[发明专利]基于强化学习的异构多核嵌入式系统能耗优化调度方法

摘要

本发明公开了一种基于强化学习算法的异构多核嵌入式系统能耗优化调度方法。在硬件方面，在每个处理器上装载一个DVFS调节器，通过调节各处理器工作电压，改变各处理器硬件特性，动态构建出匹配软件特性的硬件平台；在软件方面，针对传统启发式算法(遗传算法、退火算法等)或存在局部搜索能力不足或存在全局搜索能力不强等缺点，探索性地运用机器学习领域的Q‑Learning算法来寻找能耗最优化调度解。Q‑Learning算法通过不断试错以及与环境交互反馈的方式，可兼顾全局搜索和局部搜索的性能，从而实现比传统启发式算法更优的搜索效果。上千组实验表明，Q‑Learning算法相较于传统GA算法，能耗降低率可达6％～32％。

主权项

1.一种基于强化学习的异构多核嵌入式系统能耗优化调度方法，其特征在于，包括以下步骤：步骤1：建立异构多核系统的任务模型；异构多核系统的任务存在一种执行顺序的约束关系，可用DAG图进行表示，将任务模型描述为一个四元组S＝(P,V,T,E)；其中，P＝{p0,p1,…,pm‑1}表示m个异构处理器核心，pi表示第i个处理器核，0≤i

下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。 免登录下载普通用户下载升级VIP会员，免费下载

该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于武汉理工大学，未经武汉理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】

本文链接：http://www.vipzhuanli.com/patent/201810708461.2/，转载请声明来源钻瓜专利网。