基于多目标调度的嵌入式可复用群控系统优化

蔚晨月,李雪莲

(1. 晋中信息学院信息工程学院,山西 太谷 030800;2. 山西大学计算机与信息技术学院,山西 太原 030006)

1 引言

嵌入式网络是依据应用需求,基于计算机技术[1]剪裁软硬件的高端计算机专用系统。通常由嵌入式处理器以及外围设备、相关软件组合构成,该系统以应用为中心,根据系统的软、硬件剪裁,建立适用于相关环境的高端定制系统。嵌入式系统[2]自被提出,就被人们广泛地应用在科技、经济、工业等各行各业中。随着嵌入式系统的应用不断深入,对系统性能、实时性、能耗的要求也逐渐增高,对嵌入式系统进行必要的优化是提升使用者体验感的重要方法之一。

文献[3]提出求解复杂耦合问题的多系统优化方法。该方法依据子种群代表子系统优化环境,通过遗传算法中的种群变异、进化等操作求解全局优化解;再对系统进行迁移处理,通过变量共享、目标函数以及约束条件的建立实现系统的信息反馈以及迁移,加速系统的全局优化收敛速度;最后通过基准函数提取系统优化特征,完成系统的优化。该方法由于未能及时对系统数据进行去噪处理,导致存在系统延迟时间长的问题。文献[4]提出结合模拟退火与规则约简的模糊系统优化方法。该方法依据支持度约简系统获取系统冗余规则,使用模拟退火算法优化隶属度函数,通过优化结果提高系统精度,实现系统优化。该方法在提取数据冗余规则时存在问题,所以该优化系统的运行利用率低。文献[5]提出基于广义短路比的光伏多馈入系统容量优化方法。该方法首先基于系统的小干扰稳定性,建立系统的小干扰稳定分析模型,获取系统的小干扰稳定裕度值;再使用广义的短路比方法计算系统中各个接入容量的灵敏度值;最后通过对系统小干扰稳定裕度值以及接入容量的灵敏度值的整合,完成系统的优化处理。该方法建立分析模型时存在较大误差,所以该优化系统的运行能耗高。

为解决上述系统优化过程中存在的问题,提出基于多目标调度的嵌入式可复用群控系统优化方法。

2 嵌入式系统容错分析

在对嵌入式可复用群控系统进行优化处理前,需要对系统进行容错分析[6],获取系统相关影响因素。

2.1 系统数据去噪

由于嵌入式可复用群控系统数据集中存在大量的噪声数据,所以在进行系统容错分析前,需要对系统数据进行去噪处理。

使用高斯分布模型对嵌入式可复用群控系统整体数据进行收缩处理[7],获取系统数据的分布式中心,基于正态分布方法对分布式中心进行拟合处理,取得系统数据方差,完成系统数据的去噪。具体流程如下:

1)建立一个坐标系,将嵌入式可复用群控系统数据集中到该坐标X轴上,并将其平均划分成若干区间,数量用M表述。将区间内的数据分布作为正态的分布模型,计算模型的正态分布均值以及数据的标准差,过程如下式所示

(1)

式中,区间内数据标记为x,正态分布函数标记为f(x),正态分布均值标记为η,标准差标记为δ,迭代系数标记为π,区间i的数据分布标记为xi,各个区间数据量标记为m。

2)依据上述计算结果建立嵌入式可复用群控系统数据的误差理想参数。首先对设定的理想化参数n进行初始化处理,随机在各个坐标区间中进行数据采样,建立正态分布模型获取数据均值η以及标准差δ;通过区间数据均值、标准差与整体区间数据均值、标准差的对比获取二者之间的误差值σ,若误差范围在设定的理想误差区间内,则认定数据去噪成功,若在区间外则继续对数据进行迭代计算,直至计算结果达到理想误差参数上限,完成各区间数据去噪处理。

3)数据去噪后通过MATIAB拟合算法将去噪结果拟合成一条数据分布曲线,获取数据分布函数,从而进行嵌入式可复用群控系统的容错分析。

2.2 嵌入式可复用群控系统容错分析

基于上述获取的嵌入式可复用群控系统数据分布曲线,对嵌入式可复用群控系统进行容错分析。

2.2.1 系统容错分析流程

依据获取的嵌入式可复用群控系统数据分布曲线建立系统容错模型[8],分析嵌入式可复用群控系统故障概率与最大故障概率之间的关系,概率获取过程中,需要完成系统处理器发布任务的当前故障概率。设定系统处理器接收任务的任务信号为a,处理器信号为b,处理器设定成C形式,硬实时状态用t表述,检查插入点数量为d,软实时状态标记为r。

系统在运行过程中会出现不同情况,具体分析结果如下:

1)系统软硬实时任务状态均未出现故障

设定嵌入式可复用群控系统处理器的对应概率为Cp(0,t,d;0,r;C),子处理器j响应概率标记Cp(0,t,d;0,r;Cj),表达形式如下式所示

(2)

式中,映射函数用YS(p)表示。依据上述可知,该情况为系统硬实时任务状态以及软实时任务状态均未出现故障,系统任务成功执行且任务执行子处理器与总处理器状态一致。

2)硬实时任务状态出现故障

设定系统总处理器响应概率为Cp(ug,t,d;0,r;C),子处理器j响应概率标记Cp(uG,t,d;0,r;Cj),系统处理硬实时任务过程中故障概率[9]次数标记为ug,假定嵌入式可复用群控系统检查点数量相同,则可以获取如下公式

(3)

式中,系统故障错误的检查点数量集标记为B,故障段标记为bx。依据上述分析可知,当系统进行任务调度时,软实时状态未发现故障、硬实时状态出现故障[10],且故障总数量不会超出ug次。

这时,设定系统执行任务集为Z,由硬实时任务α1以及软实时任务α2组成。当嵌入式可复用群控系统执行目标调度硬实时任务时,若成功发现软实时任务,就说明本次检测任务执行成功,可以构建检查点;若对硬实时任务进行检测时发现软实时任务出现故障,就说明需要对软实时任务进行修复,修复完成后建立检测点,表明该检测任务成功执行。

3)软实时任务状态出现故障

设定系统总处理器响应概率为Cp(0,t,d;us,r;C),子处理器j的响应概率标记Cp(0,t,d;uS,r;Cj),获取过程如下式所示

(4)

式中,系统在执行多目标任务时,软实时状态出现的故障次数标记为us,当r∉R时,说明软实时状态出现故障。

基于上述分析结果可知,嵌入式可复用群控系统任务调度问题是影响该系统优化的主要原因,所以要利用相关算法对嵌入式系统的任务多目标调度进行优化,达到优化嵌入式系统的目的。

3 嵌入式可复用群控系统优化方法

依据上述分析结果,使用Linux嵌入式单调调度算法[11]优化系统的多目标调度分配,从而实现嵌入式可复用系统的优化。

3.1 规范系统任务裕度空闲时间

首先设定嵌入式可复用群控系统任务调度的周期性数值为μ,优先级等级为λ,使用任务抢先排序法对系统任务调度的周期性数值进行计算,结果如下式所示

(5)

式中,固定周期阈值标记为W。依据上述计算结果,将系统的任务裕度空闲时间[12]设定为si(t),并依据下式对其进行相关规范

(6)

式中,执行时间标记为Di(t),规范结果用Ii(t)表述。

3.2 提取任务的特征价值关系

设定系统中调度对象的周期性安排为θ,任务的等级重要关系用Wt1≤Wt2≤…≤Wtm表示,任务的特征价值关系以及资源利用率[13]获取过程如下式所示

(7)

通过上述计算流程进行系统多任务调度时,需要针对系统任务集对系统内部任务参数进行计算,从而识别该系统任务是调度类型,过程如下式所示

(8)

式中,系统的可调度范围用F表示。

3.3 确定相关约束条件

根据嵌入式可复用系统[14]的RM任务资源比对系统进行任务单调调度,确定系统任务优先级,过程中需要利用EDF算法对系统任务调度进行规范化处理。设定系统任务的任务集为X,需要满足的条件如下式所示

(9)

3.4 优化流程

具体系统调度分配优化流程如下式所示:

1)初始化系统数据,并对数据进行相关去噪处理。

2)对系统任务调度数据进行初始化,确定系统任务调度属性。

3)确定最佳分配路径并依据式(8)完成任务特征数据值的采集和分类。

4)选定最高调度值执行任务。

5)依据式(9)计算任务参数,确定任务优先级。

6)依据上述流程依次完成系统任务的多目标调度,完成系统任务多目标调度进行优化,从而实现优化嵌入式系统的目的。

依据上述流程优化系统目标调度[15]流程时,需要对相关任务调度的约束属性进行计算。设定嵌入式可复用系统任务的调用特征函数为Ri,以此优化系统任务的调度策略,结果如下式所示

(10)

式中,系统的优化调度策略标记为Ki(ω),最大约束数值标记为xmaxi,最小约束数值标记为xmini。最后通过上述流程完成系统多目标调度的优化,从而实现对嵌入式可复用系统的优化目的。

4 实验

为了验证上述嵌入式系统优化方法的整体有效性,需要对此方法进行测试。分别对基于多目标调度的嵌入式可复用群控系统优化方法(本文方法)、求解复杂耦合问题的多系统优化方法(文献[3]方法)、结合模拟退火与规则约简的模糊系统优化方法(文献[4]方法)进行测试。

系统在进行优化的过程中,系统延迟时间的高低、CPU利用率的大小以及处理能耗的大小都能侧面证明系统优化效果好坏。采用本文方法、文献[3]方法以及文献[4]方法进行系统优化后,基于上述优化效果测试指标,测试三种系统优化方法的优化效果。

1)系统延迟时间测试

系统在进行任务调度分配时,系统处理延迟时间的大小能够反映系统的优化效果。系统延迟时间越高,证明系统的优化效果越差。反之则越好。利用本文方法、文献[3]方法以及文献[4]方法进行系统优化后,对三种系统的任务处理延迟时间进行测试,测试结果如图1所示。

图1 不同系统优化后的延迟时间测试结果

分析图1可知,系统待处理目标任务越多,系统的延迟时间越高。本文方法在目标任务数量为100以前,测试出的系统延迟时间均为0,自目标任务数量为150时,测试结果出现变换,该方法出现系统延迟情况。文献[3]方法在系统待处理目标任务数量为50时,系统未出现延迟情况,但是当目标任务数量为100时,该系统出现延迟,并随着目标任务数量的增长不断增加延迟时间。文献[4]方法自测试开始就出现系统延迟情况,并随着测试的进行测试出的延迟时间呈急速增长趋势。由此可看出,本文方法进行系统优化后,系统的延迟时间低于其它两种系统优化方法。

2)系统利用率测试

系统优化后,系统利用率能够直观地反映出系统的优化效果。系统在运行过程中,利用率越高,说明优化效果越好,利用率越低,说明优化效果越差。采用选定的三种系统优化方法对系统进行优化,测试三种系统优化后的系统利用率,测试结果如图2所示。

图2 不同系统优化后的运行利用率测试结果

分析图2可知,随着检测次数的增加,系统的运行利用率呈不同程度的下降趋势。本文方法测试出的系统运行利用率高于文献[3]方法以及文献[4]方法测试结果,文献[3]方法测试结果高于文献[4]方法,低于本文方法测试结果,文献[4]方法测试结果最差。这主要是因为本文方法在进行系统优化前对系统数据噪声进行了去噪处理,所以该方法优化后的系统在运行时的系统利用率高。

3)系统能耗测试

系统优化后,系统运行能耗同样能够反映出系统的优化效果,系统运行能耗越低,说明系统优化效果越好,反之则越低。采用三种系统优化方法优化系统时,测试三种系统优化后的系统运行能耗,测试结果如图3所示。

图3 不同系统优化后的运行能耗测试结果

分析图3可知,本文方法进行系统优化后的系统运行能耗低于其它两种系统优化方法,文献[3]方法在目标任务数量为200以前,测试出的系统运行能耗低于文献[4]方法测试结果,但是当目标任务数量为300时,文献[3]方法测试结果超出文献[4]方法能耗测试结果,并随着测试的进行测试出的能耗结果不断升高。由此可知,本文方法在进行系统运行能耗测试时的测试结果优于其它两种方法。

综上所述,本文方法优化的系统,系统延迟低、系统利用率高以及系统运行能耗低,可进一步证明本文方法的优化效果好。

5 结束语

近年来,随着科技的不断进步,嵌入式可复用系统的应用领域也逐渐扩大,结构也愈加复杂。针对传统嵌入式系统优化方法中存在的问题,提出基于多目标调度的嵌入式可复用群控系统优化方法。该方法依据系统的容错性分析,找出影响系统运行的影响因子;使用Linux嵌入式单调调度算法对其进行优化,从而实现嵌入式可复用系统的优化目的。该方法由于在分析系统运行故障时还存在一定问题,今后会针对该项问题继续完善该系统优化方法。