异构多核环境下基于蚁群算法的Codelet任务调度策略

"论文研究-异构多核计算系统的Codelet任务调度策略.pdf" 本文针对异构多核计算系统中Codelet数据流计算模型的任务调度问题进行深入研究。Codelet模型是一种有效的并行计算模型，尤其在处理大规模并行计算任务时表现出色，然而在异构多核环境下，如何有效地调度Codelet任务以充分利用系统资源和提高执行效率，是当前面临的主要挑战。 论文提出了一种基于蚁群算法的Codelet任务调度策略。蚁群算法是一种模拟自然界蚂蚁寻找食物路径的优化算法，具有全局优化能力和并行性，适合解决复杂优化问题。在异构多核环境中，由于计算资源的多样性，传统的启发式算法可能无法找到全局最优解，而蚁群算法则能通过迭代过程逐渐逼近最优解。然而，蚁群算法在初期可能会因为信息不足导致搜索效率低下。因此，论文将启发式算法与蚁群算法相结合，利用启发式算法的快速收敛特性来弥补蚁群算法初期信息匮乏的不足，同时保留蚁群算法的全局优化能力。 实验结果显示，这种智能蚁群任务调度策略相比于Codelet运行时系统中的原始动态调度和静态调度策略，能够显著提高任务执行效率。这意味着在异构多核计算系统中，采用这种结合了启发式和蚁群算法的调度策略，能够更有效地分配任务到不同的处理器核心，从而提升整体计算性能。 论文还提到了相关背景和研究支持，包括上海市自然科学基金、上海市浦江人才项目、中国博士后科学基金、国家自然科学基金重点资助项目和面上项目。作者团队由裴颂文副教授领导，团队成员包括吕春龙、宁钟教授和顾春华教授，他们在异构计算机系统结构、多媒体大数据分析、分布式计算、管理调度等多个领域有深入研究。 这篇论文提供了一种创新的、适用于异构多核环境的Codelet任务调度策略，通过融合启发式算法和蚁群算法的优势，解决了异构多核系统中Codelet任务调度的难题，提高了计算效率。这一成果对于优化并行计算任务的执行，特别是在高性能计算和大数据处理领域，具有重要的理论价值和实际应用前景。