论文部分内容阅读
随着多媒体技术、嵌入式系统、移动计算、普适计算等计算机新兴科学与技术的发展,实时系统越来越需要面对动态变化或不可预测的环境。如何在这种环境下,力求在规定的时间内完成事件的处理,并能够控制所有实时设备和实时任务的协调运行,给实时系统带来了前所未有的挑战。本文研究动态坏境下实时调度的自适应方法,以提升实时系统的性能。 本文对动态环境下的实时调度的已有成果进行分析,在闭环反馈调度方法的基础上,提出一种自适应调度框架模型,及基于这一模型的三种自适应调度方法,研究成果包括: (1)给出自适应调度的形式化定义,并提出一种自适应调度框架模型。 首先分析闭环反馈调度方法的不足,提出使用自适应调度方法的必要性。为了将自适应调度和闭环反馈调度从方法上严格的区分开来,本文分别给出它们的形式化定义,并依据定义提出一种自适应调度框架模型。 (2)提出一种基于模糊推理和遗传算法的自适应调度方法。 在基于模糊推理和遗传算法的自适应进程调度(Fuzzy Inference and Genctic Algorithm Based Adaptive Process Scheduling-FuGAPS)方法中,系统资源由比例—积分—微分控制器根据系统的调度误差进行闭环分配。比例—积分—微分控制器的参数由模糊控制器根据系统的当前状态给出。模糊控制器的模糊规则由遗传算法给定。FuGAPS方法适用于难以建立数学模型的系统,但需要系统具备离线遗传搜索环境。 (3)提出一种基于线性回归的自适应调度方法。 在基于线性回归的自适应进程调度(Linear Regression Based Adaptive Process Scheduling-LiRAPS)方法中,系统资源由反馈控制器根据系统的调度误差进行闭环分配。反馈控制器的参数根据多元线性回归模型在线给定。LiRAPS方法适用于系统模型是线性的情况。LiRAPS可以在线进行自适应。在经过在线自适应后,进程调度器参数立刻发生改变,使得实时系统有着较快的自适应响应。 (4)提出一种基于可化为线性回归的自适应调度方法。 在基于可化为线性回归的曲线回归的自适应进程调度(Linear Regression Transform Enabled Curvilinear Regression Based Adaptive Process Scheduling-LiCAPS)方法中,系统资源由反馈控制器根据系统的调度误差进行闭环分配。反馈控制器的参数根据多元曲线回归模型在线给定。LiCAPS方法适用于系统模型是可以转化为线性的曲线模型的情况。LiCAPS可以在线进行自适应。在经过在线自适应后,进程调度器参数立刻发生改变,使得实时系统有着较快的自适应响应。 针对FuGAPS方法,本文给出一个研究实例——Web服务的响应延时控制。在此实例中,Web服务进程根据响应延时的要求被划分为若干进程等级队列。对这些进程等级队列中的进程,根据FuGAPS方法,进行进程调度。实验数据表明