得益于部分应用(如多媒体处理、机器学习类等)存在容错能力,运行它们的处理器或组件能够通过减少计算代价(如降低精度或丢弃数据包等)来提高性能或降低能耗,这种新的优化思想被称为近似计算。在众核芯片中,由于片上网络对芯片整体的功耗和性能具有较大影响,因此,研究者们提出近似片上网络架构,它通过使用有损压缩器硬件将底层通信的数据包进行压缩裁剪,来减少网络负载,进而提高系统性能。在设计近似计算方法时,由于用户对应用程序的输出结果质量有一定的要求,所以在决定使用的近似等级时,应该考虑该操作将造成的质量损失以及可能得到的性能、能耗方面的收益。因此,如何构建一个精确的质量损失模型,以及如何在质量要求的约束下最优化系统性能,是近似片上网络设计中的关键问题。现有的近似片上网络研究质量控制方法的研究还存在以下问题:1)在做近似决策时,没有考虑网络运行时的全局状态,且2)没有对输出质量损失进行建模或模型不够精确,无法保证近似操作的安全性。因此,本文针对近似片上网络的质量控制方法展开研究。本文首先提出一个考虑压缩方法、应用程序、输入数据以及近似等级等因素的质量模型,又对近似片上网络的性能、通信量等进行建模。接着,本文以近似决策为手段、质量要求为约束,对近似片上网络的性能优化问题进行定义。最后,本文提出一个基于网络全局状况和误差预算的优化方法来对问题进行求解,该方法的核心思想是优先对网络拥塞进行最小化,再进一步降低数据包零负载时延。在实验评估环节中,相对于近期的两个近似片上网络工作,本文提出的方法的执行加速比可以达到29.42%。实验结果表明,本文提出的方法能够改善网络拥塞状况,且对质量损失的控制更加精准。