為了降低移動(dòng)設(shè)備的能耗,移動(dòng)應(yīng)用可分解為多個(gè)互聯(lián)模塊,構(gòu)建為任務(wù)交互圖TIG結(jié)構(gòu),并卸載至云端資源上執(zhí)行。多數(shù)已有研究?jī)H在任務(wù)調(diào)度階段以動(dòng)態(tài)電壓/頻率調(diào)整手段進(jìn)行能量?jī)?yōu)化,忽略了任務(wù)-資源映射階段�；诖�,在任務(wù)-資源映射階段和資源頻率分配階段中同步進(jìn)行能量?jī)?yōu)化,設(shè)計(jì)一種基于二次分派問(wèn)題QAP的調(diào)度算法。任務(wù)-資源映射階段中,計(jì)算最差全局松馳時(shí)間,并將其分配至整個(gè)TIG中的任務(wù)。資源頻率分配階段中,通過(guò)動(dòng)態(tài)電壓/頻率調(diào)整,在不超過(guò)局部期限的同時(shí)減慢任務(wù)執(zhí)行,實(shí)現(xiàn)能效優(yōu)化。實(shí)驗(yàn)結(jié)果表明,在該算法下進(jìn)行的任務(wù)卸載,平均可以為移動(dòng)設(shè)備節(jié)省約35%的能耗。 

【文章來(lái)源】：計(jì)算機(jī)應(yīng)用與軟件. 2020,37(01)北大核心

【文章頁(yè)數(shù)】：8 頁(yè)

【部分圖文】：

任務(wù)-資源最優(yōu)分配

執(zhí)行能耗

內(nèi)層的調(diào)度最優(yōu)化GA試圖尋找一個(gè)資源頻率分配,得到最大化的計(jì)算代價(jià),如圖1所示。算法以FF個(gè)頻率組合f∈F作為初始種群,適應(yīng)度函數(shù)為每個(gè)資源頻率映射下的計(jì)算代價(jià)。初始種群產(chǎn)生后,下一代資源頻率分配即產(chǎn)生。每一代通過(guò)優(yōu)良個(gè)體選擇、個(gè)體交叉和變異產(chǎn)生新的種群。種群進(jìn)化直到達(dá)到迭代次數(shù)的終止條件即為止。算法的目標(biāo)是找到在對(duì)應(yīng)任務(wù)-資源分配條件下最大化計(jì)算代價(jià)T*comp的資源頻率分配,該最優(yōu)值在上層問(wèn)題T中被替代,然后,外層的映射優(yōu)化GA被初始化尋找最優(yōu)的任務(wù)資源分配以產(chǎn)生最小化的全局松馳時(shí)間。外層GA算法以M!個(gè)任務(wù)-資源分配組合a∈A進(jìn)行初始化,此時(shí)適應(yīng)度函數(shù)為每種任務(wù)-資源分配下的全局松馳時(shí)間。初始種群產(chǎn)生后,下一代任務(wù)-資源分配即產(chǎn)生。每一代同樣通過(guò)優(yōu)良個(gè)體選擇、個(gè)體交叉和變異產(chǎn)生新的種群。種群進(jìn)化直到達(dá)到迭代次數(shù)的終止條件即為止。算法的目標(biāo)是找到產(chǎn)生最小化全局松馳時(shí)間T*slack的任務(wù)-資源分配和相應(yīng)的資源頻率分配下得到的計(jì)算代價(jià)。兩種GA算法的過(guò)程如算法1和算法2所示。

【參考文獻(xiàn)】：
期刊論文
[1]Energy-Aware Scheduling with Uncertain Execution Time for Real-Time Systems[J]. ZHANG Longxin,TONG Zhao,ZHU Ningbo,XIAO Zheng,LI Kenli.  Chinese Journal of Electronics. 2017(01)



本文編號(hào)：2996242