优化粒子群算法在异构多核系统任务调度与映射中的应用

"这篇论文是关于片上网络异构多核系统任务调度与映射的研究，由杨鹏飞和王泉于2015年在《西安交通大学学报》发表。研究针对传统任务模型存在的信息不足、调度算法效率低下等问题，提出了一种优化的粒子群优化算法（oPSO）。新模型强化了对任务类型、任务迁移成本、计算单元类型及运行成本等关键特性的描述。论文中详细介绍了oPSO算法的编解码策略、参数设定和计算方法，并解决了粒子群算法（PSO）在任务调度中的快速收敛和局部最优问题。通过对比不同任务规模下的遗传算法（GA）、PSO和oPSO，结果显示oPSO算法在运行时间和系统功耗方面都有显著优势，特别是在IP核数量为100左右时，运行时间缩短10%以上，功耗降低15%以上。因此，oPSO算法被证明在任务调度性能和节点功耗均衡性上优于其他算法，适合应用于异构多核系统的任务调度问题。" 该研究主要涉及以下几个知识点： 1. **片上网络异构多核系统**：这是现代高性能计算和嵌入式系统中常见的一种架构，其中包含不同类型的处理器核心，能够处理不同类型的工作负载，以提高能效和性能。 2. **任务模型**：传统的任务模型通常只考虑基本的计算需求，而新模型增加了任务类型、任务迁移成本和计算单元运行成本等细节，为更精确的任务调度提供了基础。 3. **优化粒子群优化算法(oPSO)**：这是一种基于群体智能的优化算法，通过对粒子群的行为进行改进，提高了在任务调度问题上的搜索效率和全局最优解的获取能力。 4. **任务调度**：是将计算任务分配到多核系统中不同核心的过程，目标是最大化性能、最小化能耗或达到其他优化目标。文中提出的oPSO算法解决了传统调度算法的局限性，特别是在避免早熟收敛和局部最优方面。 5. **编解码方案**：在oPSO算法中，编解码是将任务调度问题转化为粒子群可以处理的编码形式的关键步骤，它决定了算法的寻优效率和精度。 6. **仿真对比**：论文通过仿真比较了oPSO与其他两种常见算法（GA和PSO）的性能，验证了oPSO在不同任务规模下的优越性。 7. **系统功耗**：在多核系统中，功耗是一个重要考量因素，oPSO算法不仅减少了总运行时间，还降低了系统整体功耗，这在能源效率方面具有重要意义。 8. **节点功耗均衡**：oPSO算法调度的结果表明，它能够更好地平衡各个节点的功耗，这对于延长系统寿命和保持系统稳定性至关重要。 9. **IP映射**：在多核系统中，IP核的映射是指将软件任务映射到硬件资源（如特定的处理器核心）上，合理的映射能提升系统性能并降低功耗。 这篇论文贡献了一种针对片上网络异构多核系统任务调度的有效解决方案，通过改进的oPSO算法，实现了调度效率和能效的双重提升。