随着人们对高性能计算的不断追求以及芯片工艺的持续发展，实时系统的集成度越来越高，从而导致功耗密度不断增加;同时由高功耗引起的热问题也越来越严重，反过来严重制约了性能的进一步提升。高功耗降低系统的生命周期，高温度严重影响系统的可靠性和安全性。此外，功耗和温度之间存在一种恶性循环关系:功耗越大，温度越高;温度越高，则漏电功耗越大，进而功耗越大，反过来使得温度更高。进一步地，由于设备体量较小，实时系统的能量受限，制冷技术也受限，系统硬件设计上的能耗和温度优化存在瓶颈。鉴于此，有必要充分考虑温度与功耗之间的强相关关系，从软件层面研究同时降低因持续发布的实时任务产生的高能耗以及高能耗导致的高温度的优化方法。
　　对于给定计算系统，受硬件影响的系统能耗特性和热特性是固定的，此时软件层面的任务调度是最直观也最有效的降低系统能耗和温度的方法。任务调度依赖于具体的计算系统和任务集合。高性能计算系统通常是多处理器的，根据处理器是否完全相同又分为同构系统和异构系统。任务通常又根据任务间是否存在执行依赖关系分为独立任务和约束任务。鉴于此，本文以实时系统的设计开发为背景，针对同构系统和异构系统上的独立任务和约束任务(包括混合关键度任务和具有前置约束的应用)，从软件层面研究能耗-温度优化的实时任务调度方法。本文的主要研究内容和创新点如下:
　　第一，研究同构实时系统下独立周期任务的调度问题，提出一种基于能耗-温度最优条件的GPSS实时任务调度方法。针对该问题，现有研究仅分析了稳态下的温度收敛值，且并未考虑任务执行顺序对该收敛值的影响。对此，本文基于提出的“等结束温度”的任务构造方法，首先推导GPSS(Global Processor Sharing Scheduling)调度方法下的能耗-温度最优条件(在稳态和非稳态下均成立)，并进一步将该最优条件扩展到其他调度方法;而后基于任务功率异构性展现的热规律，提出一种温度感知的任务执行顺序确定方法;最后基于上述优化提出一种满足处理器速度约束以及任务时间约束的能耗-温度最优的GPSS调度方法。实验验证了本文提出的任务构造方法、能耗-温度最优条件以及能耗-温度最优的GPSS调度方法的有效性。
　　第二，研究同构实时系统下混合关键度任务的调度问题，提出一种基于能耗-温度最优条件的混合关键度流式实时任务调度方法。混合关键度系统(Mixed-Criticality System，MCS)是近年来新兴的一种实时系统，它将具有不同关键度水平的应用整合在一个平台中，以此来降低硬件成本。现有相关研究较多关注调度效率的提高，即便是以降低能耗为目标，也并未将受温度影响的漏电能耗考虑在内。对此，本研究首先分析速度可调节情况下MCS系统不同执行模式下的可调度条件，而后分别针对不同执行模式推导其能耗-温度最优的速度分配方法，最后通过实验验证本文提出的任务调度方法能够很好地降低系统的能耗与温度，并同时保证可接受的调度效率。
　　第三，研究异构实时系统下独立周期任务的调度问题，提出一种能耗/热均衡的两阶段实时任务调度方法，分别通过降低处理器间以及单个处理器上的任务间的能耗-温度差异来降低系统的整体能耗和温度。现有相关研究提出的任务分配方法通常只是以降低动态功耗为分配原则，而将温度作为约束条件;提出的调度方法也只是较粗粒度的处理器级别的速度调节优化，对系统能耗和温度优化的挖掘并不充分。对此，本研究首先考虑处理器以及任务的异构性，提出一种能耗-温度感知的启发式任务分配方法以均衡不同处理器的能耗/热负载;而后根据得出的任务分配方案利用任务级的速度调节技术提出单处理器下的任务调度方法来均衡不同任务间的能耗/热负载。实验证明，与当前最好的方法相比，文中提出的两阶段任务调度方法能够很好地降低异构实时系统的整体能耗与温度。
　　第四，研究异构实时系统下具有前置约束的应用的任务调度问题，提出一种能耗-温度优化的实时任务调度方法，分别通过均衡处理器间的能耗/热负载、均衡任务间的优化空间以及降低不同任务间等待时间的方法来降低系统的能耗与温度。现有相关研究通常不考虑随温度动态变化的漏电功耗，仅专注于动态能耗的降低。然而，随着漏电能耗所占比重的不断增加，任何忽略该因素所得到的优化方法均无法达到理想的优化效果。对此，本研究首先分析由DAG(Directed Acyclic Graph)表示依赖关系的任务模型下的任务调度方法，推导处理器能耗-温度优化效果的评估指标，提出基于处理器能耗/热均衡的以及任务优化空间均衡的任务分配算法;而后根据得出的分配方案，进一步通过降低具有相同后继任务的任务间的等待时间来降低系统能耗和温度。实验证明，与现有方法相比，文中提出的方法能够更准确地降低异构系统的整体能耗和温度。
　　总之，本文分别研究了同构和异构系统下独立任务和约束任务的能耗-温度优化的实时任务调度问题，将温度对功耗的动态影响考虑在内，同时优化系统的能耗和温度，从而充分挖掘系统的优化空间。理论分析和实验结果均能够证明本文提出的调度方法的有效性和优越性。该研究成果可被广泛应用于不同实时系统的调度中，如移动计算系统、飞行管理系统、智能交通系统、环境监控系统等。在未来的工作中，我们将扩展本研究到更多的应用场景中，如具有更多关键度的MCS系统以及多DAG应用的调度。