随着片上网络的快速发展,在片上网络系统芯片上能集成更多的处理单元(也称为IP核)。片上系统处理器结构逐渐朝着多核化和异构化的方向发展。虽然异构多核的片上网络可以更好的满足需求,加快执行速度和提高性能,但随着核数的增多片上网络系统的功耗却成为一个不容忽视的问题,因为其限制了系统性能的进一步提高和片上系统核数的集成,同时也降低了芯片的使用期限,影响芯片运行的稳定性。此外,对能耗性能要求较高的可移动设备更是个关键的问题。根据异构多核的片上系统中不同的处理单元对不同任务执行的性能和功耗不同,只要能把任务分配到擅长处理该任务的处理单元上时,并根据需求选择合适的拓扑通信结构后把处理单元分配到对应的拓扑节点上,就能很好的提高系统的性能并降低系统的执行和通信功耗。但由于片上网络任务分配和映射属于NP难问题,因此如何实现低功耗映射是目前的研究重点和难点。为此,本文提出一种基于量子蚁群映射的算法来实现异构多核的片上网络系统中应用的任务分配和IP核映射问题并实现应用执行和任务通信功耗最小化问题。该算法通过改变基本蚁群算法中信息素的释放方式,采用量子优化算法中的量子概率幅来代替信息素,而信息素的更新则是通过使用量子优化算法中的量子相位旋转的方式,实现算法中蚂蚁信息素的自适应更新。通过这种方法可以有效的降低在使用蚁群算法时算法容易早熟收敛的情况,加大算法的搜索空间,利于跳出局部最优解。通过使用本文提出的量子蚁群映射算法与蚁群映射算法、粒子群映射算法和遗传映射算法对产生的应用任务通信图作仿真实验进行对比研究,分别对算法映射结果得到的最低总功耗、执行相同次数得到的平均功耗、得到最低功耗下任务的执行时间、算法执行的收敛情况、拓扑结构上的节点功耗和算法执行相同时间下最低功耗情况的多个方面进行比较,根据实验结果都可得出该算法在快速搜索、全局寻优、实现低功耗和时间性能等指标都明显优于给出的对比映射算法。在仿真实验中可得出在迭代次数较少的情况下提出的算法其对总功耗的优化率可达到24%以上。