随着基于总线的片上系统(System on Chip,SoC)集成度越来越高,作为一种新的通信架构,采取全局异步局部同步的片上网络(Chip-on-Network,NoC)应用而生,解决了一系列总线式SoC带来的问题,如可靠性、功耗、扩展性等。目前,利用启发式优化算法,如蜂群算法、遗传算法等映射优化NoC的功耗,使功耗最小化,取得了较好的效果,但是也出现了一些问题,如操作的复杂度增加、跳出局部最优困难等。因此,在确保算法的速度和精度情况下,追求更低的网络功耗,寻找更高效的算法,一直是NoC设计领域的一个重点和难点。本文以NoC平台的映射算法为研究对象,针对其功耗,根据已有的网络通信模型及其相应的映射目标函数,提出了一种基于粒子群改进的片上网络低功耗映射算法(MPSO)。首先对粒子群算法进行改进,主要有:设计了基于混沌扰动的佳点集初始化粒子种群,使粒子灵活地均匀且遍历性分布在整个空间,粒子质量得到了提高;提出了整体自适应权重策略,利用佳点集的构造与空间维数无关的特性,对权重进行降维,并且使粒子的权重根据其全局最优位置和个体历史最优位置进行自适应地均衡调整,提高了算法效率;引入类电磁的局部搜索策略使其在最优粒子周围进行局部精细搜索,避免漏掉最优粒子周围的粒子,使全局和局部同时进行搜索,提高了算法的搜索效率和精度;设计了基于模糊理论的柯西变异,对处于α-截集中的粒子以概率的方式进行柯西变异,种群的多样性增加并且有利于粒子群跳出局部极值。然后利用编码策略将改进的粒子群算法用于NoC低功耗映射优化问题中,使MPSO算法可以找到最佳方案,得到更精确的解。仿真表明,与存在的遗传算法(GA)、模拟退火算法(SA)、类电磁算法(EM)优化的低功耗映射算法相比,通信流量低且功耗小,功耗分别平均降低18.23%和14.81%和9.19%。另外,算法也具有良好的稳定性。本文在确定以NoC低功耗映射算法为研究方向时,选用PSO算法并将其改进用于求解最优映射方案,进一步工作可将PSO算法应用到NoC其它性能指标,如时延、热分布等,或针对多目标的优化映射算法进行研究。