距离场定义下异质材料CAD信息建模方法

提出一种基于CAD零件离散体素模型的异质材料建模方法 该方法重点对多材料模型和功能梯度材料模型建模进行描述 ,以数字距离变换为手段求得模型体素到所选特征的距离场 ,以体素中心到特征的最小欧氏距离为标准将模型几何空间中的点映射到材料空间 ,建立起零件的异质材料模型

基于机器学习的异构多核处理器系统在线映射方法

异构多核处理器(HMPs)平台已成为现代嵌入式系统的主流解决方案,其中在线映射或调度对充分发挥其高性能和低功耗的优势起着至关重要的作用。针对HMPs的应用任务动态映射问题,提出了一种基于机器学习预测模型的在线映射调度解决方案。一方面,构建了一个可以快速高效地预测和评估不同映射方案性能的机器学习模型,为在线调度提供支持;另一方面,将该机器学习模型整合到遗传算法中以高效地找到(接近)最优的资源分配方案。最后,通过一个M-JPEG解码器验证了所提方法的有效性。实验结果表明,该方法的平均执行时间相较于常见的轮询调度和抽样调度方法分别降低了28%和19%左右。

XOS:面向用户体验质量的高能效异构多核调度算法

智能移动设备的重要作用日益凸显，然而，对于性能的追求与有限电池容量的矛盾制约了产业的发展．异构多核处理器架构以其平衡性能与能耗的优势，成为一种新型的解决方案．用户体验优化是智能移动设备的重要设计目标．借助一个分段式的用户体验模型，提出了面向异构多核设备的XOS （experience oriented scheduler ）调度算法．XOS 能够跨层获取任务信息，识别与用户直接交互的任务组，保证这些任务的计算资源分配以保障用户体验，同时限制非交互性任务的计算资源以降低能耗．通过建立一套仿真系统验证了算法的有效性并进行了调整优化，然后在Odroid‐XU3开发板Android系统中进行了原型实现和验证．实验结果表明：XOS算法对于不同类型的任务仅产生了2．7％-7．3％的用户体验下降，但节省了8％-48％的能量．