کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
6904370 | 1446998 | 2018 | 14 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Evolutionary design of the memory subsystem
ترجمه فارسی عنوان
طراحی تکاملی زیرسیستم حافظه
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
ترجمه چکیده
ما در مورد بهینه سازی کل سیستم حافظه با سه رویکرد یکپارچه به عنوان یک روش واحد پاسخ می دهیم. اولا، تاثیر حرارتی فایل ثبت شده، تحلیل و بهینه سازی می شود. در مرحله دوم، حافظه پنهان با بهینه سازی پیکربندی حافظه پنهان با توجه به برنامه های در حال اجرا و بهبود عملکرد و مصرف انرژی مورد توجه قرار می گیرد. در نهایت، ما فرآیند طراحی و ارزیابی مدیریت عمومی حافظه پویای عمومی و سفارشی را در حافظه اصلی ساده می کنیم. برای این منظور، الگوریتم های تکاملی مختلفی را در ترکیب با شبیه سازهای حافظه و ابزارهای پروفایل استفاده می کنیم. به این ترتیب، ما قادر به ارزیابی کیفیت هر یک از راه حل های کاندیدا هستیم و از اکتشاف راه حل های ارائه شده توسط الگوریتم بهینه سازی استفاده می کنیم. ما همچنین یک تجربه تجربی را ارائه می دهیم که در آن پیشنهاد ما با استفاده از معیارهای معروف مورد ارزیابی قرار می گیرد.
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
نرم افزارهای علوم کامپیوتر
چکیده انگلیسی
We address the optimization of the whole memory subsystem with three approaches integrated as a single methodology. Firstly, the thermal impact of register file is analyzed and optimized. Secondly, the cache memory is addressed by optimizing cache configuration according to running applications and improving both performance and power consumption. Finally, we simplify the design and evaluation process of general-purpose and customized dynamic memory manager, in the main memory. To this aim, we apply different evolutionary algorithms in combination with memory simulators and profiling tools. This way, we are able to evaluate the quality of each candidate solution and take advantage of the exploration of solutions given by the optimization algorithm. We also provide an experimental experience where our proposal is assessed using well-known benchmark applications.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Applied Soft Computing - Volume 62, January 2018, Pages 1088-1101
Journal: Applied Soft Computing - Volume 62, January 2018, Pages 1088-1101
نویسندگان
Josefa DÃaz Álvarez, José L. Risco-MartÃn, J. Manuel Colmenar,