Dynamic and Distributed Optimization of MPSoC Architectures Using Game Theory

La complexité des Systèmes-sur-Puce (SoCs) a exponentiellement augmenté, les technologies de pointe ne garantissent plus la stabilité des paramètres, et les contraintes des applications obligent à améliorer la performance architecturale. Nous considérons des SoCs intégrant plusieurs éléments de traitement (MPSoCs). Ces plates-formes sont conçues pour traiter des applications avec plusieurs contraintes, telles que télécom et multimédia. L'adaptabilité dynamique est alors obligatoire pour optimiser la puissance consommée face aux changements du système, par exemple l'évolution d'une application à une autre. L'optimisation distribuée est nécessaire pour assurer l'adaptabilité. L'absence des techniques dynamiques et distribuées pour les MPSoCs nous a conduits à proposer un modèle où chaque processeur peut prendre des décisions locales. Nous employons la théorie des jeux pour décrire l'optimisation distribuée. Les processeurs sont considérés comme joueurs essayant de trouver la meilleure configuration dans un jeu non coopératif, en optimisant plusieurs métriques (performance, puissance, latence, température). La théorie des jeux donne un ensemble de formalismes pour étudier la convergence d'un tel système vers une solution optimale ou quasi-optimale. Basé sur ces concepts, nous présentons une technique innovatrice pour optimiser les MPSoCs d'une manière distribuée et dynamique. Nos analyses vérifient l'adéquation d'un tel modèle pour décrire les MPSoCs. Une implémentation matérielle a été proposée et évaluée. Cette implémentation vise à proposer un bloc distribué et scalable avec une basse complexité capable d'être intégré dans de futures architectures MPSoCs adaptativesComplexity of Systems-on-Chip (SoCs) has exponentially increased, advanced technologies do not guarantee anymore the stability of parameters, and the application requirements oblige to improve architectural performance. We consider SoC integrating several processing elements (MPSoCs). These platforms are designed to support multiple constrained applications, such as telecom and multimedia. Dynamic adaptability is then mandatory to optimize performance and power consumption face to changes in the system, for instance the evolution from one application to another. Distributed optimization is required to provide scalability. The absence of dynamic and distributed adaptive techniques for MPSoCs led us to propose a model where each processor is able to make local decisions. We use Game theory to describe distributed optimization. Processors are considered as players trying to find the best configuration in a non-cooperative game, optimizing several metrics (performance, power consumption, latency, temperature). Game theory gives a set of formalisms to study the convergence of such a system towards an optimal or quasi-optimal solution. Based on these concepts, we present an innovative technique to optimize MPSoCs in a distributed and dynamic way. Our analyses prove the adequacy of such a model to describe MPSoCs. A hardware implementation was proposed and evaluated. This implementation aims at proposing a scalable distributed block with low complexity able to be integrated within future adaptive MPSoC architecturesMONTPELLIER-BU Sciences (341722106) / SudocSudocFranceF