神经元映射框架 (Neuron Mapping Framework)

一个高效的神经网络到硬件映射优化框架，专为脉冲神经网络设计，支持多种映射策略和优化算法。

🌟 主要特性

• 多种映射策略：支持随机映射、贪心映射、图分割映射等
• 高级优化算法：模拟退火、局部搜索、爬山算法
• 网络分析工具：社区检测、网络拓扑分析
• 性能评估：通信成本、负载均衡、内存使用评估
• 硬件拓扑支持：网格、环状等多种硬件拓扑结构
• 灵活配置：支持多种参数配置和优化目标

🚀 快速开始

编译项目

# 编译所有组件
make all

# 测试编译（检查语法错误）
make test-compile

运行演示

# 运行工作演示程序
make run-demo

# 运行综合测试
make run-test

# 运行社区检测测试
make run-community-test

📁 项目结构

neuron_mapping_framework/
├── include/                # 头文件
│   ├── core/              # 核心数据结构
│   ├── algorithms/        # 算法实现
│   ├── strategies/        # 映射策略
│   ├── optimizers/        # 优化器
│   ├── evaluators/        # 评估器
│   └── utils/             # 工具类
├── src/                   # 源代码实现
├── examples/              # 示例程序
├── tests/                 # 测试程序
└── Makefile              # 编译配置

🔧 核心组件

映射策略

• 随机映射：快速生成初始映射解
• 贪心映射：基于局部最优的映射策略
• 图分割映射：多层次、谱聚类、递归二分等高级算法

优化算法

• 模拟退火：支持多种冷却策略和邻域策略
• 局部搜索：随机交换、贪心移动等邻域操作
• 爬山算法：简单高效的局部优化

网络分析

• 社区检测：Louvain、标签传播、模块度最大化等
• 网络统计：度分布、聚类系数、路径长度等
• 拓扑分析：小世界、无标度网络检测

📊 使用示例

#include "strategies/GraphPartitioningStrategy.h"
#include "optimizers/SimulatedAnnealingOptimizer.h"

// 创建神经网络
auto network = std::make_unique<NeuralNetwork>();
// ... 添加神经元和连接

// 创建硬件拓扑
auto topology = std::make_unique<HardwareTopology>();
topology->createMesh2D(4, 4, pe_config);

// 图分割映射
GraphPartitioningStrategy strategy(
    GraphPartitioningStrategy::PartitioningAlgorithm::MULTILEVEL);
auto solution = strategy.mapNetwork(*network, *topology, config);

// 模拟退火优化
SimulatedAnnealingOptimizer optimizer(50.0, 0.01, 1000);
auto optimized = optimizer.optimize(
    std::move(solution), *network, *topology, opt_config);

🎯 性能指标

框架支持多种性能评估指标：

• 通信成本：神经元间通信开销
• 负载均衡：处理器负载分布均匀程度
• 内存使用：内存资源利用率
• 处理器利用率：硬件资源使用效率

🧪 测试覆盖

• ✅ 基础数据结构测试
• ✅ 映射策略算法验证
• ✅ 优化器性能测试
• ✅ 网络分析功能测试
• ✅ 错误处理和边界条件
• ✅ 性能基准测试

📖 技术文档

详细技术文档请参考 技术文档

🛠️ 开发环境

• 编译器：g++ 支持 C++17
• 构建系统：Make
• 依赖：STL 标准库，无外部依赖

📈 版本历史

• v1.0.0 - 完成核心功能实现
  • 基础映射策略和优化算法
  • 图分割和社区检测
  • 性能评估和测试框架

🤝 贡献指南

1. 保持代码风格一致
2. 添加适当的测试用例
3. 更新相关文档
4. 确保编译无错误和警告

📄 许可证

本项目采用 MIT 许可证。

🔗 相关链接

• SST 仿真框架
• 脉冲神经网络资源

---

开发团队：神经计算实验室
最后更新：2025年8月24日