基于多目標調度的嵌入式可復用群控系統優化

蔚晨月,李雪蓮

(1. 晉中信息學院信息工程學院,山西 太谷 030800;2. 山西大學計算機與信息技術學院,山西 太原 030006)

1 引言

嵌入式網絡是依據應用需求,基于計算機技術[1]剪裁軟硬件的高端計算機專用系統。通常由嵌入式處理器以及外圍設備、相關軟件組合構成,該系統以應用為中心,根據系統的軟、硬件剪裁,建立適用于相關環境的高端定制系統。嵌入式系統[2]自被提出,就被人們廣泛地應用在科技、經濟、工業等各行各業中。隨著嵌入式系統的應用不斷深入,對系統性能、實時性、能耗的要求也逐漸增高,對嵌入式系統進行必要的優化是提升使用者體驗感的重要方法之一。

文獻[3]提出求解復雜耦合問題的多系統優化方法。該方法依據子種群代表子系統優化環境,通過遺傳算法中的種群變異、進化等操作求解全局優化解;再對系統進行遷移處理,通過變量共享、目標函數以及約束條件的建立實現系統的信息反饋以及遷移,加速系統的全局優化收斂速度;最后通過基準函數提取系統優化特征,完成系統的優化。該方法由于未能及時對系統數據進行去噪處理,導致存在系統延遲時間長的問題。文獻[4]提出結合模擬退火與規則約簡的模糊系統優化方法。該方法依據支持度約簡系統獲取系統冗余規則,使用模擬退火算法優化隸屬度函數,通過優化結果提高系統精度,實現系統優化。該方法在提取數據冗余規則時存在問題,所以該優化系統的運行利用率低。文獻[5]提出基于廣義短路比的光伏多饋入系統容量優化方法。該方法首先基于系統的小干擾穩定性,建立系統的小干擾穩定分析模型,獲取系統的小干擾穩定裕度值;再使用廣義的短路比方法計算系統中各個接入容量的靈敏度值;最后通過對系統小干擾穩定裕度值以及接入容量的靈敏度值的整合,完成系統的優化處理。該方法建立分析模型時存在較大誤差,所以該優化系統的運行能耗高。

為解決上述系統優化過程中存在的問題,提出基于多目標調度的嵌入式可復用群控系統優化方法。

2 嵌入式系統容錯分析

在對嵌入式可復用群控系統進行優化處理前,需要對系統進行容錯分析[6],獲取系統相關影響因素。

2.1 系統數據去噪

由于嵌入式可復用群控系統數據集中存在大量的噪聲數據,所以在進行系統容錯分析前,需要對系統數據進行去噪處理。

使用高斯分布模型對嵌入式可復用群控系統整體數據進行收縮處理[7],獲取系統數據的分布式中心,基于正態分布方法對分布式中心進行擬合處理,取得系統數據方差,完成系統數據的去噪。具體流程如下:

1)建立一個坐標系,將嵌入式可復用群控系統數據集中到該坐標X軸上,并將其平均劃分成若干區間,數量用M表述。將區間內的數據分布作為正態的分布模型,計算模型的正態分布均值以及數據的標準差,過程如下式所示

(1)

式中,區間內數據標記為x,正態分布函數標記為f(x),正態分布均值標記為η,標準差標記為δ,迭代系數標記為π,區間i的數據分布標記為xi,各個區間數據量標記為m。

2)依據上述計算結果建立嵌入式可復用群控系統數據的誤差理想參數。首先對設定的理想化參數n進行初始化處理,隨機在各個坐標區間中進行數據采樣,建立正態分布模型獲取數據均值η以及標準差δ;通過區間數據均值、標準差與整體區間數據均值、標準差的對比獲取二者之間的誤差值σ,若誤差范圍在設定的理想誤差區間內,則認定數據去噪成功,若在區間外則繼續對數據進行迭代計算,直至計算結果達到理想誤差參數上限,完成各區間數據去噪處理。

3)數據去噪后通過MATIAB擬合算法將去噪結果擬合成一條數據分布曲線,獲取數據分布函數,從而進行嵌入式可復用群控系統的容錯分析。

2.2 嵌入式可復用群控系統容錯分析

基于上述獲取的嵌入式可復用群控系統數據分布曲線,對嵌入式可復用群控系統進行容錯分析。

2.2.1 系統容錯分析流程

依據獲取的嵌入式可復用群控系統數據分布曲線建立系統容錯模型[8],分析嵌入式可復用群控系統故障概率與最大故障概率之間的關系,概率獲取過程中,需要完成系統處理器發布任務的當前故障概率。設定系統處理器接收任務的任務信號為a,處理器信號為b,處理器設定成C形式,硬實時狀態用t表述,檢查插入點數量為d,軟實時狀態標記為r。

系統在運行過程中會出現不同情況,具體分析結果如下:

1)系統軟硬實時任務狀態均未出現故障

設定嵌入式可復用群控系統處理器的對應概率為Cp(0,t,d;0,r;C),子處理器j響應概率標記Cp(0,t,d;0,r;Cj),表達形式如下式所示

(2)

式中,映射函數用YS(p)表示。依據上述可知,該情況為系統硬實時任務狀態以及軟實時任務狀態均未出現故障,系統任務成功執行且任務執行子處理器與總處理器狀態一致。

2)硬實時任務狀態出現故障

設定系統總處理器響應概率為Cp(ug,t,d;0,r;C),子處理器j響應概率標記Cp(uG,t,d;0,r;Cj),系統處理硬實時任務過程中故障概率[9]次數標記為ug,假定嵌入式可復用群控系統檢查點數量相同,則可以獲取如下公式

(3)

式中,系統故障錯誤的檢查點數量集標記為B,故障段標記為bx。依據上述分析可知,當系統進行任務調度時,軟實時狀態未發現故障、硬實時狀態出現故障[10],且故障總數量不會超出ug次。

這時,設定系統執行任務集為Z,由硬實時任務α1以及軟實時任務α2組成。當嵌入式可復用群控系統執行目標調度硬實時任務時,若成功發現軟實時任務,就說明本次檢測任務執行成功,可以構建檢查點;若對硬實時任務進行檢測時發現軟實時任務出現故障,就說明需要對軟實時任務進行修復,修復完成后建立檢測點,表明該檢測任務成功執行。

3)軟實時任務狀態出現故障

設定系統總處理器響應概率為Cp(0,t,d;us,r;C),子處理器j的響應概率標記Cp(0,t,d;uS,r;Cj),獲取過程如下式所示

(4)

式中,系統在執行多目標任務時,軟實時狀態出現的故障次數標記為us,當r?R時,說明軟實時狀態出現故障。

基于上述分析結果可知,嵌入式可復用群控系統任務調度問題是影響該系統優化的主要原因,所以要利用相關算法對嵌入式系統的任務多目標調度進行優化,達到優化嵌入式系統的目的。

3 嵌入式可復用群控系統優化方法

依據上述分析結果,使用Linux嵌入式單調調度算法[11]優化系統的多目標調度分配,從而實現嵌入式可復用系統的優化。

3.1 規范系統任務裕度空閑時間

首先設定嵌入式可復用群控系統任務調度的周期性數值為μ,優先級等級為λ,使用任務搶先排序法對系統任務調度的周期性數值進行計算,結果如下式所示

(5)

式中,固定周期閾值標記為W。依據上述計算結果,將系統的任務裕度空閑時間[12]設定為si(t),并依據下式對其進行相關規范

(6)

式中,執行時間標記為Di(t),規范結果用Ii(t)表述。

3.2 提取任務的特征價值關系

設定系統中調度對象的周期性安排為θ,任務的等級重要關系用Wt1≤Wt2≤…≤Wtm表示,任務的特征價值關系以及資源利用率[13]獲取過程如下式所示

(7)

通過上述計算流程進行系統多任務調度時,需要針對系統任務集對系統內部任務參數進行計算,從而識別該系統任務是調度類型,過程如下式所示

(8)

式中,系統的可調度范圍用F表示。

3.3 確定相關約束條件

根據嵌入式可復用系統[14]的RM任務資源比對系統進行任務單調調度,確定系統任務優先級,過程中需要利用EDF算法對系統任務調度進行規范化處理。設定系統任務的任務集為X,需要滿足的條件如下式所示

(9)

3.4 優化流程

具體系統調度分配優化流程如下式所示:

1)初始化系統數據,并對數據進行相關去噪處理。

2)對系統任務調度數據進行初始化,確定系統任務調度屬性。

3)確定最佳分配路徑并依據式(8)完成任務特征數據值的采集和分類。

4)選定最高調度值執行任務。

5)依據式(9)計算任務參數,確定任務優先級。

6)依據上述流程依次完成系統任務的多目標調度,完成系統任務多目標調度進行優化,從而實現優化嵌入式系統的目的。

依據上述流程優化系統目標調度[15]流程時,需要對相關任務調度的約束屬性進行計算。設定嵌入式可復用系統任務的調用特征函數為Ri,以此優化系統任務的調度策略,結果如下式所示

(10)

式中,系統的優化調度策略標記為Ki(ω),最大約束數值標記為xmaxi,最小約束數值標記為xmini。最后通過上述流程完成系統多目標調度的優化,從而實現對嵌入式可復用系統的優化目的。

4 實驗

為了驗證上述嵌入式系統優化方法的整體有效性,需要對此方法進行測試。分別對基于多目標調度的嵌入式可復用群控系統優化方法(本文方法)、求解復雜耦合問題的多系統優化方法(文獻[3]方法)、結合模擬退火與規則約簡的模糊系統優化方法(文獻[4]方法)進行測試。

系統在進行優化的過程中,系統延遲時間的高低、CPU利用率的大小以及處理能耗的大小都能側面證明系統優化效果好壞。采用本文方法、文獻[3]方法以及文獻[4]方法進行系統優化后,基于上述優化效果測試指標,測試三種系統優化方法的優化效果。

1)系統延遲時間測試

系統在進行任務調度分配時,系統處理延遲時間的大小能夠反映系統的優化效果。系統延遲時間越高,證明系統的優化效果越差。反之則越好。利用本文方法、文獻[3]方法以及文獻[4]方法進行系統優化后,對三種系統的任務處理延遲時間進行測試,測試結果如圖1所示。

圖1 不同系統優化后的延遲時間測試結果

分析圖1可知,系統待處理目標任務越多,系統的延遲時間越高。本文方法在目標任務數量為100以前,測試出的系統延遲時間均為0,自目標任務數量為150時,測試結果出現變換,該方法出現系統延遲情況。文獻[3]方法在系統待處理目標任務數量為50時,系統未出現延遲情況,但是當目標任務數量為100時,該系統出現延遲,并隨著目標任務數量的增長不斷增加延遲時間。文獻[4]方法自測試開始就出現系統延遲情況,并隨著測試的進行測試出的延遲時間呈急速增長趨勢。由此可看出,本文方法進行系統優化后,系統的延遲時間低于其它兩種系統優化方法。

2)系統利用率測試

系統優化后,系統利用率能夠直觀地反映出系統的優化效果。系統在運行過程中,利用率越高,說明優化效果越好,利用率越低,說明優化效果越差。采用選定的三種系統優化方法對系統進行優化,測試三種系統優化后的系統利用率,測試結果如圖2所示。

圖2 不同系統優化后的運行利用率測試結果

分析圖2可知,隨著檢測次數的增加,系統的運行利用率呈不同程度的下降趨勢。本文方法測試出的系統運行利用率高于文獻[3]方法以及文獻[4]方法測試結果,文獻[3]方法測試結果高于文獻[4]方法,低于本文方法測試結果,文獻[4]方法測試結果最差。這主要是因為本文方法在進行系統優化前對系統數據噪聲進行了去噪處理,所以該方法優化后的系統在運行時的系統利用率高。

3)系統能耗測試

系統優化后,系統運行能耗同樣能夠反映出系統的優化效果,系統運行能耗越低,說明系統優化效果越好,反之則越低。采用三種系統優化方法優化系統時,測試三種系統優化后的系統運行能耗,測試結果如圖3所示。

圖3 不同系統優化后的運行能耗測試結果

分析圖3可知,本文方法進行系統優化后的系統運行能耗低于其它兩種系統優化方法,文獻[3]方法在目標任務數量為200以前,測試出的系統運行能耗低于文獻[4]方法測試結果,但是當目標任務數量為300時,文獻[3]方法測試結果超出文獻[4]方法能耗測試結果,并隨著測試的進行測試出的能耗結果不斷升高。由此可知,本文方法在進行系統運行能耗測試時的測試結果優于其它兩種方法。

綜上所述,本文方法優化的系統,系統延遲低、系統利用率高以及系統運行能耗低,可進一步證明本文方法的優化效果好。

5 結束語

近年來,隨著科技的不斷進步,嵌入式可復用系統的應用領域也逐漸擴大,結構也愈加復雜。針對傳統嵌入式系統優化方法中存在的問題,提出基于多目標調度的嵌入式可復用群控系統優化方法。該方法依據系統的容錯性分析,找出影響系統運行的影響因子;使用Linux嵌入式單調調度算法對其進行優化,從而實現嵌入式可復用系統的優化目的。該方法由于在分析系統運行故障時還存在一定問題,今后會針對該項問題繼續完善該系統優化方法。