适用于开放式数控系统周期性依赖任务的低功耗调度方法技术方案

本发明专利技术公开一种适用于开放式数控系统周期性依赖任务的低功耗调度方法，其步骤如下：步骤1：初始化遗传算法参数；步骤2：采用有向无环图对周期性依赖任务进行建模；步骤3：建立调度任务的目标函数，设定约束条件，得到最优化模型；步骤4：用改进的遗传算法求解最优化模型，得到任务调度序列及处理器需要配置的供电电压。本发明专利技术考虑了任务的周期性依赖关系，设计了能够保持任务拓扑结构的初始种群生成算法和交叉操作，与其他算法相比，不仅具有更快的搜索速度而且最优解对应的调度方案具有更低的能耗。本发明专利技术对遗传算法产生的最优个体进行变邻域搜索，以提高算法的局部搜索能力，该算法在保证系统可调度性的前提下，可有效降低系统能耗。系统能耗。系统能耗。

【技术实现步骤摘要】
适用于开放式数控系统周期性依赖任务的低功耗调度方法


[0001]本专利技术涉及多核平台实时系统领域任务的实时调度，具体的说是适用于开放式数控系统周期性依赖任务的低功耗调度方法。

技术介绍

[0002]开放式数控系统作为一种典型的实时系统，其关键功能均由实时任务实现。数控系统不仅要求在截止期限内完成任务，而且要保证任务的正确执行。随着数控系统中各种功能需求的增加，多核处理器的应用越来越广泛。与单处理器相比，任务在多核平台上的调度需要考虑处理器间迁移、通信等行为，因此系统能耗也相应的越来越高。高能耗产生的高热量会影响处理器的使用寿命，还会造成资源浪费，进而影响环境。这对调度算法提出了新的要求：在保证任务在其截止期限前完成的前提下，尽可能的降低系统能耗。
[0003]由于多核平台上的调度问题是NP-hard的，目前许多学者采用智能启发式算法来解决多核平台上的低能耗调度问题，其本质是将任务调度问题形式化的描述为具有一些优先约束的最优化问题，通过启发式搜索算法找到问题的近似最优解。
[0004]Kim H等人在其发表的论文“Communication-aware task scheduling and voltage selection for total energy minimization in a multiprocessor system using Ant Colony Optimization”提出一种基于蚁群算法的低能耗调度算法，算法采用具有总能耗的全局启发信息和具有处理器间通信量的局部启发信息对解空间进行随机决策搜索，并通过标准化总能耗来更新信息素轨迹。该方法由于未考虑任务之间的依赖关系，所以并不适用于多核平台数控系统。

技术实现思路

[0005]针对现有多核平台上低功耗调度算法的不足，本专利技术提出一种适用于开放式数控系统中周期性依赖任务的节能调度方法，该方法首先用有向无环图对周期性依赖任务进行建模，接着对调度问题进行形式化的描述，将其抽象为具有一些约束条件的最优化问题，并设计了能够保持任务拓扑结构的初始生成方法以及交叉操作，并采用变邻域搜索算法拓展搜索范围，找到局部最优解，实现多核处理器系统上任务的快速分配及低功耗目标。
[0006]适用于开放式数控系统周期性依赖任务的低功耗调度方法，包括以下步骤：
[0007]步骤1：初始化遗传算法参数；
[0008]步骤2：采用有向无环图对周期性依赖任务进行建模；
[0009]步骤3：建立调度任务的目标函数，设定约束条件，得到最优化模型；
[0010]步骤4：用改进的遗传算法求解最优化模型，得到任务调度序列及处理器需要配置的供电电压。
[0011]所述遗传算法参数，包括：总迭代次数为Max_gen、种群规模为P
size
、交叉概率为P
C
、变异概率为P
M
、迭代次数为R。
[0012]所述最优化模型包括：当系统满足约束条件时，找到最优的任务调度序列及处理
器电压，使得系统总能耗E最小；
[0013]最小化：
[0014]约束条件：
[0015][0016][0017]其中，e
ikl
表示任务t
i
在电压为v
l
的处理器p
k
上运行时的能耗；N为系统中任务个数，M为处理器个数，v
k
为处理器供电电压的集合，EST
i
为任务t
i
的最早开始时间，ST
i
为任务t
i
的实际开始时间，FT
i
为任务t
i
的结束时间，d
i
为任务t
i
的截止期限，而x
ikl
的定义如下：
[0018][0019]所述用改进的遗传算法求解最优化问题，得到任务调度序列及处理器需要配置的供电电压，包括：
[0020]步骤4.1：采用改进的遗传算法循环迭代搜索最优化模型的近似最优解，再进行变邻域搜索得到最优解；
[0021]步骤4-2：根据最优解进行任务调度。
[0022]所述采用改进的遗传算法循环迭代搜索最优化模型的近似最优解，再进行变邻域搜索得到最优解，包括：
[0023]a.确定染色体结构；
[0024]b.生成初始种群：根据任务的有向无环图生成包含P
size
个染色体的初始种群；
[0025]c.计算种群适应度
[0026]d.对初始化种群进行选择、交叉和变异操作；
[0027]e.将变异得到的子代染色体与父代染色体合并，生成规模为2P
size
的种群，计算新种群每个染色体的适应度值并由大到小排序，选取前P
size
个染色体生成下一代种群；
[0028]f.对当前种群最优染色体BS进行变邻域搜索，获得邻域内新的当代最优染色体S，选择S与BS中适应度值大的染色体作为当前种群的最优解；其中，最优个体BS为适应度值最高的染色体；
[0029]g.判断是否满足截止条件：若满足则输出最优解，否则返回d。
[0030]选择3
×
N的二维矩阵来表示染色体，其中N为任务个数，矩阵中第一行代表任务编号，第二行代表为相应任务分配的处理器编号，第三行表示相应处理器提供的供电电压。
[0031]所述选择为采用基于概率的轮盘赌选择法。
[0032]所述交叉为根据交叉概率选择父代染色体用于后代染色体的拓扑结构，采用段内交叉的方式生成子代染色体。
[0033]所述变异为根据变异概率选取染色体进行单点变异操作，得到子代染色体。
[0034]本专利技术具有以下有益效果及优点：
[0035]1.本专利技术考虑了任务的周期性依赖关系，设计了能够保持任务拓扑结构的初始种群生成算法和交叉操作，与其他算法相比，不仅具有更快的搜索速度而且最优解对应的调度方案具有更低的能耗。
[0036]2.本专利技术对遗传算法产生的最优个体进行变邻域搜索，以提高算法的局部搜索能力，该算法在保证系统可调度性的前提下，可以有效降低系统能耗。
附图说明
[0037]图1是本专利技术的调度方法流程图。
[0038]图2是改进的遗传算法的操作流程图。
[0039]图3是变邻域搜索流程图。
[0040]图4(a)任务数是50时仿真实验的结果图。
[0041]图4(b)任务数是100时仿真实验的结果图。
具体实施方式
[0042]下面结合附图及实施例对本专利技术做进一步的详细说明。
[0043]本专利技术提供一种基于改进遗传算法的开放式数控系统的低功耗调度方法，首先采用有向无环图对周期性依赖任务进行建模，接着调度问题进行形式化的描述，将其抽象为具有一些约束条件的最优化问题。针对依赖任务的拓扑结构，提出了能够保持任务拓扑结构的初始解本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.适用于开放式数控系统周期性依赖任务的低功耗调度方法，其特征在于，包括以下步骤：步骤1：初始化遗传算法参数；步骤2：采用有向无环图对周期性依赖任务进行建模；步骤3：建立调度任务的目标函数，设定约束条件，得到最优化模型；步骤4：用改进的遗传算法求解最优化模型，得到任务调度序列及处理器需要配置的供电电压。2.根据权利要求1所述的适用于开放式数控系统周期性依赖任务的低功耗调度方法，其特征在于，所述遗传算法参数包括：总迭代次数为Max_gen、种群规模为P
size
、交叉概率为P
C
、变异概率为P
M
、迭代次数为R。3.根据权利要求1所述的适用于开放式数控系统周期性依赖任务的低功耗调度方法，其特征在于，所述最优化模型包括：当系统满足约束条件时，找到最优的任务调度序列及处理器电压，使得系统总能耗E最小；最小化：约束条件：约束条件：约束条件：其中，e
ikl
表示任务t
i
在电压为v
l
的处理器p
k
上运行时的能耗，N为系统中任务个数，M为处理器个数，v
k
为处理器供电电压的集合，EST
i
为任务t
i
的最早开始时间，ST
i
为任务t
i
的实际开始时间，FT
i
为任务t
i
的结束时间，d
i
为任务t
i
的截止期限，而x
ikl
的定义如下：4.根据权利要求1所述的适用于开放式数控系统周期性依赖任务的低功耗调度方法，其特征在于，所述用改进的遗传算法求解最优化模型，得到任务调度序列及处理器需要配置的供电电压，包括：步骤4.1：采用改进...

【专利技术属性】
技术研发人员：郭锐锋，彭阿珍，胡毅，吴昊天，王楚婷，
申请(专利权)人：沈阳高精数控智能技术股份有限公司，
类型：发明
国别省市：