计算机学报
計算機學報
계산궤학보
CHINESE JOURNAL OF COMPUTERS
2014年
11期
2298-2308
,共11页
实时功耗管理%实时温度管理%任务预测%任务调度
實時功耗管理%實時溫度管理%任務預測%任務調度
실시공모관리%실시온도관리%임무예측%임무조도
dynamic power management%dynamic thermal management%task prediction%task scheduling
实时功耗温度管理(DPTM)通过对任务的准确预测与合理调度,可以有效降低片上系统的运行能耗与峰值温度.为了获得更好的DPTM调度效果,文中提出了一种精确的组合式任务预测算法和一种任务调度算法VP-TALK,进而构建了一个完整的DPTM原型系统.为了对复杂任务进行精确的任务预测,文中DPTM系统先将复杂任务按频谱长短分类为随机/周期/趋势3种成分,然后采用灰色模型/傅里叶模型/径向基函数(RBF)神经网络模型分别对这3种成分进行组合分析,以获得精确的预测效果;基于精确预测的任务负载量,文中所提出的VP-TALK算法可以计算出最优电压-频率对的理想值,进而选择出两组与理想值相邻的电压-频率对,以获得两个现实的工作状态,并考虑核心温度和任务实时性的条件,VP-TALK算法将任务负载分配到这两个工作状态,以获得最优的DPTM效果;最后基于机器学习方法,综合4种源算法构建了一套完整的DPTM原型系统.实验结果表明:(1)文中系统的任务预测组合方法的平均误差仅为2.89％;(2)在相同的设定峰值温度约束下,与已有调度算法的能耗值相比,尽管假设了更为敏感的功率-温度影响关系,但对于较高的工作负载率,文中所提出的VP-TALK调度算法仍能够获得平均14.33％的能耗降低;(3)文中所提出的DPTM原型系统可以获得接近于理想状态的能耗优化效果.
實時功耗溫度管理(DPTM)通過對任務的準確預測與閤理調度,可以有效降低片上繫統的運行能耗與峰值溫度.為瞭穫得更好的DPTM調度效果,文中提齣瞭一種精確的組閤式任務預測算法和一種任務調度算法VP-TALK,進而構建瞭一箇完整的DPTM原型繫統.為瞭對複雜任務進行精確的任務預測,文中DPTM繫統先將複雜任務按頻譜長短分類為隨機/週期/趨勢3種成分,然後採用灰色模型/傅裏葉模型/徑嚮基函數(RBF)神經網絡模型分彆對這3種成分進行組閤分析,以穫得精確的預測效果;基于精確預測的任務負載量,文中所提齣的VP-TALK算法可以計算齣最優電壓-頻率對的理想值,進而選擇齣兩組與理想值相鄰的電壓-頻率對,以穫得兩箇現實的工作狀態,併攷慮覈心溫度和任務實時性的條件,VP-TALK算法將任務負載分配到這兩箇工作狀態,以穫得最優的DPTM效果;最後基于機器學習方法,綜閤4種源算法構建瞭一套完整的DPTM原型繫統.實驗結果錶明:(1)文中繫統的任務預測組閤方法的平均誤差僅為2.89％;(2)在相同的設定峰值溫度約束下,與已有調度算法的能耗值相比,儘管假設瞭更為敏感的功率-溫度影響關繫,但對于較高的工作負載率,文中所提齣的VP-TALK調度算法仍能夠穫得平均14.33％的能耗降低;(3)文中所提齣的DPTM原型繫統可以穫得接近于理想狀態的能耗優化效果.
실시공모온도관리(DPTM)통과대임무적준학예측여합리조도,가이유효강저편상계통적운행능모여봉치온도.위료획득경호적DPTM조도효과,문중제출료일충정학적조합식임무예측산법화일충임무조도산법VP-TALK,진이구건료일개완정적DPTM원형계통.위료대복잡임무진행정학적임무예측,문중DPTM계통선장복잡임무안빈보장단분류위수궤/주기/추세3충성분,연후채용회색모형/부리협모형/경향기함수(RBF)신경망락모형분별대저3충성분진행조합분석,이획득정학적예측효과;기우정학예측적임무부재량,문중소제출적VP-TALK산법가이계산출최우전압-빈솔대적이상치,진이선택출량조여이상치상린적전압-빈솔대,이획득량개현실적공작상태,병고필핵심온도화임무실시성적조건,VP-TALK산법장임무부재분배도저량개공작상태,이획득최우적DPTM효과;최후기우궤기학습방법,종합4충원산법구건료일투완정적DPTM원형계통.실험결과표명:(1)문중계통적임무예측조합방법적평균오차부위2.89％;(2)재상동적설정봉치온도약속하,여이유조도산법적능모치상비,진관가설료경위민감적공솔-온도영향관계,단대우교고적공작부재솔,문중소제출적VP-TALK조도산법잉능구획득평균14.33％적능모강저;(3)문중소제출적DPTM원형계통가이획득접근우이상상태적능모우화효과.
