[论文解读] Evolutionary Acyclic Graph Partitioning

Orlando Moreira, Merten Popp+1 more|arXiv (Cornell University)|Sep 25, 2017

VLSI and FPGA Design Techniques参考文献 23被引用 3

一句话总结

本文提出了一种新颖的多级算法，以及首个用于嵌入式多处理器架构中流式应用的无环图划分的进化方法。通过整合一个平衡通信开销、负载均衡和关键路径长度的适应度函数，该方法显著降低了完成时间（makespan）——尤其在内存带宽受限的情况下，相较于以往的启发式方法，在高带宽场景下性能提升最高达33%，在低带宽场景下提升5%。

ABSTRACT

Directed graphs are widely used to model data flow and execution dependencies in streaming applications. This enables the utilization of graph partitioning algorithms for the problem of parallelizing computation for multiprocessor architectures. However due to resource restrictions, an acyclicity constraint on the partition is necessary when mapping streaming applications to an embedded multiprocessor. Here, we contribute a multi-level algorithm for the acyclic graph partitioning problem. Based on this, we engineer an evolutionary algorithm to further reduce communication cost, as well as to improve load balancing and the scheduling makespan on embedded multiprocessor architectures.

研究动机与目标

• 解决在具有严格内存与功耗约束的嵌入式多处理器架构中，对流式应用的有向无环图（DAG）进行划分的挑战。
• 通过减少通信量（边割），提升负载均衡性，并最小化调度完成时间，改善无环图划分的解质量。
• 克服局部搜索启发式方法的局限性，后者常因无环约束导致的碎片化搜索空间而陷入局部最优。
• 设计一个将边割、负载不平衡惩罚和关键路径长度线性组合的适应度函数，以有效引导进化搜索。
• 在不同内存带宽条件下，对真实世界图像处理工作负载（特别是局部拉普拉斯滤波器）评估所提出方法。

提出的方法

• 提出一种多级无环图划分框架，通过图粗化、在粗化层级上进行划分，再通过反粗化过程进行划分优化。
• 采用粗粒度分布式进化算法，结合重组与变异操作，在保持无环性的同时探索多样化解空间。
• 设计一种新颖的适应度函数，将边割、负载不平衡惩罚和关键路径长度线性组合，以引导进化搜索朝向高质量且均衡的划分结果。
• 使用循环真实模拟器在真实硬件平台上评估调度完成时间，实现对通信与执行开销的准确评估。
• 将该算法应用于大量合成图与真实图，包括来自局部拉普拉斯滤波器的489个节点DAG，每轮运行设定10分钟时间预算。
• 调整适应度函数的系数，以在低带宽时优先减少边割，在高带宽时优先最小化关键路径长度，实现自适应优化。

实验结果

研究问题

• RQ1 进化算法能否有效探索无环图划分中因局部搜索启发式方法常因陷入局部最优而失效的碎片化搜索空间？
• RQ2 在不同内存带宽条件下，将关键路径长度整合进适应度函数对完成时间改善有何影响？
• RQ3 所提出的多级进化方法在边割、负载均衡和调度完成时间方面，相较于现有局部搜索启发式方法，优势程度如何？
• RQ4 适应度函数对不同带宽环境的可调性是否能实现对真实嵌入式系统更优的划分配置？
• RQ5 与传统多级方法相比，该进化算法是否能在不同k值（划分数量）下保持一致的性能提升？

主要发现

• 在低内存带宽条件下，与以往工作相比，该进化算法将完成时间减少了最多5%，主要归因于通信量的降低。
• 在高带宽条件下（4–10倍真实硬件带宽），包含关键路径长度的适应度函数使完成时间提升3%至33%，表明其在带宽充裕环境中的有效性。
• 该方法在不同k值下均表现出一致的性能提升，而传统多级方法在k值增加时性能增益趋于饱和。
• 搜索空间高度碎片化，导致局部搜索启发式方法易陷入局部最优；而通过变异与重组，该进化方法能更有效地逃离这些陷阱。
• 适应度函数的可调性使系统设计者可根据可用硬件资源，灵活优先选择通信量减少或关键路径最小化。
• 对于局部拉普拉斯滤波器，新方法实现了更好的负载均衡与更低的边割，从而在所有带宽配置下均获得可测量的性能提升。