【技术实现步骤摘要】
一种任务分配方法、任务分配装置及存储介质
[0001]本申请涉及计算机系统
,尤其涉及一种任务分配方法、任务分配装置、电子设备、芯片及计算机可读存储介质。
技术介绍
[0002]随着嵌入式系统的发展,异构多核由于运算能力强、成本低等特点,已成为当前关注热点。而任务调度算法对系统的效率有很大的影响,只有将任务准确地映射到正确的处理器,才能实现异构多核平台的最佳性能。目前运行在异构多核处理器上的操作系统大多采用同构多核处理器的任务调度算法,并不能适用于所有异构多核处理器,研究异构多核性能的任务调度算法意义重大。
[0003]异构多核任务调度算法的关键在于如何合理调度,该问题是一个多项式复杂程度的非确定性(Nondeterministic Polynomial Complete,NP)问题,目前还没有一种能确保每次都可获得最优解的算法,只能是不断地逼近最优解。异构多核任务调度算法主要分为确定性算法和非确定性算法,任务复制算法和表调度算法为确定性调度算法,智能优化的调度算法为非确定性调度算法。确定性算法在任务数量少时更具优势,非确定性算法在处理大规模任务时有更早的完成时间。目前,对于确定性任务调度算法中的列表调度算法使用最为广泛,但是在处理大规模任务量时还是会采取非确定性算法进行优化计算。针对非确定性算法,如何更有效的平衡收敛性与多样性,在降低任务调度时间的同时,提高系统性能,已成为亟待解决的问题。
技术实现思路
[0004]本申请实施例提供了一种任务分配方法、任务分配装置、电子设备、芯片及计算 ...
【技术保护点】
【技术特征摘要】
1.一种任务分配方法,其特征在于,包括:构建系统模型,所述系统模型具有多个相同状态的计算核心;构建任务模型,所述任务模型中具有多个相互独立的任务,其中,所述多个任务中任一任务的唯一属性为该任务的系统吞吐量;基于所述多个相同状态的计算核心和所述多个相互独立的任务,生成初始种群,所述初始种群包括至少一个个体,所述个体代表一种任务面向计算核心的分配方案;以系统吞吐量作为优化目标,对所述初始种群进行遗传迭代操作,当符合迭代停止要求时,输出非支配最优解;其中,所述迭代操作基于改进的双档案机制实现。2.根据权利要求1所述的任务分配方法,其特征在于,所述改进的双档案机制包括以下至少之一:基于HD+指标更新CA档案;和/或,基于pareto指标更新DA档案;和/或,分别固定所述CA和DA档案的个体数量;和/或,对所述DA档案中的个体进行交叉操作,对所述CA档案中的个体进行变异操作。3.根据权利要求1所述的任务分配方法,其特征在于,所述迭代操作中每次迭代操作包括:对所述DA档案中的个体进行交叉操作,对所述CA档案中的个体进行变异操作;对交叉操作和变异操作后的不可行解进行修复和/或惩罚;更新所述CA和DA两个档案中所有个体的适应度值;基于HD+指标更新所述CA档案;基于pareto指标更新所述DA档案。4.根据权利要求2或3所述的任务分配方法,其特征在于,所述基于HD+指标更新所述CA档案,包括:将所述DA和CA两个档案的当前子代中所有占据支配地位的个体加入所述CA档案中;其中,对于新加入的个体,当所述CA档案中的个体数量已达到预设值时,比较该个体与当前CA档案中的所有个体的HD+指标,若当前CA档案中所有个体的HD+指标都大于该个体,则不将该个体加入CA档案中,若当前CA档案中存在HD+指标小于该个体的个体,则剔除HD+指标最小的个体,将该个体加入到所述CA档案中;其中,在第一次迭代操作中,将所述初始种群中所有占据支配地位的个体加入到所述CA档案中。5.根据权利要求2或3所述的任务分配方法,其特征在于,所述基于pareto指标更新所述DA档案,包括:将所述DA和CA两个档案的当前子代中与CA档案中的个体互不支配的个体添加到所述DA档案中;其中,对于新加入的个体,当所述DA档案中的个体数量已达到预设值时,比较该个体与当前DA档案中的所有个体的适应度值,若当前DA档案中所有个体的适应度值都大于该个体,则不将该个体加入DA档案中,若当前DA档案中存在适应度值小于该个体的个体,则剔除适应度值最小的个体,将该个体加入到DA档案中;其中,在第一次迭代过程中,所述DA档案中的个体数量为0。6.根据权利要求2或3所述的任务分配方法,其特征在于,所述对所述DA档案中的个体
进行交叉操作,包括:随机选择当前DA...
【专利技术属性】
技术研发人员:王丹娜,冯俊兰,邓超,
申请(专利权)人:中国移动通信集团有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。