[发明专利]一种基于改进蜂群算法的异构多核任务分配方法

说明书

一种基于改进蜂群算法的异构多核任务分配方法：首先对邻域搜索次数设置一个搜索次数阈值，当搜索次数低于设定阈值时，领域搜索策略为更新一位实现迭代更新，并对邻域食物源进行相应的解的计算，当搜索次数高于设定阈值时，领域搜索策略为更新多位实现迭代更新，并对邻域食物源进行相应的解的计算，从而快速的实现解的收敛。在寻优的后期，当对当前食物源进行邻域搜索不能提高解的质量的时候，侦察蜂重新生成食物源时参考当前最优食物源的信息编码，根据当前最优食物源的信息重新生成新的食物源，在此基础上再进行邻域搜索。这样会大大减少无效的迭代次数，在一定程度上提高蜂群算法的收敛速度，提高任务分配效率。

技术领域

本发明涉及一种异构多核任务分配方法。特别是涉及一种群智能优化算法应用于基于异构多核模型的系统任务分配问题时的基于改进蜂群算法的异构多核任务分配方法。

背景技术

1、基于异构多核模型的任务分配问题描述

复杂嵌入式系统往往可以表述成由多个具有不同特定结构，用来执行不同特定任务的处理器核组成。基于异构多核模型的任务分配问题可以用一个二元组表示G＝(I,R,C)表示，其中I＝{I₁,I₂,I₃,...,I_i,...,I_M|(i∈M)}表示基于异构多核模型系统中的任务单元的集合(假设共有M个任务节点)，其中I_i(i∈M)表示第i个任务节点的属性，C＝{C₁,C₂,C₃,...,C_p,...,C_N|p∈N}表示基于异构多核模型系统中的处理器核的集合(假设共有n个处理器核)，其中C_p(p∈N)表示第p个处理器核的属性，表示任意有依赖关系的i,j两个任务节点在第p,q两个处理器核间通信属性。

每个任务节点i的属性如式(1)所示：

I_i＝F,T_i,p,P_i,p(i∈M,p∈N) (1)

其中，F表示第i个任务节点的识别号，T_i,p表示第i个任务节点在第p个处理器核上的任务执行时间损失，P_i,p表示第i个任务节点在第p个处理器核上的任务执行功率消耗。

系统中任意有依赖关系的i,j两个任务节点在第p,q两个处理器核间通信属性如式(2)所示：

其中，表示任意有依赖关系的i,j两个任务节点在第p,q两个处理器核间通信时间消耗，表示任意有依赖关系的i,j两个任务节点在第p,q两个处理器核间通信功率消耗。

基于异构多核模型的任务分配问题可以看作在执行功耗的约束下将所有任务节点的执行时间以及任意有依赖关系的两个任务节点的通信时间之和作为寻优目标，则其数学模型描述如式(3)所示：

min:

subject to:

针对基于异构多核模型的任务分配问题，可以将M个任务节点的任务分配方案对应一个M维的空间。其中每个人物节点的实现方案可以由0,1,2,...,p,...,N表示，即p表示当前任务节点由第p个处理器核执行。基于异构多核的任务分配问题可以理解为寻找最优的任务分配方案的过程。

2、传统的人工蜂群算法在异构多核任务分配问题上的应用