基于强化学习的异构多核嵌入式系统能耗优化调度方法

摘要

本发明公开了一种基于强化学习算法的异构多核嵌入式系统能耗优化调度方法。在硬件方面，在每个处理器上装载一个DVFS调节器，通过调节各处理器工作电压，改变各处理器硬件特性，动态构建出匹配软件特性的硬件平台；在软件方面，针对传统启发式算法(遗传算法、退火算法等)或存在局部搜索能力不足或存在全局搜索能力不强等缺点，探索性地运用机器学习领域的Q‑Learning算法来寻找能耗最优化调度解。Q‑Learning算法通过不断试错以及与环境交互反馈的方式，可兼顾全局搜索和局部搜索的性能，从而实现比传统启发式算法更优的搜索效果。上千组实验表明，Q‑Learning算法相较于传统GA算法，能耗降低率可达6％～32％。