双电压动态可重构FPGA任务模型及调度算法

通过对单电压动态可重构可编程逻辑门阵列（FPGA）实时任务模型的学习研究,建立基于双电压动态可重构FPGA的非可抢占任务模型.该模型很好地描述了双电压动态可重构FPGA任务的特征,在单电压任务模型的基础上增加了双电压任务模型特有的属性.并基于降序首次自适应算法提出一种新的硬件任务调度算法,该算法在保证任务集限制时间内完成所有任务的同时,利用动态电压调节的方法大幅度减少了任务集完成所需要的能量.在Sun Saloris 工作站下对任务调度模型及其算法进行仿真和评估,实验数据表明,这种基于双电压的任务模型的调度算法,能够有效降低FPGA任务执行的能耗,对于大规模的任务,能耗最高可节省24.1%.     

多处理器的节能调度算法

嵌入式多处理器系统中的能耗问题是一个重要的研究方向。在研究单处理器动态电压缩放和多处理器的PF调度算法的基础上,提出了一种多处理器节能调度算法。该算法针对周期任务,通过静态分析确定最低处理器调度要求,在满足可调度性的条件下动态缩放各个处理器电压,从而有效地降低了整个系统的功能。     

实时系统混合任务低功耗调度算法

针对包括周期任务和非周期任务的混合任务集,利用动态电压调节(DVS)技术,提出一种混合任务低功耗调度算法。该算法包括两个阶段,第一阶段计算出离线状态的静态速度;第二阶段通过回收空闲时间调节任务的运行速度。仿真实验表明:本文算法比现有的混合任务低功耗调度算法节约27.35%的能耗。     

可变电压处理器的最优动态电压选择算法

对于电池供电的嵌入式系统,已有研究考虑了理想的具有连续可变电压的处理器模型,而真实的可变电压处理器仅具有离散的电压等级．针对运行在真实的可变电压处理器上的实时嵌入式应用,提出了一种最优电压选择算法,使得在不违背给定应用执行时限的前提下系统能耗最少．与已有的启发式算法不同,最优电压选择算法将该节能调度问题转化为多选则背包问题的变种,并提出一种动态规划算法,该算法可以求得最优解．通过在真实嵌入式应用上实验比较几种电压调度策略表明,在不违背给定时限的条件下,新算法的能耗最小．     

基于原子分解的电压闪变检测

根据信号原子分解的思想,针对电压闪变的特点构造电压闪变原子库.首先应用匹配追踪算法提取基波分量,然后对去除基波分量的残余信号提取电压闪变分量,并根据电压闪变分量参数检测电压闪变;对3种不同电压闪变的验证结果表明,该方法不仅能较精确地提取各电压闪变的参数,而且迭代次数少,计算量不大.该电压闪变参数为治理或抑制电压闪变提供了依据.     

改善微电源无功分配精度的分布式电压调整方法

提出了一种根据可调度微电源无功出力信息,在线计算无功-电压下垂曲线的斜率、电压和无功参考值的算法.在一次电压下垂控制基础上,通过动态调整下垂曲线斜率、电压和无功参考值,改善分布式可调度微电源无功输出的均分能力.负载无功需求平衡后,通过分布式二次电压调整将微电源端电压恢复到允许范围内,以提高电压质量,并实现分布式调压和无功输出均分.在Matlab/Simulink平台上搭建微网动态模型,仿真验证了所提策略的有效性.     

基于检查点机制的容错节能调度算法

综合考虑了实时系统的容错和节能,针对处理器提供离散的频率和电压,提出了基于检查点机制的容错节能调度算法(CPFTES)。该算法利用动态电压缩放技术节能,通过确定优化的检查点且使用检查点机制实现容错。当任务发生错误时,恢复任务从已保存的检查点重新启动以最大的处理器速度运行,确保任务不错过截止期限。提出了H_SPEED和A_SPEED两种速度选择策略。仿真实验表明:在PXA250处理器上,CPFTES_A_SPEED比CPFTES_NODVS平均节约66.18%的能耗,CPFTES_A_SPEED比CPFTES_H_SPEED节约0~19.41%的能耗。     

基于多核处理器的低能耗任务调度优化算法

针对多核处理器的高性能所带来的高能耗问题,对TL-DVFS算法中任务迁移开销问题进行了分析,提出了一种基于TL面的节能调度算法ITL-DVFS.该算法在不增加算法时间复杂度的前提下,通过对堆进行操作,有效地减少每个TL面初始时刻任务的迁移开销.结合全局动态电压频率调节技术,在TL面的初始时刻和偶发任务释放时刻动态调节多核处理器的电压频率.结果表明,ITL-DVFS可以有效地减少任务的迁移开销,在负载达到某一值后,可有效降低处理器功耗.     

可迁移网格依赖任务重调度模型及算法

针对可迁移依赖任务的重调度问题,提出了基于约简DAG可迁移任务图的重调度模型,并基于免疫遗传算法实现了以提高应用性能为目标的求解算法.实验表明,与经典的动态调度算法Max Min和基于启发式的AHEFT静态算法相比较,由于调度目标的一致性,初始调度的性能在重调度过程中被较好地保持,并且由于任务迁移的支持和遗传算法在全局优化上的性能优势,应用性能得到较大提升;又由于任务图的约减过程和免疫因子对算法收敛的作用,提出的IGA算法效率得到显著改善,使资源动态性和异构性的适应能力得到进一步增强.     

负载均衡优先的改进优先级表调度算法

针对当前云计算环境下DAG任务调度时存在的负载失衡、任务调度效率不高的问题,提出了一种负载均衡优先的改进优先级表调度算法(LS-IPLB).算法将云计算集群中虚拟机的状态参数变化抽象成空间中的参数向量变化,给出实时衡量云计算集群的负载均衡性方法,并作为虚拟机选择权值的重要参数.同时以任务执行代价、任务的出度和任务间的通信代价作为参数计算任务优先级,并在任务调度时采用任务复制策略进一步优化调度过程.结果表明,LS-IPLB算法能有效缩短DAG任务图的完成时间,并实现了良好的负载均衡性.     

高速旋转相控阵雷达基于资源预规划的任务调度算法

针对传统时间指针调度算法应用于高速旋转相控阵雷达任务调度时,任务执行时间偏移率高引起探测性能下降的问题,提出一种资源预规划的任务调度算法。首先,按照调度间隔对应的任务扇区进行资源预规划,将任务饱和扇区的任务按照时间偏移率最小原则调配到相邻空闲扇区,在任务调度阶段根据扇区总资源限制优先选择高优先级任务;然后,根据任务期望执行时刻排序形成任务执行列表。该算法时间利用率高于传统的算法,任务执行偏移率低于传统算法,工程实现简单、计算量低。仿真实验表明了算法的正确性和有效性。     

负载自适应的异构MPSoC任务调度算法研究

在异构MPSoC中,并行任务通过调度算法被分配到各个处理器核上运行,因而任务调度算法的优劣将直接影响异构MPSoC的应用性能。根据处理器核类型和任务间依赖关系,以减小任务间通信开销为目标,提出一种具备负载自适应能力的异构MPSoC任务调度算法。首先,将待调度任务集划分为多个并行任务子集;其次,在考虑处理器核负载的基础上,根据并行任务子集集合、处理器核集合及任务子集在各个核上的执行效率生成赋权二部图;最后,利用赋权二部图最大权匹配方法,将并行任务子集合理地调度到负载适应的处理器核上运行,以降低任务集的平均调度长度,并提高处理器核利用率,从而实现异构MPSoC应用性能的提升。仿真实验在不同的任务总数、任务最大前驱数、核类型、核数量的应用场景下,通过任务集平均调度长度、处理器核利用率两项指标对提出算法进行了定量分析。结果表明,提出算法能有效降低任务集平均调度长度,在实现负载自适应的同时提高异构MPSoC处理器核的利用率。     

云计算中多层次公平性QoS约束任务调度算法

针对传统云任务调度算法只注重执行效率忽略分配公平性的问题,提出了一种满足多重公平性约束的任务调度QoS算法CTS_QFC.该算法利用社会资源分配的公平性理论模型,从用户任务与云资源提供方两个角度,将云任务调度问题建模为一种多重公平性QoS约束模型.第一层QoS按用户QoS偏好对任务分类,并按照任务分类建立一般期望效用函数.第二层QoS定义资源公平性评估函数,评估资源分配的公平性.结果表明,CTS_QFC算法不仅可以确保用户任务的高效执行,还可以提高资源分配与任务调度方案的公平性.     

基于粒子群优化的多核处理器系统节能调度算法

针对嵌入式多核系统中的实时性和能耗问题,提出了基于粒子群优化的多核处理器系统节能调度算法.通过对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目标函数,将任务划分、任务调度及电压选择3个过程整合到粒子群算法的一个单迭代寻优循环中,并兼顾系统的实时性,将问题转化为有约束的粒子群优化问题,利用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.实验结果表明:本文算法能以较快的速度收敛于使系统能耗更少的调度解.     

基于机群系统的N体问题调度算法

采用合理的任务调度策略能有效地降低N体问题求解时间,对大量科学与工程应用具有重要意义。为此,在机群计算平台上,设计了N体问题的并行算法,推导出该算法的性能模型。同时,针对机群的特点。提出了基于整数规划的N体问题自适应调度算法．实验表明,并行算法具有良好的可扩展性,性能模型正确,基于整数规划调度算法较典型调度策略高效．     

DAG任务模型的粒子群优化调度算法

在并行多处理器系统中,通常用有向无环图(DAG)表示任务之间的依赖关系.为了提高该任务模型调度算法的性能,基于粒子群优化算法,提出一种新的调度算法.算法将任务高度和粒子位置作为任务优先级,使用表调度策略生成有效的调度方案,在满足任务间依赖关系的条件下,使所有任务的完成时间最小.仿真实验结果表明,与遗传算法相比,所提出的算法提高了解的质量和收敛速度,特别适合于规模较大的多处理器任务调度.     

基于云模型的网格任务调度遗传算法研究

针对网格环境动态多变性的特点,为了克服传统遗传算法易陷入局部最优的缺陷,提出了一种基于云模型的网格任务调度遗传算法。该算法由正态云模型的Y条件云发生器实现交叉操作,由基本云发生器实现变异操作,对调度模型进行优化求解,并在任务调度中对初始种群的产生、选择、变异和交叉操作进行了改进,通过实验分析,表明了该算法的可靠性、有效性和实用性。     

时间/事件触发的安全关键系统调度研究

针对大多数实时操作系统只支持事件触发的机制,该文提出了一种时间和事件双重触发的任务调度机制,并在μC/OS-Ⅱ的内核中进行了实现。在该调度机制中,针对安全关键任务模型,提出了一种简单、易操作的基于关键度（criticalitydegree based priority,CDBP）的调度算法,该算法不仅保证了系统处于高级别时,高关键级别任务的执行,而且还保证了系统处于低级别时紧急任务的执行,同时减少了不必要的任务切换开销。实验结果表明,该算法在提高系统效率方面优于OCBP（owncriticality based priority）算法。