异构多核系统高效任务调度与映射的oPSO算法优化

本文主要探讨了片上网络异构多核系统（NoC-based MPSoC）中的任务调度与映射问题。针对传统任务模型存在的问题，如有效信息不足和任务调度算法效率低下，作者提出了一个创新的任务模型，该模型考虑了任务类型、任务间的迁移成本以及计算单元类型和运行成本等因素，以提供更全面的特性描述。 在任务调度策略上，作者引入了改进的粒子群优化算法（oPSO）。oPSO算法是对经典粒子群优化算法（PSO）的一种优化，它针对PSO在任务调度过程中存在的问题，如初始阶段收敛过快可能导致局部最优，后期容易陷入停滞，进行了针对性的调整。作者制定了oPSO的编解码方案，包括设定关键参数和计算方法，旨在提高算法的全局搜索能力和避免局部最优陷阱。 为了验证oPSO算法的有效性，研究者在不同任务规模下进行了与遗传算法(GA)和原始PSO算法的性能比较。结果显示，在IP核数量大约为100的情况下，oPSO算法表现出显著的优势，不仅在运行时间上至少缩短了10%，使得系统功耗降低了15%，而且任务调度效果明显优于其他两种算法。此外，oPSO算法还展现出更好的负载均衡特性，使得各节点功耗更加均匀，这表明其在实际应用中具有更好的能效和性能表现。 总结来说，本文提出的oPSO算法对于片上网络异构多核系统中的任务调度具有很高的实用价值，尤其在处理大规模任务时，能够提升系统的整体性能和能源利用效率。这对于现代嵌入式和云计算环境中的高效能计算平台设计具有重要意义。