改进自适应学习树电源管理预测策略

为了降低嵌入式设备的功耗,研究了基于自适应学习树结构模型的动态电源管理预测策略。通过在基于概率自适应学习树结构模型的基础上添加空闲时间长度结点,提出了概率统计加权空闲时间的改进自适应学习树电源管理预测策略,以空闲时间长度作为预测依据,同时采用实际状态历史概率统计的结果进行预测空闲时间长度的更新。仿真结果表明,该方法可以有效地降低设备功耗,并且提高了预测准确率。

基于概率的自适应学习预测策略

动态电源管理技术降低系统功耗的主要办法是根据工作负载的变化动态地切换目标设备工作模式。针对自适应学习树模型的缺陷,提出基于概率的自适应学习预测策略,通过概率描述设备行为,能够提高预测正确率,从而达到系统功耗与性能之间的优化平衡。基于概率的自适应学习预测策略是一种集预测、控制、反馈为一体的预测策略。实验结果表明,该预测策略具有较好的稳定性,与其他预测策略相比可以进一步降低系统的功耗。