[发明专利]一种改进自适应学习树电源管理方法

说明书

技术领域

本发明涉及人工智能领域和嵌入式领域，尤其是采用智能预测方法进行设备电源管理的嵌入式领域。

背景技术

在嵌入式技术高速发展的今天，随着移动终端功能的多元化，功耗问题引起了人们越来越多的重视，电源管理技术已经成为衡量一个移动终端性能的重要指标。动态电源管理（Dynamic Power Management，DPM）作为可以由操作系统控制设备电源开启或者关闭以达到节省电力的技术获得了越来越多的研究。总体上讲，DPM策略分为3类：超时策略、预测策略以及随机策略。超时策略的基本思想是预先设定一系列超时阈值，一旦持续空闲时间超过该阈值，就切换到相应休眠模式，阈值可以固定，也可以随系统负荷的变化自适应调整。预测策略一旦预测到本次空闲时间能够弥补状态切换带来的功耗损失就将设备置于某种低功耗状态。随机策略则是将DPM作为随机优化问题，通过建立随机决策模型来描述设备的行为。

自适应学习树（Adaptive Learning Tree，简写为ALT）是较早提出的一种预测结构模型，该树由决策节点(用圆表示)、预测分支(用虚线表示)、历史分支(用实线表示)和叶子节点(用矩形表示)组成。每个决策节点表示过去的一段空闲时间里设备所处的状态，预测分支用来连接决策节点和叶子节点，历史分支用来连接相邻的决策节点，叶子节点代表设备状态的置信度(见附图1)。ALT主要采用了空闲时间聚类IPC原理（Idle Period Clustering,）。

空闲时间定义为：从系统或设备进入空闲状态到其退出空闲状态所持续的时间。同样地，占用时间则是其连续处于工作状态所持续时间。因此，系统的整体行为可以用一组工作时间和空闲时间的时间序列来模拟。当一个空闲时间长度足够抵消设备关闭所引起的功耗时，系统可以关闭设备来获得功耗节省。

假设n是系统拥有的低功耗状态数目，则系统总共拥有n+1种电源状态。用                                                来表示电源状态的集合(对应工作状态，其余依次类推)，那么系统状态级别越高，其状态功耗越低，而与工作状态相互切换的功耗越高。对确定的空闲时间，其功耗计算如下：

                        （1）

其中，是从空闲状态切换到状态的时间，是从状态切换到空闲状态的时间，和则是相应的切换功耗水平，代表状态i下的功耗。基于越低的功耗状态损失更低的状态功耗同时具有更高切换功耗的假设，应该大于等于并且当其相等时，得到的代表了状态i和状态i+1的临界阈值。通过这样，可以求取每一对相邻功耗状态的阈值时间，用表示功耗状态和之间的阈值，则：

          （2）

从而以得到的阈值为界限，时间坐标可以被划分为n+1个间隔，可以将一个给定的空闲时间与某一个间隔索引值关联起来，以此确定设备应该进入的最佳功耗状态：

                 （3）

因此，一组空闲时间序列可以转换成为代表每一个空闲时间的最佳低功耗状态的值序列()，将此过程称为IPC。

ALT策略假设设备在空闲状态下拥有N种低功耗状态(总状态数为N+1种，包含一种正常工作状态)，然后基于IPC(Idle Period Clustering)原理将设备的每一段空闲状态时间长度对应于一个整型数值来表示，而每一个值又对应着设备的最佳运行状态。对于N+1种状态，可以用状态集合来表示所有状态，这样对于长度为m的一串历史空闲时间路径序列，就可以用来表示，其中，代表最近的一次空闲时间的值，然后根据该历史序列来预测下一个可能发生的空闲时间对应的值。所以ALT就是利用历史空闲时间路径序列来预测下一次空闲时间长度的过程。

ALT有以下几个优点：一是该树根据实际空闲时间历史记录而建立，在宏观上对设备使用状况有较好的把握；二是ALT会进行自动更新，比较好的反映了设备使用的变化状况（Eui-Young Chung, Benini, L., De Micheli G. Dynamic power management using adaptive learning tree, Computer-Aided Design, 1999, 7(11): 274-279.）。目前对于采用ALT的预测策略研究，主要有基于设备实际状态历史记录预测和基于空闲时间长度预测的方法。