动态预测控制：面向复杂DRE系统的实时任务调度优化算法

该篇文章主要探讨的是"面向分布实时嵌入式系统的任务优化调度算法"，针对的是在实际应用中遇到的复杂问题，即负载难以准确预测且动态变化的环境。传统调度算法在这种情况下显得力不从心，因为它们依赖于精确的负载建模或最坏情况下的执行时间，这并不适用于动态未知环境中的分布式实时嵌入式系统（Distributed Real-time Embedded, DRE）。 作者提出了一种创新的解决方案，即基于快速模型预测控制的任务调度算法。这种算法的核心思想是动态调整分配在各个处理器上的任务质量服务（Quality of Service, QoS），确保每个处理器的CPU利用率保持在一个可接受的参考范围内，从而保证任务的实时性。通过这种方法，算法能够在动态环境中维持系统的稳定性和可靠性，同时尽可能地减少算法的执行时间，提高效率。 文章进一步利用多参数二次规划技术，解决模型预测控制中的约束优化问题，这有助于优化算法设计，降低算法复杂度，使其在实际应用中更加高效。实验结果证明了这种算法的有效性和低负载特性，对于提高DRE系统的性能有着显著的优势。 关键词包括分布实时嵌入式系统、任务调度、模型预测控制和多参数二次规划，反映出研究的焦点集中在了实时性、适应性和效率优化这三个关键领域。此外，论文引用了自动控制原理支持的反馈控制实时调度算法作为背景，强调了新提出的算法在理论基础和实践效果上的突破。 这篇论文提供了一种新颖的、自适应的、基于模型预测控制的任务调度策略，对于处理动态、不确定的分布式实时系统具有重要的实际价值和理论意义。