一种动态利用率更新混合关键偶发任务低能耗方法

    公开(公告)号:CN110308977B

    公开(公告)日:2022-09-30

    申请号:CN201910554633.X

    申请日:2019-06-25

    Applicant: 华侨大学

    Inventor: 张忆文

    Abstract: 本发明公开了一种动态利用率更新混合关键偶发任务低能耗方法,包括以下步骤:通过虚拟截止期限策略调度混合关键偶发任务集Γ;计算低关键层次偶发任务的最优速度和高关键层次偶发任务的最优速度在混合关键偶发任务的调度点,动态更新系统利用率Utot;根据系统利用率Utot,计算低关键层次偶发任务和高关键层次偶发任务的执行速度和本发明的方法通过动态利用率更新,计算低关键层次偶发任务与高关键层次偶发任务的最终执行速度,有效地降低系统能耗。

    一种基于多处理器分区的动态优先级节能调度方法

    公开(公告)号:CN115016632A

    公开(公告)日:2022-09-06

    申请号:CN202210748903.2

    申请日:2022-06-29

    Applicant: 华侨大学

    Abstract: 本发明提供了一种基于多处理器分区的动态优先级节能调度方法,包括计算非精确混合关键任务τi的最大利用率ui,利用最大利用率ui进行非降序排序;采用最坏适应方法,将非精确混合关键任务τi分配到处理器Pl上;如果分配到处理器Pl的任务集调度可行,计算处理器Pl的能耗优化速度Sl,否则该任务集调度不可行;本发明提供的方法比现有的多处理器分区方法在任务集调度可行方面提升大约4.48倍的性能,与其它混合关键系统周期任务调度方法相比节约大约7.92%的能耗;此外混合关键系统能耗的降低,可以降低产品的生产成本,提高产品的可靠性。

    一种固定优先级非精确混合关键任务调度方法

    公开(公告)号:CN114578943A

    公开(公告)日:2022-06-03

    申请号:CN202210156954.6

    申请日:2022-02-21

    Applicant: 华侨大学

    Inventor: 张忆文

    Abstract: 本发明涉及一种固定优先级非精确混合关键任务调度方法,包括以下步骤:建立非精确混合关键调度模型;给出系统处于低模式和高模式时调度可行的充分条件;通过奥兹利方法决定任务的优先级;根据系统调度可行的充分条件判断任务集是否能够被调度。本发明通过奥兹利方法决定任务优先级,给出任务集调度可行的条件,不仅有效地提高系统的利用率,而且时间开销小。

    一种基于高速缓存感知的垃圾回收方法、设备及存储介质

    公开(公告)号:CN112148631A

    公开(公告)日:2020-12-29

    申请号:CN202011025007.0

    申请日:2020-09-25

    Applicant: 华侨大学

    Abstract: 本发明提供一种基于高速缓存感知的垃圾回收方法、设备及存储介质,其中方法包括:垃圾回收操作开始时,固态硬盘会扫描所有物理块和高速缓存,得到每块物理块内包含有效页的数量以及每块物理块保存在高速缓存中的有效页的数量;将每块物理块的有效页数量减去每个物理块保存在高速缓存中的有效页数量,得到每块物理块真正需要移动的有效页的数量;选择上述数值最小的物理块作为垃圾回收的目标块;针对该目标块,开始扫描每一个物理页;并采用高速缓存一致性方法,完成目标块的没有保存在高速缓存中的所有有效页移动,即完成一次垃圾回收操作;本发明提供的方法,能够取得更少的有效页移动,获得良好的性能。

    一种基于任务属性可适应因子能耗优化方法

    公开(公告)号:CN111597030A

    公开(公告)日:2020-08-28

    申请号:CN202010435985.6

    申请日:2020-05-21

    Applicant: 华侨大学

    Inventor: 张忆文

    Abstract: 本发明公开了一种基于任务属性可适应因子能耗优化方法,包括以下步骤:建立基于任务属性的周期任务模型;根据所采用的调度策略,计算调度策略因子;利用任务的属性,计算任务产生的空闲时间;利用任务的可适应因子分配空闲时间,计算能耗最优的处理器速度。本发明的方法通过任务属性计算空闲时间,能够有效地降低计算空闲时间的开销,通过可适应因子分配空闲时间,确定处理器速度能够有效地降低系统能耗。

    一种基于深度学习和边缘计算的视觉行车测距算法

    公开(公告)号:CN111292366A

    公开(公告)日:2020-06-16

    申请号:CN202010094884.7

    申请日:2020-02-17

    Applicant: 华侨大学

    Abstract: 本发明涉及智能汽车的自动驾驶领域,尤其涉及一种基于深度学习和边缘计算的视觉行车测距算法,包括以下步骤:S1、构建带行车测距数据集并进行标注;S2、利用构建的标准数据集,生成适用于行车测距的深度模型;S3、联合边缘设备和传感设备自动对网络进行分割加速推断;S4、用测试数据集进行实验,预测行车距离,本发明使用单目摄像头采集行车数据集,节省了成本。且通过多种数据增强的方法对数据集进行了有效扩充,不仅增加了数据量,有效避免了网络过拟合,提高了行车测距的准确率。

    一种动态利用率更新混合关键偶发任务低能耗方法

    公开(公告)号:CN110308977A

    公开(公告)日:2019-10-08

    申请号:CN201910554633.X

    申请日:2019-06-25

    Applicant: 华侨大学

    Inventor: 张忆文

    Abstract: 本发明公开了一种动态利用率更新混合关键偶发任务低能耗方法,包括以下步骤:通过虚拟截止期限策略调度混合关键偶发任务集Γ;计算低关键层次偶发任务的最优速度 和高关键层次偶发任务的最优速度 在混合关键偶发任务的调度点,动态更新系统利用率Utot;根据系统利用率Utot,计算低关键层次偶发任务和高关键层次偶发任务的执行速度 和 本发明的方法通过动态利用率更新,计算低关键层次偶发任务与高关键层次偶发任务的最终执行速度,有效地降低系统能耗。

    一种硬实时系统资源受限偶发任务能耗优化调度方法

    公开(公告)号:CN106445070B

    公开(公告)日:2019-04-02

    申请号:CN201610816506.9

    申请日:2016-09-12

    Applicant: 华侨大学

    Abstract: 本发明公开了一种硬实时系统偶发任务资源受限能耗优化调度方法,包括:利用单调速率策略为任务分配优先级;根据任务Ti是否释放实例,计算出动态低速度;当有新任务Tj到达时,判断新任务Tj是否被阻塞;如果新任务Tj被阻塞,根据任务的真实阻塞时间,计算出此时的动态高速度,此时任务Ti以动态高速度执行直到其完成执行;如果新任务Tj没有被阻塞,其将抢占任务Ti的执行,且其执行速度为动态低速度;任务完成执行后,如果此时的空闲时间大于处理器状态切换开销,利用动态功耗管理技术关闭处理器,否则,处理器进入空闲状态。本发明利用任务真实阻塞时间计算出动态低速度和动态高速度,充分利用处理器的空闲时间,有效地降低系统能耗。

    一种基于RM策略的偶发任务低能耗调度方法

    公开(公告)号:CN105893148B

    公开(公告)日:2019-01-22

    申请号:CN201610190341.9

    申请日:2016-03-30

    Applicant: 华侨大学

    Abstract: 本发明公开了一种基于RM策略的偶发任务低能耗调度方法,包括在任务集调度之前,分配任务的初始优先级和执行优先级;计算任务的最大阻塞时间和最坏情况下的处理器需求;将任务集划分为有资源需求的任务集和没有资源需求的任务集,计算有资源需求任务集的最低运行速度,计算没有资源需求的任务集的最低运行速度;计算任务集离线阶段的运行速度;建立空闲时间管理队列,计算任务的空闲时间,利用DVS技术,调节处理器运行速度,确保最后的运行速度不低于关键速度。本发明考虑了通用的功耗模型、任务的执行时间与处理器速度成非线性关系情形及处理器速度切换开销,同时结合了DVS技术和DPM技术,较大地降低了能耗。

    基于大规模评分数据对用户进行商品在线实时推荐的方法

    公开(公告)号:CN108154380A

    公开(公告)日:2018-06-12

    申请号:CN201710292884.6

    申请日:2017-04-28

    CPC classification number: G06Q30/0282 G06Q30/0631

    Abstract: 本发明涉及一种基于大规模评分数据对用户进行商品在线实时推荐的方法,是一种基于并行朴素贝叶斯回归模型的协同过滤推荐方法。首先,将数据存储于Hadoop的HDFS上,并行读取用户对项目的评分数据,对评分进行四舍五入的取整和离散化;其次,将用户和项目作为独立属性,离散化后的各评分作为类别,利用MapReduce框架实现的并行朴素贝叶斯分类模型计算用户对商品各评分类别的概率;最后,通过求期望来预测用户对商品的评分,应用于商品推荐。本方法解决了传统协同过滤算法时空效率低,预测成功率低和实时性不佳的问题,提高了推荐的时空效率、准确率和成功率,适合于大规模评分数据上对用户进行商品在线实时推荐。

Patent Agency Ranking