基于嵌入式动态能耗平衡的汽车节能调度算法

研究汽车嵌入式发动机的节能控制问题,由于汽车在启动过程中,发动机燃烧不充分,会造成电动机的启动电流过大,并且包含高噪声,使得汽车的动态非必要能耗增加.传统的限流限压调节算法的频率固定,很难做到真正的动态调节,不能适应非线性的大规模变化.为提高节能效果,提出了一种嵌入式动态能耗平衡的汽车节能调度算法.根据动态平衡相关理论,获取汽车运行过程中发动机的动态能耗关系,并为汽车发动机节能调度提供准确的数据.仿真结果表明,建立多核嵌入式汽车发动机任务调度模型,克服了传统算法中频率固定的弊端,说明改进算法能够有效降低汽车调度过程中的能源消耗.     

嵌入式实时系统中基于检验点检测的电压分配技术

嵌入式实时系统的实时特性、高度的系统可靠性和低系统能耗对综合考虑系统的容错和节能提出了要求.研究了嵌入式实时系统巾如何达到上述三大日标的非周期任务调度和电压分配问题.在基于检验点容错技术的可调度性检测基础卜,提出了对于系统非周期任务的基于调度性检测的电压分配算法CST-VA,该算法在保证任务实时性的同时提高了系统的可靠性,节省了系统的能耗.模拟实验表明,该算法比现有电压分配算法更适合于嵌入式实时系统.     

多差异嵌入式设备的节能任务调度模型仿真

在一些复杂嵌入式设备联合工作的环境下,设备之间的工作关系差异较大,存在较为复杂的能量消耗制约关系,不再呈现简单的线性调度关系。为了制约这种大差异的环境,嵌入式设备任务与任务之间的最优化节能调度过程存在大量的顺序约束关系,导致传统的多差异嵌入式设备节能任务调度模型,只能采用近似算法模糊化表述复杂约束关系,不能适应调度任务的非线性大规模变化,无法实现多差异嵌入式设备的节能任务调度。提出一种基于遗传算法的多差异嵌入式设备的任务调度模型,依据功耗最低化原则,通过遗传算法将任务集中的任务以特定频率分配到各个多差异嵌入式设备中进行处理,使得总能耗达到最小,建立设备功耗模型,实现设备的节能任务调度。仿真结果表明,所提方法具有较高的节能性及有效性。     

单层树型网格下独立任务的周期性调度

提出单层树型网格下单位独立任务的周期性调度方法,单位独立任务是大小相等的独立任务.首先,为单层树型网格下的单位独立任务调度建立线性规划模型,通过分析整数线性规划求解过程,发现一个单层树型网格平台在节点构成不同时,分别具有非饱和态、临界态或冗余态特征;并且,随着网格节点上任务数的增多,线性规划最优解呈线性增长,任务调度具有周期性特性.据此给出非饱和态、临界态或冗余态网格的定义、性质和判定方法,推导出单位独立任务调度的周期长度.最后,分析了周期性调度的时间复杂性,提出一种周期性调度算法Periodic-Sched.实验结果表明,周期性调度是有效的.单位独立任务的周期性调度将大规模的任务调度问题简化为一个周期内的任务调度,降低了调度问题的复杂度.该调度方法适用于对Hadoop平台的Map任务进行调度.     

同构DVS集群中基于自适应阈值的并行任务节能调度算法

目前,高能效的并行任务调度算法设计已经成为集群系统的研究热点.现有基于复制的节能调度算法主要利用阈值平衡系统的性能和能耗,但随机设置的阈值无法根据性能需求和环境参数等特征自动调节,导致调度算法存在一定的局限性.文中提出一种面向同构集群系统的两阶段节能调度算法ATES(Adaptive Threshold-based Energy-efficient Scheduling).首先,设计一种基于自适应阈值的任务复制策略,该策略能够自动计算最佳阈值,利用该阈值获取近似最优的任务分组.然后,将各分组任务调度到支持DVS的处理器上,并充分利用任务之间的空闲时间降低处理器电压.该算法将任务复制策略与电压调节技术有机结合,在调度过程中能够自动调整阈值,有效提高调度算法的能效.为了验证ATES算法的合理性,通过典型应用进行仿真实验,并与常见任务调度算法进行比较,结果表明ATES算法能够更好地实现性能和能耗之间的平衡.     

抢占阈值调度的功耗优化

DVS(Dynamic Voltage Scaling)技术的应用使得任务执行时间延长进而使得处理器的静态功耗(由CMOS电路的泄露电流引起)迅速增加.延迟调度(Procrastination Scheduling)算法是近年提出用于减少静态功耗的有效方法,它通过推迟任务的正常执行来尽可能长时间地让处理器处于睡眠或关闭状态,从而避免过多的静态功耗泄露.文中针对可变电压处理器上运用抢占阈值调度策略的周期性任务集合,将节能调度和延迟调度结合起来,提出一种两阶段节能调度算法,先使用离线算法来计算每个任务的最优处理器执行速度,而后使用在线模拟调度算法来计算每个任务的延迟时间,从而动态判定处理器开启/关闭时刻.实例研究和仿真实验表明,作者的方法能够进一步降低抢占阈值任务调度算法的功耗.     

异构集群下的任务调度算法研究

针对异构集群下高效节能的任务调度算法进行了研究, 提出了一种基于复制的任务调度算法, 在任务初始分配的基础上, 分别从能源感知和性能—能源平衡两个角度考虑任务的复制。建立了由计算和通信造成的能源消耗的数学模型, 并进行了大量的实验。实验结果表明, 与已有的BEATA算法相比, 该算法能明显地减少异构集群处理并行应用的调度长度和能耗。分析结果发现, 任务复制的方法在减少调度长度的同时会增加相应的能耗, 能同比优化调度长度和能耗的任务调度方法是今后的研究方向。     

基于特征尺度均衡的Linux系统双阈值任务调度算法

在嵌入式Linux操作系统的设计和应用中,操作系统经过移植后运行在不同的硬件平台上,它需要一种有效的任务调度算法来实现进程管理和内存管理,以提高系统运行效率.提出了一种基于特征尺度均衡的Linux系统双阈值任务调度算法,分析了嵌入式Linux的内核结构,构建了系统任务调度模型.该算法对以往各类型任务的到达频率、执行时间等信息流进行统计,并提取特征尺度,在Linux系统的全局任务调度中心将所有任务进行融合,输入系统总调度器,得到尺度优化目标函数,进行特征尺度均衡处理;把均衡后的特征尺度时间轴划分成各个相邻但不重合的任务匹配平滑窗口,通过双阈值权衡判决实现对Linux系统的任务调度.仿真结果表明,采用该算法进行Linux嵌入式任务调度,具有较高的执行效率,CPU利用率高,整体性能优于传统算法.     

遗传算法在网格任务调度的应用研究

研究了网格任务调度问题.针对传统任务调度算法在网格环境下存在不能很好地平衡节点负载和满足用户服务质量需求等缺点,导致网格系统负载极不均衡,调度效果低.为了提高网格任务调度的效果,提出一种基于遗传算法的网格任务调度方法.将网格任务编码成种群中的个体,网络任务目标作为遗传算法的适应度函数,通过遗传算法的强全局搜索及交叉、变异操作,获得最优的任务调度方案.仿真结果表明,采用遗传算法进行网格任务调度可以减少系统总执行时间和任务完成时间,提高了资源调度效率,使网格系统负载均衡度更好,在网格任务调度具有广泛的应用前景.     

企业管理中多工作任务下合理调度模型仿真

在企业管理中工作任务调度效率优化问题的研究中,由于在多任务的调度过程中,任务之间的关联性很复杂,受到相互之间调度顺序的影响较大.传统的工作任务调度模型以单一线性顺序最优为基础,一旦任务过多,会造成调度中不同任务调度相互矛盾加大,模型稳定性会下降,缺少灵活性,造成调度的效率不高.提出采用多约束调度模型的企业管理中多工作任务下合理调度方法.详细阐述了企业管理中多工作任务调度的原理,构建AON网络模型,针对网络模型进行虚调度,在求解空间中搜索最优解,得到企业管理中多任务合理调度方法.实验结果表明,利用改进算法进行企业管理中多工作任务调度,能够提高资源利用率,并且提高调度效率,避免多工作掺杂的情况下造成的调度模型稳定性降低的缺陷.