基于机器学习的异构多核处理器系统在线映射方法

摘要

异构多核处理器(HMPs)平台已成为现代嵌入式系统的主流解决方案,其中在线映射或调度对充分发挥其高性能和低功耗的优势起着至关重要的作用.针对HMPs的应用任务动态映射问题,提出了一种基于机器学习预测模型的在线映射调度解决方案.一方面,构建了一个可以快速高效地预测和评估不同映射方案性能的机器学习模型,为在线调度提供支持;另一方面,将该机器学习模型整合到遗传算法中以高效地找到(接近)最优的资源分配方案.最后,通过一个M-JPEG解码器验证了所提方法的有效性.实验结果表明,该方法的平均执行时间相较于常见的轮询调度和抽样调度方法分别降低了28％和19％左右.