[发明专利]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

说明书

本发明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。

技术领域

本发明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。

背景技术

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。

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。

Kim H等人在其发表的论文“Communication-aware task scheduling andvoltage selection for total energy minimization in a multiprocessor systemusing 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。

发明内容

针对现有多核平台上低功耗调度算法的不足，本发明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。

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：

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。

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。

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：