本發(fā)明涉及儲(chǔ)存芯片，尤其涉及一種基于多目標(biāo)優(yōu)化的儲(chǔ)存芯片能耗測(cè)試方法及裝置。

背景技術(shù)：

1、在現(xiàn)有的儲(chǔ)存芯片能耗測(cè)試技術(shù)中，通常面臨多個(gè)挑戰(zhàn)和局限，現(xiàn)有的測(cè)試方法往往采用單一目標(biāo)優(yōu)化策略，即通常只關(guān)注儲(chǔ)存芯片的某一方面性能，而忽略了其他性能指標(biāo)的影響，單一目標(biāo)的測(cè)試方法雖然在特定條件下獲得較好的測(cè)試結(jié)果，但由于忽視了不同測(cè)試目標(biāo)之間的相互影響，往往導(dǎo)致測(cè)試結(jié)果的準(zhǔn)確性和全面性不足，無(wú)法全面反映儲(chǔ)存芯片在實(shí)際使用中的綜合性能表現(xiàn)，此外，現(xiàn)有技術(shù)中在測(cè)試過(guò)程中的參數(shù)設(shè)定往往是靜態(tài)的，即在測(cè)試開(kāi)始前預(yù)先設(shè)定好測(cè)試參數(shù)，然后在整個(gè)測(cè)試過(guò)程中保持不變，靜態(tài)參數(shù)設(shè)定的方式，雖然簡(jiǎn)化了測(cè)試過(guò)程，但也大大降低了測(cè)試結(jié)果的適應(yīng)性和準(zhǔn)確性，尤其是在面對(duì)復(fù)雜的工作負(fù)載和環(huán)境條件變化時(shí)，靜態(tài)參數(shù)設(shè)定的測(cè)試方法無(wú)法實(shí)時(shí)調(diào)整測(cè)試策略，從而無(wú)法獲得最優(yōu)的測(cè)試結(jié)果，這使得測(cè)試結(jié)果在實(shí)際應(yīng)用中參考價(jià)值有限，

2、此外，現(xiàn)有的儲(chǔ)存芯片能耗測(cè)試技術(shù)還存在測(cè)試效率和準(zhǔn)確性之間的權(quán)衡問(wèn)題，為了獲得全面的測(cè)試數(shù)據(jù)，通常需要在多個(gè)測(cè)試條件下進(jìn)行測(cè)試，測(cè)試方法雖然可以提高測(cè)試結(jié)果的準(zhǔn)確性，但也帶來(lái)了測(cè)試時(shí)間長(zhǎng)、資源消耗大、測(cè)試成本高問(wèn)題，尤其是在面對(duì)大規(guī)模生產(chǎn)時(shí)，耗時(shí)的測(cè)試方法顯得尤為不適應(yīng)，導(dǎo)致生產(chǎn)效率的降低，現(xiàn)有技術(shù)中，雖然有部分方法嘗試通過(guò)優(yōu)化測(cè)試流程或簡(jiǎn)化測(cè)試步驟來(lái)提高測(cè)試效率，但在此過(guò)程中往往以犧牲測(cè)試結(jié)果的準(zhǔn)確性為代價(jià)，這使得在實(shí)際應(yīng)用中難以獲得全面、準(zhǔn)確的測(cè)試數(shù)據(jù)，進(jìn)一步限制了儲(chǔ)存芯片性能的優(yōu)化和提升，

3、綜上所述，現(xiàn)有儲(chǔ)存芯片能耗測(cè)試技術(shù)的主要缺陷在于難以同時(shí)兼顧能耗、性能和穩(wěn)定性多個(gè)測(cè)試目標(biāo)，且在測(cè)試過(guò)程中無(wú)法實(shí)現(xiàn)動(dòng)態(tài)參數(shù)調(diào)整，從而難以獲得全面準(zhǔn)確的測(cè)試結(jié)果，同時(shí)在測(cè)試效率和準(zhǔn)確性之間的權(quán)衡也未得到有效解決，這些問(wèn)題的存在，嚴(yán)重制約了儲(chǔ)存芯片的設(shè)計(jì)和優(yōu)化過(guò)程，影響了其在實(shí)際應(yīng)用中的性能表現(xiàn)，因此，亟需一種基于多目標(biāo)優(yōu)化的儲(chǔ)存芯片能耗測(cè)試方法和裝置，以解決現(xiàn)有技術(shù)中的上述缺陷。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的一個(gè)目的在于提出一種基于多目標(biāo)優(yōu)化的儲(chǔ)存芯片能耗測(cè)試方法及裝置，本發(fā)明有效解決了現(xiàn)有技術(shù)中存在的多目標(biāo)測(cè)試平衡、測(cè)試過(guò)程優(yōu)化及效率與準(zhǔn)確性之間的權(quán)衡問(wèn)題。

2、根據(jù)本發(fā)明實(shí)施例的一種基于多目標(biāo)優(yōu)化的儲(chǔ)存芯片能耗測(cè)試方法及裝置，包括如下步驟：

3、s1、初始化測(cè)試環(huán)境，連接儲(chǔ)存芯片并設(shè)定初始測(cè)試參數(shù)，包括電壓、電流、頻率和溫度；

4、s2、設(shè)定多目標(biāo)優(yōu)化模型和模糊邏輯系統(tǒng)，確定待優(yōu)化的多個(gè)測(cè)試目標(biāo)，測(cè)試目標(biāo)包括儲(chǔ)存芯片的能耗、性能和穩(wěn)定性；

5、s3、運(yùn)行測(cè)試程序，獲取儲(chǔ)存芯片在不同電壓、電流、頻率和溫度條件下的能耗、性能和穩(wěn)定性指標(biāo)，構(gòu)建初始測(cè)試數(shù)據(jù)集；

6、s4、利用模糊邏輯系統(tǒng)對(duì)初始測(cè)試數(shù)據(jù)集進(jìn)行處理，根據(jù)模糊規(guī)則將測(cè)試目標(biāo)轉(zhuǎn)化為模糊集合，并計(jì)算出各測(cè)試目標(biāo)的隸屬度；

7、s5、根據(jù)模糊邏輯系統(tǒng)輸出的隸屬度，通過(guò)多目標(biāo)優(yōu)化模型計(jì)算各測(cè)試目標(biāo)的優(yōu)化權(quán)重，并生成一組初始優(yōu)化參數(shù)組合；

8、s6、在初始優(yōu)化參數(shù)組合的基礎(chǔ)上，進(jìn)行測(cè)試參數(shù)的動(dòng)態(tài)調(diào)整，實(shí)時(shí)獲取調(diào)整后的測(cè)試數(shù)據(jù)，并通過(guò)模糊邏輯系統(tǒng)重新評(píng)估測(cè)試目標(biāo)的隸屬度；

9、s7、根據(jù)模糊邏輯系統(tǒng)重新評(píng)估的隸屬度，更新多目標(biāo)優(yōu)化模型中的優(yōu)化權(quán)重，生成優(yōu)化后的測(cè)試參數(shù)組合；

10、s8、重復(fù)s6和s7，直至達(dá)到預(yù)設(shè)的優(yōu)化收斂條件，生成最終的測(cè)試參數(shù)組合；

11、s9、采用最終的測(cè)試參數(shù)組合，對(duì)儲(chǔ)存芯片進(jìn)行全范圍的能耗測(cè)試，獲取最終的測(cè)試結(jié)果數(shù)據(jù)；

12、s10、對(duì)最終的測(cè)試結(jié)果數(shù)據(jù)進(jìn)行分析，通過(guò)模糊邏輯系統(tǒng)綜合評(píng)估各測(cè)試目標(biāo)的表現(xiàn)，生成儲(chǔ)存芯片的多目標(biāo)優(yōu)化測(cè)試報(bào)告。

13、可選的，所述s3具體包括以下步驟：

14、s31、初始化測(cè)試環(huán)境，連接儲(chǔ)存芯片，將儲(chǔ)存芯片置于待測(cè)狀態(tài)，并設(shè)定初始測(cè)試參數(shù)，初始測(cè)試參數(shù)包括電壓v0、電流i0、頻率f0和溫度t0；

15、s32、運(yùn)行測(cè)試程序，在初始測(cè)試參數(shù)下進(jìn)行測(cè)試，獲取儲(chǔ)存芯片的能耗數(shù)據(jù)p0、性能數(shù)據(jù)q0和穩(wěn)定性數(shù)據(jù)s0；

16、s33、重復(fù)步驟s32，在不同的電壓vi、電流ii、頻率fi和溫度ti條件下，分別獲取儲(chǔ)存芯片對(duì)應(yīng)的能耗數(shù)據(jù)pi、性能數(shù)據(jù)qi和穩(wěn)定性數(shù)據(jù)si，其中i＝1,2,3,…,n，n為測(cè)試次數(shù)；

17、s34、將獲取的能耗數(shù)據(jù)pi、性能數(shù)據(jù)qi和穩(wěn)定性數(shù)據(jù)si進(jìn)行歸一化處理，形成歸一化后的數(shù)據(jù)集{p′i,q′i,s′i}，其中，p′i、q′i和s′i分別表示不同測(cè)試條件下歸一化后的能耗、性能和穩(wěn)定性指標(biāo)數(shù)據(jù)集；

18、s35、構(gòu)建初始測(cè)試數(shù)據(jù)集d0，包括所有歸一化處理后的能耗數(shù)據(jù)p′i、性能數(shù)據(jù)q′i和穩(wěn)定性數(shù)據(jù)s′i：

19、d0＝{p′i,q′i,s′i|i＝1,2,3,…,n}。

20、可選的，所述s4具體包括以下步驟：

21、s41、構(gòu)建模糊邏輯系統(tǒng)，所述模糊邏輯系統(tǒng)包括：

22、定義模糊集合的輸入變量，基于儲(chǔ)存芯片的能耗測(cè)試目標(biāo)，確定輸入變量包括能耗p、性能q和穩(wěn)定性s，將輸入變量進(jìn)行模糊化處理，分別定義為模糊集合fx，其中x為能耗p、性能q和穩(wěn)定性s；

23、構(gòu)建模糊規(guī)則庫(kù)，根據(jù)儲(chǔ)存芯片能耗測(cè)試的經(jīng)驗(yàn)數(shù)據(jù)和技術(shù)要求，制定模糊規(guī)則：

24、ri：如果p是ai且q是bi且s是ci,則λi＝min(μp(x),μq(y),μs(z))；

25、其中，ri表示第i條模糊規(guī)則，ai、bi和ci分別是能耗、性能和穩(wěn)定性的模糊子集，λi為該規(guī)則下的隸屬度輸出值。模糊規(guī)則庫(kù)中包含多條類似的規(guī)則，用以覆蓋儲(chǔ)存芯片測(cè)試的各種可能性；

26、構(gòu)建隸屬度函數(shù)，針對(duì)每個(gè)模糊子集，定義隸屬度函數(shù)如下：

27、

28、其中，為輸入變量x在不同模糊子集中的隸屬度值，為模糊子集的權(quán)重系數(shù)，通過(guò)對(duì)模糊化后的數(shù)據(jù)進(jìn)行加權(quán)平均計(jì)算得到；

29、s42、將初始測(cè)試數(shù)據(jù)集d0輸入到已構(gòu)建的模糊邏輯系統(tǒng)的模糊化模塊中，依據(jù)模糊規(guī)則庫(kù)中的規(guī)則，將每個(gè)測(cè)試目標(biāo)轉(zhuǎn)化為相應(yīng)的模糊集合fx，并計(jì)算隸屬度：

30、

31、其中，t為對(duì)應(yīng)的輸入變量，為隸屬度值；

32、s43、在隸屬度計(jì)算模塊中，依據(jù)模糊規(guī)則庫(kù)中的模糊規(guī)則，計(jì)算模糊集合fp、fq、fs中每個(gè)元素的隸屬度值，得到隸屬度矩陣其中分別表示測(cè)試目標(biāo)p′i、q′i、s′i在不同測(cè)試條件下的隸屬度值：

33、

34、可選的，所述s5具體包括以下步驟：

35、s51、將隸屬度矩陣輸入多目標(biāo)優(yōu)化模型，所述多目標(biāo)優(yōu)化模型基于粒子群優(yōu)化算法構(gòu)建，初始化各粒子的速度和位置

36、

37、其中，表示第j個(gè)粒子的位置向量，包括初始優(yōu)化權(quán)重為速度向量，η1和ζ1為學(xué)習(xí)因子，pbest為粒子個(gè)體歷史最優(yōu)位置，gbest為全局最優(yōu)位置；

38、s52、通過(guò)優(yōu)化模型中的適應(yīng)度函數(shù)f(ωp,ωq,ωs)計(jì)算每個(gè)粒子的適應(yīng)度值：

39、

40、其中，pj為粒子的位置向量，σp、σq、σs分別為能耗、性能和穩(wěn)定性的標(biāo)準(zhǔn)差，μp、μq、μs為對(duì)應(yīng)的均值，β1為懲罰因子，用于在適應(yīng)度函數(shù)中反映目標(biāo)的穩(wěn)定性；

41、s53、通過(guò)粒子群優(yōu)化算法的迭代計(jì)算，對(duì)粒子的位置和速度進(jìn)行更新，直到適應(yīng)度函數(shù)f(ωp,ωq,ωs)達(dá)到最優(yōu)，生成一組初始優(yōu)化參數(shù)組合

42、

43、其中，w為慣性權(quán)重，為第t+1次迭代后的速度向量，為第t+1次迭代后的粒子位置。

44、可選的，所述s6具體包括以下步驟：

45、s61、將初始優(yōu)化參數(shù)組合應(yīng)用于測(cè)試過(guò)程中，設(shè)定對(duì)應(yīng)的測(cè)試參數(shù)其中，分別表示根據(jù)優(yōu)化權(quán)重調(diào)整后的電壓、電流、頻率和溫度參數(shù)；

46、s62、在動(dòng)態(tài)調(diào)整后的測(cè)試參數(shù)下，運(yùn)行測(cè)試程序，實(shí)時(shí)獲取儲(chǔ)存芯片的能耗數(shù)據(jù)性能數(shù)據(jù)和穩(wěn)定性數(shù)據(jù)

47、s63、將動(dòng)態(tài)調(diào)整后的測(cè)試數(shù)據(jù)輸入模糊邏輯系統(tǒng)，依據(jù)已構(gòu)建的模糊規(guī)則庫(kù)，重新評(píng)估各測(cè)試目標(biāo)的隸屬度，計(jì)算隸屬度矩陣：

48、

49、其中，分別表示在動(dòng)態(tài)調(diào)整后的測(cè)試條件下能耗、性能和穩(wěn)定性的隸屬度值；

50、s64、根據(jù)重新評(píng)估的隸屬度矩陣λ*，對(duì)優(yōu)化參數(shù)組合進(jìn)行進(jìn)一步調(diào)整，形成新的測(cè)試參數(shù)組合，并重復(fù)s61-s63步驟，直至隸屬度矩陣λ*收斂或達(dá)到預(yù)設(shè)的優(yōu)化標(biāo)準(zhǔn)。

51、可選的，所述s7具體包括以下內(nèi)容：

52、s71、將s6獲得的隸屬度矩陣輸入多目標(biāo)優(yōu)化模型，通過(guò)重新計(jì)算各測(cè)試目標(biāo)的優(yōu)化權(quán)重

53、

54、其中，表示第t次迭代的優(yōu)化權(quán)重，α1為學(xué)習(xí)率，γ1為模型中的調(diào)節(jié)參數(shù)，為動(dòng)態(tài)調(diào)整后的隸屬度；

55、s72、在更新優(yōu)化權(quán)重的過(guò)程中，利用適應(yīng)度函數(shù)對(duì)優(yōu)化權(quán)重進(jìn)行評(píng)估和調(diào)整：

56、

57、其中，δ1為懲罰因子，用于在適應(yīng)度函數(shù)中反映目標(biāo)的波動(dòng)性，σp、σq、σs分別為能耗、性能和穩(wěn)定性的標(biāo)準(zhǔn)差，μp、μq、μs為對(duì)應(yīng)的均值；

58、s73、在適應(yīng)度函數(shù)評(píng)估的基礎(chǔ)上，通過(guò)迭代優(yōu)化算法對(duì)優(yōu)化權(quán)重進(jìn)行調(diào)整，直至適應(yīng)度函數(shù)收斂至最優(yōu)值：

59、

60、其中，為第t次迭代的權(quán)重向量，η2為學(xué)習(xí)率，ξ2為動(dòng)量因子，為適應(yīng)度函數(shù)的梯度。

61、可選的，所述s9具體包括以下步驟：

62、s91、將最終優(yōu)化測(cè)試參數(shù)組合應(yīng)用于儲(chǔ)存芯片的全范圍能耗測(cè)試，設(shè)定測(cè)試參數(shù)包括最終電壓電流頻率和溫度

63、s92、在最終優(yōu)化的測(cè)試參數(shù)組合下，運(yùn)行全范圍能耗測(cè)試程序，獲取儲(chǔ)存芯片在不同工作模式和負(fù)載條件下的能耗數(shù)據(jù)pfinal、性能數(shù)據(jù)qfinal和穩(wěn)定性數(shù)據(jù)sfinal；

64、s93、將獲取的能耗數(shù)據(jù)pfinal、性能數(shù)據(jù)qfinal和穩(wěn)定性數(shù)據(jù)sfinal進(jìn)行分類和歸一化處理，形成最終測(cè)試數(shù)據(jù)集{p′final,q′final,s′final}；

65、s94、基于最終測(cè)試數(shù)據(jù)集，計(jì)算儲(chǔ)存芯片的綜合能耗性能指標(biāo)cfinal：

66、

67、其中，μ(p′final)、μ(q′final)和μ(s′final)分別表示能耗、性能和穩(wěn)定性指標(biāo)的均值，和為最終的優(yōu)化權(quán)重；

68、s95、將綜合能耗性能指標(biāo)cfinal與預(yù)設(shè)的目標(biāo)值進(jìn)行比較，生成儲(chǔ)存芯片的最終測(cè)試結(jié)果報(bào)告：

69、

70、其中，ctarget為預(yù)設(shè)的目標(biāo)值，sign(·)為符號(hào)函數(shù)，用于確定測(cè)試結(jié)果的正負(fù)性。

71、一種基于多目標(biāo)優(yōu)化的儲(chǔ)存芯片能耗測(cè)試裝置，包括以下模塊：

72、測(cè)試環(huán)境初始化模塊，用于初始化測(cè)試環(huán)境，連接儲(chǔ)存芯片并設(shè)定初始測(cè)試參數(shù)；

73、多目標(biāo)優(yōu)化模型模塊，集成模糊邏輯系統(tǒng)和多目標(biāo)優(yōu)化模型，用于基于輸入的測(cè)試數(shù)據(jù)集構(gòu)建模糊規(guī)則庫(kù)，生成并調(diào)整優(yōu)化權(quán)重，輸出優(yōu)化后的測(cè)試參數(shù)組合；

74、測(cè)試執(zhí)行模塊，與測(cè)試環(huán)境初始化模塊連接，用于根據(jù)優(yōu)化后的測(cè)試參數(shù)組合，執(zhí)行全范圍的能耗測(cè)試，獲取儲(chǔ)存芯片在不同工作模式和負(fù)載條件下的能耗、性能和穩(wěn)定性數(shù)據(jù)；

75、數(shù)據(jù)處理模塊，用于對(duì)測(cè)試執(zhí)行模塊獲取的能耗、性能和穩(wěn)定性數(shù)據(jù)進(jìn)行分類和歸一化處理，生成最終測(cè)試數(shù)據(jù)集；

76、綜合能耗性能分析模塊，用于基于最終測(cè)試數(shù)據(jù)集，計(jì)算儲(chǔ)存芯片的綜合能耗性能指標(biāo)，并將綜合能耗性能指標(biāo)與預(yù)設(shè)的目標(biāo)值進(jìn)行比較，生成儲(chǔ)存芯片的最終測(cè)試結(jié)果報(bào)告；

77、顯示模塊，用于顯示最終測(cè)試結(jié)果報(bào)告以及儲(chǔ)存芯片在測(cè)試過(guò)程中的實(shí)時(shí)數(shù)據(jù)和分析結(jié)果。

78、本發(fā)明的有益效果是：

79、(1)本發(fā)明通過(guò)引入多目標(biāo)優(yōu)化算法，提高了測(cè)試結(jié)果的全面性和準(zhǔn)確性，在現(xiàn)有技術(shù)中，測(cè)試僅關(guān)注單一目標(biāo)，難以兼顧能耗、性能和穩(wěn)定性多個(gè)指標(biāo)，本發(fā)明通過(guò)構(gòu)建基于模糊邏輯系統(tǒng)的多目標(biāo)優(yōu)化模型，在測(cè)試過(guò)程中能夠同時(shí)優(yōu)化多個(gè)沖突的測(cè)試目標(biāo)，通過(guò)動(dòng)態(tài)調(diào)整各個(gè)目標(biāo)的優(yōu)化權(quán)重，在不同測(cè)試條件下自動(dòng)尋找最優(yōu)的測(cè)試參數(shù)組合，從而使得測(cè)試結(jié)果不僅反映了單一指標(biāo)的最佳表現(xiàn)，還能夠在綜合性能上取得最佳平衡。

80、(2)本發(fā)明通過(guò)設(shè)計(jì)動(dòng)態(tài)參數(shù)調(diào)整機(jī)制，實(shí)現(xiàn)了測(cè)試過(guò)程中的實(shí)時(shí)優(yōu)化，通過(guò)實(shí)時(shí)獲取測(cè)試反饋，利用模糊邏輯系統(tǒng)對(duì)測(cè)試數(shù)據(jù)進(jìn)行即時(shí)評(píng)估，并根據(jù)評(píng)估結(jié)果動(dòng)態(tài)調(diào)整測(cè)試參數(shù)，能夠在測(cè)試過(guò)程中適應(yīng)不同的工作負(fù)載和環(huán)境條件變化，使測(cè)試系統(tǒng)能夠在不同測(cè)試條件下始終保持最佳狀態(tài)，從而提高了測(cè)試結(jié)果的準(zhǔn)確性和可靠性。

81、(3)本發(fā)明在測(cè)試效率和準(zhǔn)確性之間達(dá)到了有效的平衡，通過(guò)優(yōu)化算法和數(shù)據(jù)處理模塊的結(jié)合，能夠在保證測(cè)試結(jié)果精度的同時(shí)，顯著提高測(cè)試效率，通過(guò)優(yōu)化算法對(duì)測(cè)試參數(shù)組合的迭代計(jì)算，減少了不必要的測(cè)試步驟，并通過(guò)歸一化處理和模糊邏輯評(píng)估，簡(jiǎn)化了數(shù)據(jù)處理流程，從而縮短了測(cè)試時(shí)間，降低了測(cè)試成本。