CN110288153A - 一种最优速度混合关键周期任务能耗优化方法 - Google Patents

一种最优速度混合关键周期任务能耗优化方法 Download PDF

Info

Publication number
CN110288153A
CN110288153A CN201910555221.8A CN201910555221A CN110288153A CN 110288153 A CN110288153 A CN 110288153A CN 201910555221 A CN201910555221 A CN 201910555221A CN 110288153 A CN110288153 A CN 110288153A
Authority
CN
China
Prior art keywords
key
task
low
tasks
level
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201910555221.8A
Other languages
English (en)
Other versions
CN110288153B (zh
Inventor
张忆文
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huaqiao University
Original Assignee
Huaqiao University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Huaqiao University filed Critical Huaqiao University
Priority to CN201910555221.8A priority Critical patent/CN110288153B/zh
Publication of CN110288153A publication Critical patent/CN110288153A/zh
Application granted granted Critical
Publication of CN110288153B publication Critical patent/CN110288153B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Health & Medical Sciences (AREA)
  • Manufacturing & Machinery (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Devices For Executing Special Programs (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明公开了一种最优速度混合关键周期任务能耗优化方法，包括以下步骤:建立混合关键周期任务模型，计算截止期限系数x；计算低关键层次周期任务的最优速度计算高关键层次周期任务的最优速度分别计算低模式低关键层次周期任务与高关键层次周期任务的最终执行速度和计算高模式高关键层次周期任务的最终执行速度本发明的方法通过动态利用高关键层次任务额外负载，确定低关键层次周期任务与高关键层次周期任务的最终执行速度，有效地降低系统能耗。

Description

一种最优速度混合关键周期任务能耗优化方法
技术领域
本发明涉及动态优先级混合关键系统低能耗实时调度，特别涉及一种最优速度混合关键周期任务能耗优化方法。
背景技术
混合关键系统是目前应用比较广泛的嵌入式系统，其可以应用在制造业、航空航天领域、生活生产领域等，特别在汽车制造业与飞机制造业上。混合关键系统不仅要确保关键任务及时正确的完成执行，而且要正确地调度非关键任务。除此之外，像无人机等混合关键系统，对能耗有很高的要求。
对于混合关键系统而言，周期任务是其常见的一类任务，周期任务由于任务实例的达到时间有其规律率，对于周期任务的调度尤其重要，它不仅要确保周期任务在其规定的时间内完成执行，而且要确保调度结果的正确性。目前对于混合关键周期任务的能耗方法的研究，由于其不能利用高关键层次在低模式下产生的空闲时间，导致其节能效果比较差。
发明内容
本发明的主要目的在于克服现有技术中的上述缺陷，提出一种最优速度混合关键周期任务能耗优化方法，该方法通过动态利用高关键层次任务额外负载，确定低关键层次周期任务与高关键层次周期任务的最终执行速度，有效地降低系统能耗。
本发明采用如下技术方案：
一种最优速度混合关键周期任务能耗优化方法，该方法通过动态利用高关键层次任务额外负载，确定低关键层次周期任务与高关键层次周期任务的最终执行速度，有效地降低系统能耗。
本发明采用如下技术方案：
一种最优速度混合关键周期任务能耗优化方法，包括如下步骤：
建立混合关键周期任务模型，所有任务按照最早截止期限优先策略调度，计算截止期限系数x以确定最早截止期限；
计算低关键层次周期任务的最优速度
计算高关键层次周期任务的最优速度
分别计算低模式低关键层次周期任务与高关键层次周期任务的最终执行速度和
计算高模式高关键层次周期任务的最终执行速度
具体的，所述建立混合关键周期任务模型，计算截止期限系数x，包括：
混合关键周期任务模型由n个混合关键周期任务组成的集合Γ＝{τ1,τ2,…,τn}，每个混合关键周期任务τi(1≤i≤n,i为整数)由三元组{Ti,ξi,Ci}组成，其中Ti是混合关键周期任务τi的周期；ξi是混合关键周期任务τi的关键层次，其可以表示为ξi＝{LO,HI}，混合关键周期任务τi的关键层次为LO时，其为低关键层次周期任务，混合关键周期任务τi的关键层次为HI时，其为高关键层次周期任务；Ci为混合关键周期任务τi的不同模式下的最坏情况下执行时间；Ci(LO)和Ci(HI)分别为混合关键周期任务τi在低模式和高模式下的执行时间；如果混合关键周期任务τi为低关键层次周期任务时，其Ci(HI)＝Ci(LO)；如果混合关键周期任务τi为高关键层次周期任务时，其Ci(HI)>＝Ci(LO)；所谓低模式是指所有高关键层次任务在速度S下的执行时间不超过Ci(LO)/S，且同时执行高关键层次任务和低关键层次任务；所谓高模式是指高关键层次任务在速度S下的执行时间超过Ci(LO)/S，只执行高关键层次任务；所有任务按照最早截止期限优先策略调度；所谓的最早截止期限优先策略是指截止期限越小的其优先级越高，截止期限越大的其优先级越低；优先级高的任务优先调度；截止期限由任务的到达时间与截止期限系数以及任务的周期所决定；截止期限系数x由下式计算：
x＝1-M
其中M是高关键层次任务额外负载利用率，其值由下式计算：
其中，Ci(LO)和Ci(HI)分别为高关键层次周期任务τi在低模式和高模式下的执行时间,Ti是高关键层次任务τi的周期。
具体的，所述计算低关键层次周期任务的最优速度其值由下式计算：
其中min代表求最小值，K为高关键层次任务低模式下的负载利用率，其值由下式计算：
其中，Ci(LO)为高关键层次周期任务τi在低模式下的执行时间,Ti是高关键层次任务τi的周期；M是高关键层次任务额外负载利用率；L为低关键层次任务的负载利用率，其值由下式计算：
其中，Ci(LO)为低关键层次周期任务τi的执行时间,Ti是低关键层次任务τi的周期；H是与任务负载相关的常数，其值由下式计算：
其中max代表求最大值，Smin为处理器提供的最小速度。
具体的，计算高关键层次周期任务的最优速度其值由下式计算：
其中K为高关键层次任务低模式下的负载利用率，L为低关键层次任务的负载利用率，M是高关键层次任务额外负载利用率,为低关键层次周期任务的最优速度。
具体的，所述分别计算低模式低关键层次周期任务与高关键层次周期任务的最终执行速度和其值分别由下式计算，
其中，为低关键层次周期任务的最优速度，为高关键层次周期任务的最优速度，U为常数，其值由下式计算：
其中，K为高关键层次任务低模式下的负载利用率，L为低关键层次任务的负载利用率，M是高关键层次任务额外负载利用率,Ci(LO)和Ci(HI)分别为混合关键周期任务τi在低模式和高模式下的执行时间,Ti是混合关键周期任务τi的周期；当U>1.0时，此时U将设置为1.0。
具体的，所述计算出高模式高关键层次周期任务的最终执行速度其值由下式计算：
其中，K为高关键层次任务低模式下的负载利用率，M是高关键层次任务额外负载利用率。
由上述对本发明的描述可知，与现有技术相比，本发明具有如下有益效果：
(1)本发明的方法比现有的混合关键周期任务调度方法节约大约5.67％能耗；
(2)系统能耗的降低，可以降低产品的生产成本，延长设备的使用时间，减少电池的更换周期。
附图说明
图1为本发明方法的流程图示意图。
以下结合附图和具体实施例对本发明作进一步详述。
具体实施方式
以下通过具体实施方式对本发明作进一步的描述。
参见图1，本发明提供的一种最优速度混合关键周期任务能耗优化方法，包括如下步骤：
步骤101：建立混合关键周期任务模型，计算截止期限系数x。
混合关键周期任务模型由n个混合关键周期任务组成的集合Γ＝{τ1,τ2,…,τn}，每个混合关键周期任务τi(1≤i≤n,i为整数)由三元组{Ti,ξi,Ci}组成，其中Ti是混合关键周期任务τi的周期；ξi是混合关键周期任务τi的关键层次，其可以表示为ξi＝{LO,HI}，混合关键周期任务τi的关键层次为LO时，其为低关键层次周期任务，混合关键周期任务τi的关键层次为HI时，其为高关键层次周期任务；Ci为混合关键周期任务τi在不同模式下的最坏情况下执行时间。
Ci(LO)和Ci(HI)分别为混合关键周期任务τi在低模式和高模式下的执行时间；如果混合关键周期任务τi为低关键层次周期任务时，其Ci(HI)＝Ci(LO)；如果混合关键周期任务τi为高关键层次周期任务时，其Ci(HI)>＝Ci(LO)；所谓低模式是指所有高关键层次任务在速度S下的执行时间不超过Ci(LO)/S，且同时执行高关键层次任务和低关键层次任务；所谓高模式是指高关键层次任务在速度S下的执行时间超过Ci(LO)/S，只执行高关键层次任务。
所有任务按照最早截止期限优先策略调度；所谓的最早截止期限优先策略是指截止期限越小的其优先级越高，截止期限越大的其优先级越低；优先级高的任务优先调度；任务的截止期限相同时，越早到达的任务具有更高的优先级；任务的截止期限与到达时间相同时，下标小的任务具有更高的优先级级；截止期限由任务的到达时间与截止期限系数以及任务的周期所决定；更具体的任务τi的到达时间为t，其截止期限为t+xTi；截止期限系数x由下式计算：
x＝1-M
其中M是高关键层次任务额外负载利用率，其值由下式计算：
其中，Ci(LO)和Ci(HI)分别为高关键层次周期任务τi在低模式和高模式下的执行时间,Ti是高关键层次任务τi的周期。
步骤102：计算低关键层次周期任务的最优速度
低关键层次周期任务的最优速度其值由下式计算：
其中min代表求最小值，K为高关键层次任务低模式下的负载利用率，其值由下式计算：
其中，Ci(LO)为高关键层次周期任务τi在低模式下的执行时间,Ti是高关键层次任务τi的周期；M是高关键层次任务额外负载利用率，其值由下式计算：
其中，Ci(LO)和Ci(HI)分别为高关键层次周期任务τi在低模式和高模式下的执行时间,Ti是高关键层次任务τi的周期；L为低关键层次任务的负载利用率，其值由下式计算：
其中，Ci(LO)为低关键层次周期任务τi的执行时间,Ti是低关键层次任务τi的周期；H是与任务负载相关的常数，其值由下式计算：
其中max代表求最大值，Smin为处理器提供的最小速度。
步骤103：计算高关键层次周期任务的最优速度
高关键层次周期任务的最优速度其值由下式计算：
其中K为高关键层次任务低模式下的负载利用率，其值由下式计算：
其中，Ci(LO)为高关键层次周期任务τi在低模式下的执行时间,Ti是高关键层次任务τi的周期；L为低关键层次任务的负载利用率，其值由下式计算：
其中，Ci(LO)为低关键层次周期任务τi的执行时间,Ti是低关键层次任务τi的周期；M是高关键层次任务额外负载利用率,其值由下式计算：
其中，Ci(LO)和Ci(HI)分别为高关键层次周期任务τi在低模式和高模式下的执行时间,Ti是高关键层次任务τi的周期；为低关键层次周期任务的最优速度。
步骤104：分别计算低模式低关键层次周期任务与高关键层次周期任务的最终执行速度和
低模式低关键层次周期任务与高关键层次周期任务的最终执行速度和其值分别由下式计算，
其中，为低关键层次周期任务的最优速度，为高关键层次周期任务的最优速度，U为常数，其值由下式计算：
其中，K为高关键层次任务低模式下的负载利用率，L为低关键层次任务的负载利用率，M是高关键层次任务额外负载利用率,Ci(LO)和Ci(HI)分别为混合关键周期任务τi在低模式和高模式下的执行时间,Ti是混合关键周期任务τi的周期；当U>1.0时，此时U将设置为1.0。
步骤105：计算高模式高关键层次周期任务的最终执行速度
高模式高关键层次周期任务的最终执行速度其值由下式计算：
其中，K为高关键层次任务低模式下的负载利用率，其值由下式计算：
其中，Ci(LO)为高关键层次周期任务τi在低模式下的执行时间,Ti是高关键层次任务τi的周期；
M是高关键层次任务额外负载利用率；其值由下式计算：
其中，Ci(LO)和Ci(HI)分别为高关键层次周期任务τi在低模式和高模式下的执行时间,Ti是高关键层次任务τi的周期。
本实施例中，混合关键周期任务集包含3个混合关键周期任务，任务的具体参数如下表所示：
任务 T<sub>i</sub> ξ<sub>i</sub> C<sub>i</sub>(LO) C<sub>i</sub>(HI)
τ<sub>1</sub> 6 LO 2 2
τ<sub>2</sub> 8 HI 2 3
τ<sub>3</sub> 16 LO 4 4
通过计算可知，M＝0.125，K＝0.25,L＝0.58,截止期限系数x＝0.875，低关键层次周期任务的最优速度高关键层次周期任务的最优速度当高关键层次任务τ1没有完成执行，低模式低关键层次周期任务的最终执行速度低模式高关键层次周期任务的最终执行速度当高关键层次任务τ1完成执行时，低模式低关键层次周期任务低模式高关键层次周期任务的最终执行速度高模式高关键层次周期任务的最终执行速度
本实施例中的功耗模型P＝0.1+0.2*S+S3；在区间[0,48]调度混合关键周期任务集。本实施例比较两种方法，第一种方法，任务始终以最优速度进行执行；第二种方法为本发明方法。第一种方法调度混合关键周期任务集的能耗为43.24；本发明方法调度混合关键周期任务集的能耗为40.79。在此实施例中本发明方法比其他发明方法节约5.67％。
上述仅为本发明的具体实施方式，但本发明的设计构思并不局限于此，凡利用此构思对本发明进行非实质性的改动，均应属于侵犯本发明保护范围的行为。

Claims (6)

1.一种最优速度混合关键周期任务能耗优化方法，其特征在于：
建立混合关键周期任务模型，所有任务按照最早截止期限优先策略调度，计算截止期限系数x以确定最早截止期限；
计算低关键层次周期任务的最优速度
计算高关键层次周期任务的最优速度
分别计算低模式低关键层次周期任务与高关键层次周期任务的最终执行速度和
计算高模式高关键层次周期任务的最终执行速度
2.如权利要求1所述的一种最优速度混合关键周期任务能耗优化方法，其特征在于：混合关键周期任务模型由n个混合关键周期任务组成的集合Γ＝{τ1,τ2,…,τn}，每个混合关键周期任务τi由三元组{Ti,ξi,Ci}组成，1≤i≤n,i为整数；其中Ti是混合关键周期任务τi的周期；ξi是混合关键周期任务τi的关键层次，其可以表示为ξi＝{LO,HI}，混合关键周期任务τi的关键层次为LO时，其为低关键层次周期任务，混合关键周期任务τi的关键层次为HI时，其为高关键层次周期任务；Ci为混合关键周期任务τi在不同模式下的最坏情况下执行时间；Ci(LO)和Ci(HI)分别为混合关键周期任务τi在低模式和高模式下的执行时间；如果混合关键周期任务τi为低关键层次周期任务时，其Ci(HI)＝Ci(LO)；如果混合关键周期任务τi为高关键层次周期任务时，其Ci(HI)>＝Ci(LO)；所谓低模式是指所有高关键层次任务在速度S下的执行时间不超过Ci(LO)/S，且同时执行高关键层次任务和低关键层次任务；所谓高模式是指高关键层次任务在速度S下的执行时间超过Ci(LO)/S，只执行高关键层次任务；所有截止期限系数x由下式计算：
x＝1-M
其中M是高关键层次任务额外负载利用率。
3.如权利要求1所述的一种最优速度混合关键周期任务能耗优化方法，其特征在于：
所述计算低关键层次周期任务的最优速度由下式计算：
其中min代表求最小值，K为高关键层次任务低模式下的负载利用率，M是高关键层次任务额外负载利用率,L低关键层次任务的负载利用率，H是与任务负载相关的常数，其值由下式计算：
其中max代表求最大值，Smin为处理器提供的最小速度。
4.如权利要求1所述的一种最优速度混合关键周期任务能耗优化方法，其特征在于：计算高关键层次周期任务的最优速度其值由下式计算：
其中K为高关键层次任务低模式下的负载利用率，L为低关键层次任务的负载利用率，M是高关键层次任务额外负载利用率,为低关键层次周期任务的最优速度。
5.如权利要求1所述的一种最优速度混合关键周期任务能耗优化方法，其特征在于：分别计算低模式低关键层次周期任务与高关键层次周期任务的最终执行速度和其值分别由下式计算，
其中，为低关键层次周期任务的最优速度，为高关键层次周期任务的最优速度，U为常数，其值由下式计算：
其中，K为高关键层次任务低模式下的负载利用率，L低关键层次任务的负载利用率，M是高关键层次任务额外负载利用率,Ci(LO)和Ci(HI)分别为混合关键周期任务τi在低模式和高模式下的执行时间,Ti是混合关键周期任务τi的周期。
6.如权利要求1所述的一种最优速度混合关键周期任务能耗优化方法，其特征在于：计算高模式高关键层次周期任务的最终执行速度其值由下式计算：
其中，K为高关键层次任务低模式下的负载利用率，M是高关键层次任务额外负载利用率。
CN201910555221.8A 2019-06-25 2019-06-25 一种最优速度混合关键周期任务能耗优化方法 Active CN110288153B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910555221.8A CN110288153B (zh) 2019-06-25 2019-06-25 一种最优速度混合关键周期任务能耗优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910555221.8A CN110288153B (zh) 2019-06-25 2019-06-25 一种最优速度混合关键周期任务能耗优化方法

Publications (2)

Publication Number Publication Date
CN110288153A true CN110288153A (zh) 2019-09-27
CN110288153B CN110288153B (zh) 2022-07-01

Family

ID=68005917

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910555221.8A Active CN110288153B (zh) 2019-06-25 2019-06-25 一种最优速度混合关键周期任务能耗优化方法

Country Status (1)

Country Link
CN (1) CN110288153B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110850954A (zh) * 2019-10-28 2020-02-28 华侨大学 一种基于固定优先级事件触发混合关键偶发任务的能耗优化方法
CN111984389A (zh) * 2020-08-28 2020-11-24 华侨大学 一种基于双截止期限的资源共享混合关键周期任务能耗优化方法
CN112633589A (zh) * 2020-12-30 2021-04-09 华侨大学 一种基于概率模型混合关键任务能耗优化调度方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106970835A (zh) * 2017-03-20 2017-07-21 华侨大学 固定优先级资源受限系统层次能耗优化方法
US20180136976A1 (en) * 2016-11-14 2018-05-17 King Abdulaziz University Temporal task scheduling in a hybrid system
CN108984292A (zh) * 2018-08-14 2018-12-11 华侨大学 混合关键系统固定优先级周期任务能耗优化方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180136976A1 (en) * 2016-11-14 2018-05-17 King Abdulaziz University Temporal task scheduling in a hybrid system
CN106970835A (zh) * 2017-03-20 2017-07-21 华侨大学 固定优先级资源受限系统层次能耗优化方法
CN108984292A (zh) * 2018-08-14 2018-12-11 华侨大学 混合关键系统固定优先级周期任务能耗优化方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110850954A (zh) * 2019-10-28 2020-02-28 华侨大学 一种基于固定优先级事件触发混合关键偶发任务的能耗优化方法
CN110850954B (zh) * 2019-10-28 2023-03-28 华侨大学 一种基于固定优先级事件触发混合关键偶发任务的能耗优化方法
CN111984389A (zh) * 2020-08-28 2020-11-24 华侨大学 一种基于双截止期限的资源共享混合关键周期任务能耗优化方法
CN111984389B (zh) * 2020-08-28 2023-05-26 华侨大学 基于截止期限的资源共享混合关键周期任务能耗优化方法
CN112633589A (zh) * 2020-12-30 2021-04-09 华侨大学 一种基于概率模型混合关键任务能耗优化调度方法

Also Published As

Publication number Publication date
CN110288153B (zh) 2022-07-01

Similar Documents

Publication Publication Date Title
CN110288153B (zh) 一种最优速度混合关键周期任务能耗优化方法
CN110070219A (zh) 一种基于截止期限混合关键系统静态能耗优化方法
CN108984292B (zh) 混合关键系统固定优先级周期任务能耗优化方法
CN110308977A (zh) 一种动态利用率更新混合关键偶发任务低能耗方法
CN111984389B (zh) 基于截止期限的资源共享混合关键周期任务能耗优化方法
CN106970835B (zh) 固定优先级资源受限系统层次能耗优化方法
CN106773711A (zh) 一种铁路机车运行操纵系统的混合任务调度方法及模型
CN105893148A (zh) 一种基于rm策略的偶发任务低能耗调度方法
CN112486652B (zh) 一种非抢占固定优先级混合关键任务能耗优化调度方法
CN114578947B (zh) 动态优先级能耗感知非精确混合关键任务调度方法和系统
CN109597378B (zh) 一种资源受限混合任务能耗感知方法
CN108960642B (zh) 一种新能源电厂动态聚合方法及系统
CN109918185B (zh) 基于虚拟任务固定优先级混合关键系统调度方法
CN112905330B (zh) 一种固定优先级混合关键偶发任务能耗感知方法
CN110850954B (zh) 一种基于固定优先级事件触发混合关键偶发任务的能耗优化方法
CN105630126A (zh) 一种基于常带宽服务器混合任务低功耗调度方法
CN110806795B (zh) 一种基于动态空闲时间混合关键周期任务的能耗优化方法
CN110825504B (zh) 一种基于服务器混合关键偶发任务能耗优化方法
CN111146788B (zh) 一种自动发电控制方法
CN104578174A (zh) 一种基于指令的主站agc机组控制方法
CN116131297A (zh) 一种面向新能源消纳的源网荷储省地协同调控方法及系统
CN116646987A (zh) 多资源协同调度方法、装置、设备及存储介质
CN114578946A (zh) 一种非精确混合关键任务非抢占动态优先级能耗优化方法
CN114142479B (zh) 计及多类型可调节负荷资源的用户侧能量调度方法及系统
CN111078401B (zh) 一种周期任务温度感知能耗优化方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant