BUCBAT自适应动态电源管理策略

结合电池放电特性,提出一种自适应超时动态电源管理策略BUCBAT。基于电池放电过程中电压逐渐降低的特性,BUCBAT根据电池放电电压的大小动态调整超时阙值;采用两块电池以特定频率轮流供电,充分利用电池放电电压的自恢复特性。实验结果表明,与超时策略相比,BUCBAT动态电源管理策略在兼顾系统QoS性能的同时,能够合理地管理系统功耗,从而延长系统的可持续工作时间。     

区分服务的动态队列管理策略

提出了一种区分服务的动态队列管理策略—BDRED。该策略根据聚集间的丢包比率在聚集间动态地分配缓存,保证了不同服务之间带宽资源的公平分配。仿真试验结果表明,该策略能根据网络实时环境动态调整聚集间的带宽分配并且有效地降低了TCP分组丢失率。     

一个嵌入式系统动态电源管理方案

动态电源管理旨在根据当前应用的需要来调节处理器电压和频率从而满足便携式系统的高性能低功耗的要求。该介绍了一个嵌入式系统动态电源管理方案，阐述了动态探测问题以及怎样对基于处理器的探测数据进行扩展。     

系统级动态电源管理算法的研究

嵌入式系统的DPM问题就是通过在系统的部分组件空闲时关断其电源,并在有任务到来时恢复对它的供电,以减少系统级功率消耗,其目的就是在最小系统功耗的情况下实现最优的性能。要实现此目的,迫切需要有一个高性能的电源管理算法。该文研究了目前国际上比较流行的几种系统级动态电源管理算法,比较并指出各个算法的优缺点及改进的方法,为发展高性能的智能电源管理算法提供理论分析和实验比较结果。     

一种基于活跃态的动态电源管理预测算法

提出一种基于活跃态的动态电源管理预测算法,充分利用了活跃态和空闲时间段的关系,并且加入动态自适应调节因子,不仅对较大变化的时间段预测误差小,而且能快速调整适应工作负载的变化.实验表明该算法优于传统算法.     

一个嵌入式系统动态电源管理方案

动态电源管理旨在根据当前应用的需要来调节处理器电压和频率从而满足便携式系统的高性能低功耗的要求.该文介绍了一个嵌入式系统动态电源管理方案,阐述了动态探测问题以及怎样对基于处理器的探测数据进行扩展.     

嵌入式系统动态电源管理算法研究

嵌入式系统的能耗问题已经成为嵌入式系统设计中的难点与热点。动态电源管理策略、内存管理机制、总线编码技术和硬件设计等方法被用来降低能耗。比较而言,动态电源 管理是最直接、最有效的方法。本文先从理论上分析了能耗问题的特点,然后研究了目前比较流行的几种动态电源管理算法,并对试验结果进行了比较和理论分析。     

嵌入式系统动态电源管理技术研究

嵌入式系统设计者在以往的设计过程中,通常只考虑系统的稳定性、实时性等,然而随着系统功能的增强和集成度的提高,面临一个新的挑战,即降低系统的功耗。本文重点介绍了动态电源管理（Dynamic Power Management,DPM）设计技术的基本原理和策略模型,并用实例对PMC模型和PM模型进行了详细说明。     

动态矩阵主动队列管理算法

针对Internet网络这种大延迟,变化复杂,存在严重干扰的系统,基于约束模型预测控制理论,提出了一种新的主动队列管理算法(DMAQM算法).首先根据预测模型和状态估计器,预测瓶颈链路队列的未来动态特性,它是确定丢包率的基础;然后将拥塞控制的控制要求转化为优化目标函数,在线求解优化问题得到丢包率.DMAQM算法通过滚动优化来适应网络环境的变化,提高了算法鲁棒性;同时在求取丢包率时显式地考虑了网络中存在的约束.仿真结果显示DMAQM算法控制性能优于RED算法,在满足约束的前提下,具有较强的抗干扰能力,同时具有较好的稳定性和鲁棒性.     

基于BP神经网络的系统级电源管理算法

在深入研究目前国际上比较流行的几种系统级电源管理（PM）算法的基础上，利用BP神经网络的非线性映射能力，提出基于BP神经网络的、对任务之间相互间隔时间也就是系统空闲时段的长度进行自适应学习的BPPM算法，具有传统回归PM算法不可比拟的优点。仿真实验表明引入神经网络的电源管理算法较之传统PM算法大大降低了系统级功耗。实现了在不需要建立系统模型、无需预先获得负载统计特性的前提下，通过从系统正常工作产生的数据中不断学习，使系统具有自适应、高效的电源管理能力，以达到降低系统功耗、提高器件可靠性、延长工作寿命的目的。     

基于S排队的被动队列管理算法

为了解决网络拥塞问题,基于“弃头”方式建立了一种新的被动队列管理算法（DFSQ）。该算法首先利用S排队推导网络队长的数学表达式,并提出丢包概率和丢包策略。同时,通过仿真实验深入研究了影响网络队长的关键因素,并将DFSQ与随机早期检测算法(RED)、“弃尾”算法进行对比分析,结果表明DFSQ算法性能更优。     

动态网络增强自适应虚拟队列管理新算法

针对动态网络主动队列管理算法中控制参数设置难题,提出了一种增强自适应虚拟队列管理新算法（EPAVQ）。结合TCP流体流模型运用经典控制理论分析自适应虚拟队列管理（AVQ）算法稳定性基础上,利用极点配置技术给出了AVQ算法控制参数的调整规则。同时,针对网络参数时变问题,通过对网络参数的在线估计,利用网络参数与控制器参数的确定关系实时调节控制参数,使得控制器能够适应网络参数的变化。通过ns-2仿真实验与现有的AVQ算法比较,EPAVQ算法具有更快的动态响应,更好的网络性能。     

WOLF-Linux系统上的脉冲式动态电源管理

动态电源管理(dynamic power management,DPM)是一种动态重构系统资源以提供适当系统处理能力和优化的系统功耗的设计方法,着眼于动态获得功耗和效率之间的平衡.动态电源管理结合津科WOLF-Linux系统采用的类纸显示单元的应用需求,产生了DPM结合APM的脉冲式动态电源管理方法.该方法目标是在对媒体阅读系统中实现阅读不耗电的目标.     

控制排队长度的高密度路网信号优化模型

为了提高高密度路网地区的交通管理水平,针对高密度路网特点,提出了一种分布式信号控制模型,用于控制交叉口的排队管理.该模型建立了多目标函数,包括了平均出行延误最小和平均排队占比最小;模型约束包括了排队长度估计、信号控制参数约束.此外,为了避免排队回流现象的产生,还建立了具有高优先级的排队回流约束.仿真结果表明,该模型提高了高密度路网地区的交通通行效率,并有效避免交叉口排队回流现象.     

基于事件的主动队列管理研究

针对随机早期检测RED存在的对参数过于敏感、时延抖动、队长不稳定等问题,采用特殊事件标记法,通过调整丢弃概率的增减幅度,对RED算法进行了改进。实验表明,改进的算法在稳定性、链路利用率方面有了较好的改善。     

基于灰色模型的无线传感器网络动态功耗管理研究

传感器节点能量受限是制约无线传感器网络使用寿命的关键因素,为了节约传感器网络的能量,提出了灰色模型的动态功耗管理(DPM)方法.该方法利用传感器节点上的历史数据应用灰色模型预测未来值,预测过程中可以动态调整预测参数,实现自适应预测,和小波自回归预测算法相比,提高了预测的准确性.基本思想是根据Sink节点上的数据来决定整...     

基于动态权值优先级队列的移动消息推送策略

针对传统的加权循环队列调度在移动消息推送平台中会增加系统开销、延长消息发送时间等问题,提出一种基于动态权值的加权循环调度策略.该策略在原有加权循环调度算法基础上,采用了动态权值策略,使得推送系统不再需要对消息的发送情况作额外的记录,有效降低了系统开销.对提出的算法进行了模拟实验,实验结果表明,改进的策略减少了消息发送的整体时延,提高了移动推送平台的消息发送效率.     

基于模型算法控制的主动队列管理算法

通过深入分析TCP/AQM系统的动态特性,提出一个新的预测模型。基于该模型,结合模型算法控制(MAC)提出一种新的主动队列管理算法(MACAQM),并给出了MACAQM的详细设计过程和参数选取的原则。大量不同网络环境的仿真实验表明了MACAQM算法的有效性。与PI, RaQ和REM等算法相比较, MACAQM具有收敛速度快、队列抖动小的优点。同时, MACAQM的采样间隔相对较大,算法实现简单,所以计算量较小,占用的路由器资源也较少。     

基于粒子群优化的主动队列管理方法

针对网络拥塞现象,基于粒子群优化(PSO)提出了一种新的主动队列管理算法RQQM。该算法首先通过粒子群优化和变异算子来计算当前队列长度,并且基于到达速率和当前队列长度给出了丢包策略和丢包概率。最后,以实际数据将RQQM算法与基于速率的早期检测公平队列管理(RFED)算法和自适应主动队列管理(ABLUE)算法进行仿真实验,
发现丢包率受利用率和缓冲区影响较大;同时实验结果表明RQQM算法的公平性远远优于其他两种算法,其平均丢包率降低至12.21%。