实时系统最大化奖赏值的能耗感知调度

针对实时系统中周期任务在可变电压处理器上的能耗感知调度问题,提出了一种贪婪人工蜂群算法.在人工蜂群算法的基础上,引入贪婪算法的思想,按照最大价值密度优先原则,为任务分配执行速度,以保证价值密度大的任务能被执行,从而提高系统的奖赏值.仿真结果表明:能耗利用率随着能耗约束的减小而增大,说明算法具有良好的能耗感知特性;相比贪婪算法,当能耗约束因子为0.1时,系统的奖赏值平均提高了78%,随着任务数的增加、能耗约束越强,其优势更加明显.     

嵌入式实时系统周期任务能耗感知调度

在电池供电的嵌入式实时系统中,针对实时周期任务集在一个可变电压处理器上的能耗感知调度问题,在改进的人工鱼群算法(improved artificial fish school algorithm,IAFSA)基础上,提出了一种离线的能耗感知调度算法,该算法通过构造人工鱼的行为约束自然地满足时限和能耗约束,最大化系统总奖赏值。与贪婪算法相比,该算法提高系统的总奖赏值约47%。且随着电池能量的减少,系统能耗利用效率逐渐增大,说明该算法具有良好的能耗感知特性。     

WebitOS中动态优先级调度机制及EDF算法的实现

在实时系统中,相对于静态优先级调度机制而言,动态优先级调度机制因其可以为每个任务的各个作业设置不同的绝对时限而更好地反映了实时系统对于所调度的各个任务的时限要求.基于最早时限优先(earliest-deadline-first EDF)算法的高可调度利用率,在WebitOS实时操作系统中设计并实现了动态优先级调度机制,并且提出了一种早期丢弃规则.实验结果表明,该规则提高了EDF算法在超载情况下的整体调度性能.     

具有自适应特性的反射式动态弹性调度模型

针对负载可以弹性变化的实时系统,提出了一种两层结构的动态调度模型,实现具有自适应性的反射式弹性动态调度.上层调度采用弹性调度算法动态地调整实时任务的作业周期,底层调度采用MUF调度算法,保证实时任务的优先级次序.通过反馈控制,弹性调度器对实时系统的性能进行动态优化.在保证实时任务服务质量(Quality of Service QOS)要求的前提下,通过改变实时任务的运行周期,接纳尽量多的服务请求,以达到提高实时系统吞吐率的目的.模拟测试表明本模型适用于实时任务负载可以动态变化的实时系统中.     

领域QoS与资源感知的物流服务动态优化组合方法

为了提高物流服务优化组合的动态性、可靠性与用户满意度,本文提出了一种基于全局服务质量(quality of service,QoS)约束分解的能够感知领域质量与资源需求的物流服务优化组合方法.该研究工作首先把学习机制引入人工蜂群算法(artificial bee colony algorithm,ABC),形成了具有自主学习能力的改进型人工蜂群算法(LABC);之后,应用学习人工蜂群算法(LABC)将全局QoS约束分解成每个物流子任务需要满足的局部QoS约束,从而将QoS感知的物流服务优化组合这一全局优化问题转化成以领域质量为依据的局部最优服务选择问题;其次,在物流服务流程执行的过程中,在感知物流任务节点对资源需求的前提下,为每一个物流任务节点选择一个具有最优领域QoS的物流服务;与已有的研究工作相比,该方法能够实现物流服务动态可靠的优化组合.最后,通过模拟实验验证了本文所提出的方法是可行有效的.     

基于免疫蜂群算法的冷轧生产调度优化方法

冷轧生产调度是一个复杂的约束组合优化问题,生产约束包括轧制板坯的宽度、厚度、硬度跳变及交货期提前和拖后惩罚等。基于TSP(多旅行商)问题,建立了冷轧生产调度问题的最小值模型,提出了一种免疫蜂群优化求解算法。通过给蜂群注射疫苗产生出代表新的解集的种群,避免算法在优化过程中陷于局部极值。针对工业数据的仿真结果表明:免疫蜂群优化算法明显优于人工蜂群优化算法的解,具有较好的收敛性和快速性。     

基于调度窗口的弱硬实时系统改进DBP调度算法研究

针对弱硬实时系统中平滑调度的要求,首先阐述基于调度窗口的弱硬实时约束规范,然后在传统的DBP算法基础上提出W-DBP算法,实现系统的平滑调度.W-DBP算法有效解决了传统DBP算法中存在的公平性和瞬时过载等问题.仿真对比试验和分析表明:W-DBP算法在弱硬实时系统中有良好的表现.     

一种新的静态优先级在线节能调度算法

合理运用动态电压调整技术可有效降低嵌入式实时系统能耗.针对静态优先级实时调度,提出了一种能够有效分析松弛时间并尽可能平衡分配松弛时间的在线节能调度算法TPSRM.设计了一种两段式频率执行策略来改变任务执行时间的分配,能充分在线分析各种形式的松弛时间.通过尽可能合理降低高优先级任务的处理器执行频率来实现有效的在线频率调整.实验结果表明TPSRM算法可实现较好的节能效果.     

不确定环境下的嵌入式实时系统EDF调度算法研究与分析

大部分嵌入式系统的实时调度算法, 都是按任务的最坏执行时间进行调度, 会浪费各种资源. 针对网络多媒体系统的实时应用需求和当前调度算法的实时性能的不足, 本文分析了嵌入式实时系统中有代表性的动态EDF调度算法, 建立了一个周期性的任务集模型, 依据该模型, 提出来了一个改进的EDF调度算法, 最后用实验验证了改进的EDF调度算法的有效性.     

嵌入式Linux任务调度算法实时性优化

实时嵌入式系统的特点及应用要求其任务调度策略尽可能精简和高效。而作为通用操作系统的Linux的任务调度并不能很好的支持实时性任务。本文分析了实时系统中有代表性的静态以及动态调度算法。在此基础上,结合RM和EDF算法各自的优点,对嵌入式Linux的调度算法进行了优化。     

具有双电压调节处理器的最优DVS算法

为了解决嵌入式实时系统如何节省电能的问题,针对具有两种运行状态的微处理器提出了最优的动态电压调节(DV S)算法。对具有周期性硬实时任务集的嵌入式系统,引进了部分降频的新概念,建立了精确实用的数学模型,在此基础上证明了该算法的最优性。分别从实例实验、仿真试验两个方面,证实了该算法的正确性和有效性。实验结果表明,采用这种最优DV S算法的系统,比不采用DV S算法的系统明显地节省能量,具体减少的数值依赖于任务集的构成和处理器状态,但是减少量平均达到20%以上。和其他类似的调度算法相比,也能更好地减少能耗。     

一种适用于TD-SCDMA无线终端的动态电源管理架构

针对以往单纯以DVS算法为中心的动态电源管理架构的不足，提出了一种改进的动态电源管理架构，此架构根据TD—SCDMA无线终端支持3G多媒体业务的特点，站在系统的角度上以策略框架为中心对嵌入式系统的不同组件(如CPU，存储器，外设等)进行行之有效的动态电源管理。通过TD—SCDMA无线终端上的实验表明，采用该架构后，系统平均能耗比没有采用电源管理时下降了50％，大大提升了无线终端的实际应用价值。     

基于DVS的服务器电源管理策略分析

使用支持动态电压调整的AMDAthlon64处理器，通过改变处理器的电压与频率，可以得出Linux服务器中应用服务的运行效率与电力消耗之间的折衷关系．应用该关系，在Linux服务器中建立能耗改变时服务运行时间差的模型，可以在牺牲少量效率的代价之下，节约可观的能源．     

基于多普勒速度声纳的水下航行器导航方法

提出由多普勒速度声纳、姿态测量组件和陀螺罗经组成导航系统,研究了速度解算和误差分析方法,给出了导航卡尔曼滤波算法．实船航行试验结果证明了导航方法的有效性.     

Slack-nibbling battery-aware task scheduling

Dynamic voltage scaling (DVS) is an efficient approach to maximize the battery life of portable devices. A novel overall planning strategy (OPS II) balancing slack supply and demand for DVS is proposed. An OPS II-based slack-nibbling overall planning strategy (SNOPS) algorithm is also proposed, which iteratively nibbles slacks for appropriate tasks selected by an overall planning dynamic priority function to perform DVS until the slack is exhausted and an optimum voltage setting is obtained. For a high-load task set, SNOPS manages to recover battery overload while maintaining schedulability. For random variable-load task sets, SNOPS achieves a saving of 29.51% battery capacity on average, the suboptimal gap is 27.84% narrower than that of our previously proposed OPS-based algorithm, and 92.10% narrower than that of the algorithm proposed by Chowdhury et al. Results indicate that OPS II manages to save battery to various extents while maintaining schedulability, and demonstrates good load compatibility and close-to-optimal performance on average. Biography: GAO Xun(1981–), male, Ph.D. candidate, research direction: embedded system, power optimization.     

实时系统中基于DVS与Cache划分技术的节能研究

DVS(动态电压调度)和cache划分是用来节约嵌入式系统能耗的技术.两种技术的结合会具有更好的节能效果,而且有cache划分的其他优点,关键问题是如何为每个任务确定执行时的电压和cache大小来使系统能耗最小.在实时嵌入式系统中针对这一问题,提出了一个多项式时间复杂度算法.实验对比了多组测试集在不同算法下的能耗,结果表明,本算法在满足实时性约束条件下有效地降低系统能耗.     

一种考虑可靠性指标的最优潮流模型

提出一种考虑可靠性指标的最优潮流模型.该模型能考虑系统中的随机因素,通过z变换法构造电力系统的可靠性指标约束,将该约束添加到经典最优潮流(OPF)模型中共同求解,从而使电力系统的调度或控制能在满足一定的失负荷概率(LOLP)指标的前提下实现最优运行.所提模型是一个典型的非线性规划模型,采用内点算法求解.通过RTS-24系统仿真测试以及随机生产模拟程序分析发现,与经典OPF得到的发电计划相比,考虑可靠性指标后电量不足期望值下降了31.48%,而生产成本仅上升了14.39%.因此,所提模型能使系统的调度综合考虑可靠性和经济性,运行方案更实用.     

无线传感器网络实时任务内电压调度算法研究

针对无线传感器网络（wireless sensor networks, WSNs）多节点协同式并行处理应用节能设计环节, 提出了一种低功耗实时动态电压调节（dynamic voltage scaling, DVS）算法.该算法利用所建立的节点单任务处理模型来反映相关通信事件对任务处理的影响,引入任务内的电压优化调度策略,可获得模型中基本块理想的处理频率（或电压）.最后,通过创建频率拆分法有效地消除了任务完成期与截止期之间的空闲时隙.给出了该算法的实现方法,通过仿真研究证明该算法能有效地降低节点能耗.     

基于可信度的分布式资源调度系统

由于计算资源具有广域分布、异构、动态等特点,使得分布式系统中资源管理和调度成为一个非常复杂且具有挑战性的问题.分布式系统的性能度量、分析及预报已变得日益重要,而精确预报任务的运行时间对达到应用性能是至关重要的.描述了一种基于可信度的资源调度算法,它是任务调度及资源分配的核心,并能有效地解决分布式系统的负载平衡问题.