排序方式: 共有20条查询结果,搜索用时 15 毫秒
1.
2.
分析了混合关键系统中当前任务调度方法存在的问题, 提出一种正反向时间分割和关键因子优先的调度算法, 该方法将所有混合关键任务按照不同级别进行时间正反向分割得出空闲时间窗口, 并根据关键因子的大小决定优先级别. 为了减少在关键级别转化过程中优先级低的任务丢失死限的工作数量, 将空闲窗口分配给由于关键级别转化而使得优先级落后的任务. 仿真实验表明, 该方法在降低任务丢失死限率和完成任务的数量方面比按照关键级别进行优先级指派算法(CAPA)和OCBP方法较优. 相似文献
3.
一些安全关键任务系统对嵌入式操作系统的实时性和安全可靠性提出了更高的要求。设计并实现了一种满足OSEK/VDX标准且支持时间/事件混合触发的实时操作系统内核,该内核除具有事件触发的实时性好、使用方便、灵活性高等特点外,还具有时间触发的确定性和安全性等特点。此外,还提出并实现了一种基于静态表的混合任务调度策略,并给出了时间触发任务可调度性的静态测试算法,在保证事件触发灵活性的基础上,通过中断级和任务级时间/事件触发任务的灵活切换,可确保时间触发任务的确定性和安全性,并提高系统的利用率。实验结果表明,该内核可以有效支持时间/事件混合触发的任务调度,并具有良好的实时性与安全性。 相似文献
4.
5.
针对软实时系统中的一类同时具有依赖性与周期性的任务,提出一种基于单行树矩阵(MST)的动态因子均衡调度算法SMD(schedule on matrix of the single tree and dynamic load factor)。该算法通过对MST矩阵的特性进行分析,将任务划分为若干并行集,再综合考虑已执行时间、任务间的依赖关系及任务最早截止时间几个要素,以动态因子的形式对任务进行实时调度。最后,还以证明的形式给出了可充分调动的任务集的充分条件,并以此为基础随机生成了测试任务集,进行了对比实验。实验表明,与文献中现有经典算法相比,新算法使处理器利用率提升近15%,任务丢失率降低2%。 相似文献
6.
基于利用率和负载均衡的多核实时调度算法研究 总被引:2,自引:0,他引:2
针对分区调度算法在实时多处理器系统中处理器利用率不高的现象,提出一种基于利用率和负载均衡的分区调度算法BUWBPA(Based on Utilization and Workload Balance Partition Algorithm)。该算法在满足任务实时性要求的基础上,以寻求高利用率和负载均衡为目标进行任务分配,将任务分配分成两个阶段:第一个阶段以高利用率为原则,选择任务集内利用率最高的任务先分配;第二个阶段以负载均衡为原则,根据处理器数选择利用率总和等于1或接近于1的任务进行分配,并且在此阶段对于未达到充分利用的处理器,选取可能调度的零星任务,对任务进行再次重新分配,以达到负载均衡和系统最大利用率。实验证明,该算法在实现最大利用率的前提下能很好地达到负载均衡。 相似文献
7.
针对多核共享Cache动态划分技术存在硬件存储开销较大、划分颠簸等问题,提出了一种渐变的多核共享Cache动态划分算法。渐变算法旨在追求最优划分性能的同时,减小划分机制实现的硬件开销。渐变算法采用基于组相联Cache路的划分机制,每次划分时最多只允许1路的Cache转移。具有硬件存储开销小、划分稳定、易于实现等特点。例如,对于1MB的16路组相联L2Cache,渐变的Cache动态划分机制仅增加0.01%的硬件存储开销,与UCP方法比较,增加的硬件存储开销可减小至6.25%。 相似文献
8.
9.
该文提出一种基于最少迁移度和分割度的任务调度方法。该方法将各个实时周期任务分比例执行在不同处理器核上,并规定任务调度时的优先顺序,然后根据相应的实时调度流程对实时周期任务进行调度。并与已有的高利用率集合调度的准划分调度算法EDF-os、EDF-fm进行对比。结果表明该方法在保证系统利用率的同时,减少了任务分割和迁移的数量和不必要的任务切换开销。 相似文献
10.
压缩感知突破奈奎斯特采样定律(NST),很大程度缓解了数据的获取和传输压力.近年来,随着深度学习迅速发展,深度神经网络技术在压缩感知领域的应用使压缩感知重构的精度和效率均得到有效提升,并引起学者们的广泛关注和研究.为了对现有的基于深度学习的压缩感知图像重构算法进行梳理归纳,首先,介绍压缩感知的基础数学知识以及两种极具代表性的传统压缩感知重构迭代优化算法:ISTA和ADMM;接着,详细讨论上述两种传统算法的深度网络展开框架以及对基准框架的改进技术:ISTA-Net++和ADMM-Net,并对SDA、ReconNet、DR^(2)-Net等五种非传统算法展开的端到端的深度神经网络框架进行对比分析;然后,以峰值信噪比(PSNR)为评价指标,将代表性网络模型在自然图像数据集Train400和医学图像数据集MICCAI上的重构精度进行比较分析;最后,总结并展望深度学习技术在压缩感知重构领域的研究前景. 相似文献