多核系统中基于DVS的实时节能调度方法研究

摘要

多核系统中基于动态电压调整的实时节能问题可以归结为对任务分配、任务调度以及电压选择这三个子问题的求解。目前，针对该问题的算法大多采用两阶段或三阶段的启发式策略，即先采用启发式策略将任务划分至各处理器核，再利用遗传算法对任务进行调度和电压选择，或者是先利用遗传算法进行任务划分，再利用启发式方法根据任务的约束关系及执行特性选择电压。　　粒子群优化算法是一种新的全局优化算法，与遗传算法类似都属于群体智能演化计算技术，但是粒子群优化算法没有选择、交叉和变异等操作，它只是通过保留、利用位置与速度信息进行演化，简单且易实现，执行效率很高，大多数情况下都能比较快地收敛于最优解。鉴于此，本文通过对同构多核处理器系统任务调度和能量消耗的分析建立了新的编码策略和相应的适应度函数，将多核处理器系统节能调度的任务划分、任务调度及电压选择三个过程整合到粒子群算法的一个单迭代寻优循环中，兼顾系统的实时性，将问题转化为有约束的粒子群优化问题，之后引入基于可行性规则的约束处理技术，形成基于约束粒子群优化的整体节能调度算法。　　由于基于约束粒子群优化的整体节能调度算法中采用了基于可行性规则的种群更新策略，不可行解很难在种群中得以保留，所以为了得到更为有效的实时节能调度算法，进一步提出了基于模拟退火算法的局部搜索策略，并将其融入整体节能调度算法，从而有效地避免了搜索过程中陷入局部极小。仿真实验表明，基于粒子群优化的多核系统实时节能调度算法在节能和收敛速度方面都有了较好的改善。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪 论

1.1 研究背景和意义

1.2 多核系统实时节能调度研究概述

1.3 本文的研究内容及组织结构

第2章 多核系统中基于DVS的实时节能调度相关研究

2.1 多核系统中的DVS

2.2 多核系统中的实时调度

2.3 多核系统中基于DVS的实时节能调度

2.4 本章小结

第3章 基于粒子群优化的整体节能调度算法

3.1 系统模型

3.2 问题描述

3.3 常用算法介绍

3.4 粒子群优化算法

3.5 算法设计

第4章 基于模拟退火算法的局部搜索策略

4.1 基于模拟退火算法的局部搜索策略

4.2 结合局部搜索策略的混合实时节能调度算法

4.3 算法实现及结果分析

4.4 本章小结

第5章 总结与展望

参考文献

致谢

攻读硕士学位期间的主要研究成果