异构多核系统低功耗算法研究

发布时间：2017-04-02 04:13

  本文关键词：异构多核系统低功耗算法研究，由笔耕文化传播整理发布。

【摘要】：随着数字化技术与多媒体技术的普及，便携式及移动性较强的产品得到了空前的发展，其中，产品的电池使用时间极大地影响了消费者的购物倾向。面对电池发展受限的现状，功耗问题已经成为嵌入式系统设计中普遍关注的难点和热点。随着处理器结构由单核向多核的发展，低功耗设计算法变得更加复杂，鉴于软硬件划分及划分后的调度算法对系统功耗的影响，本文立足于解决异构多核处理器系统下的低功耗问题，进行算法研究。 在分析与总结现有低功耗算法的基础上，本文采用两阶段的启发式算法来解决异构多核处理器系统下的低功耗设计问题。首先，对系统进行结构建模，并构造出一个表示任务间相互关联的有向无环图。接着，软硬件划分过程将任务合理分配到对应的处理单元，任务划分的效果在一定程度上影响了后期能耗降低的潜力，而划分后的调度算法决定了系统整体的能耗水平。 在软硬件划分阶段，本文利用量子计算强大的并行性将量子计算与遗传算法相结合得到量子遗传算法，，其独特的量子位编码方式使得一个量子染色体能够同时表征传统染色体的多种匹配情况，以量子旋转门代替传统的选择、交叉、变异更新操作，为算法保证多样性的同时使得种群能够以大概率向着优良模式进化。除此之外，量子计算所具有的并行性能够在较短时间内迅速处理海量数据，因此大大降低了算法的时间复杂度。 任务的分配方法确定后，任务顺利完成的关键在于是否采用了高效的任务调度算法。本文结合当前流行的动态电压缩放技术，提出了一种基于动态电压缩放技术的表调度算法，算法优先安排关键任务节点，非关键任务节点的优先级由各自的执行时间方差决定，通过动态电压缩放技术将任务结束时间逐步逼近截止期，最大限度的降低系统整体功耗。 为验证算法性能，本文设计了仿真实验。利用TGFF工具生成的数据作为算法输入参数，并对算法进行C语言编程实验。为客观显示每个阶段算法的有效性，分别设立了对比实验，主要从功耗降低率及算法的时间复杂度两方面对算法进行评估，实验结果表明量子遗传划分算法进化过程稳定，收敛速度快且全局寻优能力强，与动态电压缩放技术相结合的表调度算法显著降低了系统功耗，缩短了算法时间复杂度，达到了在异构多核处理器系统上降低功耗的目的。
【关键词】：异构多核 低功耗 软硬件划分 动态电压缩放技术
【学位授予单位】：哈尔滨理工大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP332;TP301.6
【目录】：

• 摘要5-7
• Abstract7-12
• 第1章 绪论12-17
• 1.1 课题研究的背景和意义12-13
• 1.2 异构多核低功耗设计研究现状与展望13-16
• 1.2.1 国外研究现状与应用13-14
• 1.2.2 国内研究现状与应用14-15
• 1.2.3 发展展望15-16
• 1.3 课题的来源及研究内容16-17
• 第2章 相关技术概述17-26
• 2.1 引言17
• 2.2 软硬件划分技术17-20
• 2.2.1 软硬件划分的结构分类17-18
• 2.2.2 常用软硬件划分方法18
• 2.2.3 软硬件划分性能评估18-20
• 2.3 任务调度技术20-22
• 2.3.1 调度的基本思想20
• 2.3.2 任务调度的分类20-22
• 2.4 系统建模方法22-25
• 2.4.1 有限状态机建模23
• 2.4.2 数据流图建模23-24
• 2.4.3 Petri 网建模24
• 2.4.4 任务流图建模24-25
• 2.4.5 其他建模方法25
• 2.5 本章小结25-26
• 第3章 基于量子遗传算法的异构多核软硬件划分策略26-39
• 3.1 引言26
• 3.2 异构多核系统模型设计26-29
• 3.2.1 目标体系结构设计假设26-27
• 3.2.2 形式化模型设计27-29
• 3.3 遗传算法分析29-32
• 3.3.1 遗传算法特点30
• 3.3.2 遗传算法流程30-32
• 3.4 量子计算32-34
• 3.4.1 量子计算概论32
• 3.4.2 量子比特32-33
• 3.4.3 量子逻辑门33-34
• 3.5 量子遗传算法构建34-38
• 3.5.1 量子位编码方式34-35
• 3.5.2 种群的遗传更新35-36
• 3.5.3 Logistic 映射36-37
• 3.5.4 算法流程37-38
• 3.6 本章小结38-39
• 第4章 异构多核低功耗表调度算法39-46
• 4.1 引言39
• 4.2 DAG 模型下的常用调度算法39-40
• 4.3 基于动态电压缩放技术的表调度算法设计40-45
• 4.3.1 动态电压缩放技术40-42
• 4.3.2 调度策略42-43
• 4.3.3 任务切换43
• 4.3.4 算法流程43-45
• 4.4 本章小结45-46
• 第5章 仿真及实验结果分析46-57
• 5.1 引言46
• 5.2 实验平台设计46-47
• 5.3 实验样本生成47-49
• 5.4 算法实现49-50
• 5.5 实验结果分析50-56
• 5.5.1 任务划分算法性能分析50-52
• 5.5.2 低功耗调度算法性能分析52-54
• 5.5.3 系统低功耗算法性能分析54-56
• 5.6 本章小结56-57
• 结论57-59
• 参考文献59-63
• 攻读硕士学位期间所发表的学术论文63-64
• 致谢64

【相似文献】

中国期刊全文数据库 前10条

1 陆向艳;;《算法设计与分析》教学方法探讨[J];广西大学学报(哲学社会科学版);2006年S1期

2 吕兰兰;;浅谈计算机专业《算法设计与分析》课程的启发式教学[J];现代计算机(专业版);2010年12期

3 苏安婕;吴志刚;;关键步分解法在算法设计与描述中的应用[J];成组技术与生产现代化;2011年03期

4 彭雷;戴光明;王茂才;;《算法设计与分析》课程教学方法探索[J];陕西教育(高教版);2011年Z1期

5 石润华;仲红;;“算法设计与分析”课程教学中若干实践与思考[J];电脑知识与技术;2012年01期

6 王喜凤;;关于算法设计与分析课程教学大纲的调查报告[J];计算机教育;2012年13期

7 许道云;;算法机制设计的数学基础[J];贵州大学学报(自然科学版);2013年03期

8 秦董洪;陈智勇;;算法设计与分析课程教学研究[J];计算机教育;2013年11期

9 陈云霞;聂士澄;;试谈学生算法设计能力的培养[J];扬州师院学报(自然科学版);1995年03期

10 蒋新儿;自然数拆分的算法设计[J];微电脑世界;1996年06期

中国重要会议论文全文数据库 前10条

1 雷咏梅;;椭圆曲线密码体制的算法设计与实现[A];西部大开发 科教先行与可持续发展——中国科协2000年学术年会文集[C];2000年

2 杨盘洪;朱军祥;赵建安;杨静;;机动目标跟踪的模糊变结构交互多模算法[A];2007'中国仪器仪表与测控技术交流大会论文集（二）[C];2007年

3 徐子珊;;《算法设计与分析》课程中的工程教育[A];2005年全国理论计算机科学学术年会论文集[C];2005年

4 王辉;刘治昌;;用一种新算法设计的安全系统[A];2007年中国智能自动化会议论文集[C];2007年

5 舒辉;柳清峰;杜祝平;周蓓;;实践教学模式在本科专业课程教学中的应用[A];中国电子教育学会高教分会2010年论文集[C];2010年

6 彭小宏;阳东升;刘忠;;基于聚类算法的组织协作网设计[A];2006中国控制与决策学术年会论文集[C];2006年

7 李皓;罗熊;;云存储部署优化的进化算法设计[A];2013年中国智能自动化学术会议论文集（第三分册）[C];2013年

8 罗长政;李熙莹;王镇波;罗东华;;一种大流量交叉路口的背景提取与更新算法[A];第十五届全国图象图形学学术会议论文集[C];2010年

9 杨利;李霖;昌月楼;阳国贵;;对称位向量及启发式并行散列连接算法[A];数据库研究与进展95——第十三届全国数据库学术会议论文集[C];1995年

10 张晋;;嵌入式电脑鼠运行算法的研究[A];全国第20届计算机技术与应用学术会议（CACIS·2009）暨全国第1届安全关键技术与应用学术会议论文集（上册）[C];2009年

中国重要报纸全文数据库 前1条

1 ;算法设计的策略[N];电脑报;2003年

中国博士学位论文全文数据库 前10条

1 谷伟哲;齐次光滑算法及其应用[D];天津大学;2010年

2 龙海侠;进化算法及其在生物信息中的应用[D];江南大学;2010年

3 谭跃;具有混沌局部搜索策略的粒子群优化算法研究[D];中南大学;2013年

4 尤海峰;求解隐式目标优化问题的交互式进化算法研究[D];中国科学技术大学;2011年

5 张常淳;基于MapReduce的大数据连接算法的设计与优化[D];中国科学技术大学;2014年

6 郭崇慧;地区中长期发展规划若干定量模型、算法及应用研究[D];大连理工大学;2002年

7 蒋蔚;粒子滤波改进算法研究与应用[D];哈尔滨工业大学;2010年

8 孙贺;算法设计中的若干前沿问题[D];复旦大学;2009年

9 娄晓文;无符号基因组切割再粘贴重组问题的算法研究[D];山东大学;2010年

10 陈宁涛;基于二分技术的高效算法设计及其应用[D];华中科技大学;2006年

中国硕士学位论文全文数据库 前10条

1 穆强;基于熵的K-匿名属性泛化算法研究[D];南京信息工程大学;2011年

2 韩孟江;集装箱配载关键问题的高效能求解算法[D];电子科技大学;2011年

3 王帆;面向高维及多目标的协同细菌觅食算法研究[D];大连理工大学;2013年

4 高媛;解两类全局优化问题的新算法[D];西安电子科技大学;2013年

5 肖立;智能算法在对地观测计划制定中的应用[D];中国科学院研究生院（空间科学与应用研究中心）;2008年

6 陈丹;基于遗传聚类的社团发现算法研究[D];西南交通大学;2014年

7 刘源;基于云计算的分布式推荐引擎算法研究[D];电子科技大学;2013年

8 解英文;基于蚁群算法的网络路由算法[D];山东大学;2009年

9 李海生;蜂群算法及其在垂直Web搜索中的应用[D];广州大学;2010年

10 张洪亮;基于粒子滤波的车道标识线检测与跟踪算法的设计与实现[D];东北大学;2008年

  本文关键词：异构多核系统低功耗算法研究，由笔耕文化传播整理发布。

本文编号：281860