응용의 태스크 병렬성, 데이터 병렬성, 시간 병렬성을 모두 고려하여 멀티 프로세서 시스템-온-칩 애플리케이션을 매핑하고 스케줄하는 기술을 제안하였다. 특히 태스크의 내부 및 외부 데이터 병렬성을 모두 활용하여 기존 연구들의 결과보다 향상된 처리량과 문제 공간 탐색 능력을 얻을 수 있었다. 또한 다목적 진화 알고리즘의 도입으로 두 개 이상의 목적 함수를 동시에 효율적으로 최적화할 수 있었다. 실제적인 예제들을 통하여 제안하는 기법이 해집합의 최적성과 다양성 면에서 우수함을 보였다.
We propose a technique based on a multi-objective evolutionary algorithm framework to map and schedule a dataflow model onto a multiprocessor architecture, considering task parallelism, data parallelism, and pipelining simultaneously. In particular, we consider both internal and external data parallelism of tasks to improve the throughput performance further than the previous work. The proposed technique optimizes more than one objective in a single optimization run through multi-objective evolution algorithm. With realistic examples, experimental results confirm the viability of the proposed technique both in optimality and diversity of optimal solutions.
