面向异构处理平台任务调度的麻雀优化算法

针对当前异构信号处理平台中各处理器任务数量分配不均衡、处理器性能发挥不完全以及系统运行效率低的问题,文中提出一种面向异构处理平台的麻雀优化算法。该算法利用了麻雀算法较强的全局寻优能力和麻雀种群内部的高效工作机制。在经典麻雀算法基础上,文中提出了符合任务调度的二进制异或编解码规则,将离散的任务分配方案映射为连续的麻雀位置信息。将处理器负载均衡指数作为适应度函数,选取每次迭代中的最优解;在麻雀遍历任务时,采用任务优先级分流排序策略。对通信密集型任务和计算密集型任务采取不同的计算式得到更符合任务特点的遍历顺序,生成随机任务图,并将所提算法同ICPA(Improved Critical Path Algortthm)算法进行对比。仿真结果表明,相比于ICPA算法,所提算法的负载均衡指数平均优化率为60%,各处理器负载情况更加均衡,能更好地发挥异构处理平台的整体效能。

异构多平台信号处理任务调度研究

简单的并行计算或单一异构平台已经无法满足计算量大、复杂度高的信号处理和任务调度需求,异构多平台系统已经成为信号处理和任务调度的发展趋势。针对提高平台的吞吐量、处理器的利用率以及任务的感知等问题,文中对异构多平台信号处理模型进行了研究,并利用有向无环图对调度任务和软硬件资源建模。基于已提出的调度算法,对任务调度进行了归纳总结、对比分析,发现基于任务感知的混合调度算法能够较好地满足平台调度需求。利用基于任务感知的混合调度算法解决信号处理中的任务调度将是未来研究发展的趋势。

基于改进蚁群的异构平台负载均衡调度算法

针对目前异构平台中信号处理任务的调度算法单一、处理器资源浪费等问题,提出了一种面向异构系统的Q学习改进蚁群算法的负载均衡调度算法。算法针对计算密集型和通信密集型任务的不同需求,设计了分流排序法进行任务优先级排序;通过场景适配将Q学习和蚁群算法,与异构平台中的任务调度进行映射。通过奖励函数计算Q-Table,作为蚁群算法的初始信息素,加快了蚁群的收敛速度;根据处理器的实时负载,设计负载矩阵,实现了动态调整系统负载均衡;利用伪随机比例规则选择处理器,通过任务之间的约束关系形成调度列表来完成任务的分配。最后,通过随机生成的有向无环图进行仿真实验,结果表明算法在减小最大完工时间(调度长度)和提高处理器利用率方面均有明显的改进。

分层异构信号处理平台调度方法研究

异构多处理器的高效性和可靠性能够满足日趋复杂的信号处理任务需求,因此分层异构系统已成为信号处理平台的发展趋势。为提高平台强实时性并解决高吞吐量的问题,文中对分层异构信号处理平台的软硬件模块及架构进行了研究,并采用有向无环图对组件任务及硬件资源进行建模。将已提出的调度算法按照任务类型、调度目标、调度过程和研究方法进行分类,并根据任务调度最新的研究进展提出组合优化算法的概念。文中对经典启发式算法、智能搜索算法、机器学习算法以及组合优化算法的性能进行对比和分析,发现组合优化算法能够满足平台任务调度的需求。

异构信号处理平台任务规划相关技术研究

随着信号处理技术的飞速发展.复杂、多样的应用任务如何在庞大的异构信号处理平台上有序、实时、智能地进行处理和执行是目前信号处理领域的重点、难点问题.针对此问题.对异构信号处理平台任务规划的主要内容平台资源抽象和管理、任务映射进行研究分析.提出任务规划技术的重点、难点问题以及未来任务规划技术的主要研究方向.

基于OBDD的信号处理任务智能加卸载算法

为实现信号处理平台中应用任务的快速动态加卸载和智能切换,提出一种基于有序二叉决策图(OBDD)的智能加卸载算法。在分析智能加卸载整体系统构成的基础上,构建信号处理平台软硬件资源模型、态势参数定义字典和智能加卸载规则库。通过基于OBDD的智能规则决策算法,实现最小人工干预下的应用任务智能加卸载。实验结果表明,与顺序规则存储算法相比,该算法的效率较高,圈复杂度较低。

软件无线电平台可视化应用管理系统设计与实现

针对软件无线电平台应用开发复杂、效率低等问题,设计一种可视化应用管理系统。该系统利用图形化开发的方法对系统软件进行建模与描述,通过拖曳的方式进行应用装配,采用手动选择与智能算法分配方式部署应用,自动生成脚本文件以供硬件平台运行。在网络化平台环境中对系统生成的脚本文件进行测试,得到了与该系统部署方案一致的结果。测试结果表明,利用该系统开发应用能够有效解决开发复杂的问题,大大降低了开发难度,提高了开发效率。