بهبود طول عمر سيستم هاي تعبيه شده در حين زمانبندي وظايف براساس بهينه سازي چندهدفي ازدحام ذرات

Lifetime Enhancement of Embedded Systems During Task Scheduling Through a Multi-Objective Particle Swarm Optimization Approach

در اين مقاله روش زمان‌بندي و نگاشت مبتني بر الگوريتم‌ فرامكاشفه‌اي بهينه‌سازي ازدحام ذرات (MOPSO) باهدف بهبود طول‌عمر به‌عنوان اساسي‌ترين چالش طراحي سيستم‌هاي نهفته چندپردازنده‌اي كه جهت فرماندهي و مديريت داده‌ها در سيستم‌هاي ماهواره‌اي بكار مي‌روند ارائه شده است. بدين منظور ساير چالش‌هاي طراحي تاثيرگذار بر طول‌عمر شامل توان مصرفي، دماي تراشه و كارايي نيز در بهينه‌سازي وارد مي‌شوند تا تاثيرات متقابل آن‌ها بر طول‌عمر سيستم لحاظ شود. وجود رابطه ناهمسو و متخاصم بين پارامترهاي طراحي، منجر به پيچيده شدن فرايند بهينه‌سازي و جستجوي فضاي طراحي در اين مسئله مي‌گردد. روش ارائه شده در اين مقاله مبتني بر الگوريتم بهينه‌سازي چندهدفي ازدحام ذرات مي‌باشد كه به‌دليل جستجوي موثر فضاي طراحي و درنظر داشتن همزمان تمامي پارامترها، گزينه مناسبي در حل مسئله زمان‌بندي و نگاشت وظايف هدف مي‌باشد. در اين روش، جمعيت اوليه متشكل از ترتيب‌هاي اجراي معتبر زمان‌بندي وظايف و نگاشت تصادفي آن‌ها بر هسته‌هاي پردازشي و سطوح مختلف ولتاژ و فركانس كاري مي‌باشد. با تغيير پارامترهاي زمان‌بندي و نگاشت وظايف در جهت بهينه‌سازي تابع هزينه پيشنهادي در اين مقاله در جمعيت اوليه طبق الگوريتم بهينه‌سازي MOPSO، فضاي طراحي جستجو شده و نقاط مناسب با اهداف مسئله تعريف شده استخراج مي‌گردند. در اين حين، مقياس پوياي ولتاژ و فركانس كاري سيستم و افزودن زمان‌هاي بيكاري به اجرا با هدف بهبود توان مصرفي و دماي تراشه و گسترش دادن فضاي جستجو درنظر گرفته شده است. آزمايش‌هاي متعددي به‌منظور بررسي كارايي روش پيشنهادي و قابليت‌هاي آن توسط محك‌هاي تصادفي و واقعي از برنامه‌هاي كاربردي انجام گرفته است. نتايج آزمايش‌هاي تجربي نشان داده‌اند روش پيشنهادي قابليت جستجوي موثر فضاي طراحي و استخراج جواب‌هاي بهينه در چند هدف به‌صورت پوسته Pareto را دارد. همچنين طبق مقايسه روش پيشنهادي نسبت به روش‌هاي مكاشفه‌اي موثر پيشين، ميانگين بهبود 23%، 35%، 19% و 3% در كارايي، طول‌عمر، دماي تراشه و توان مصرفي نشان داده شده است كه اين بهبود بيانگر موثر بودن روش پيشنهادي در جستجوي موثر فضاي طراحي و استخراج نقاط بهينه مي‌باشد.

In this paper, a task scheduling and mapping method based on multi-objective particle swarm optimization (MOPSO) algorithm is presented to improve lifetime reliability of multiprocessors systems on chip. This method considers power consumption temperature and performance along with the lifetime reliability due to the antagonistic relations of these parameters. These antagonistic and dependent relations make the design space exploration and optimization processes complex. The proposed method is based on MOPSO algorithm and starts with an initial population of candidate solutions which are generated randomly and represents valid task scheduling and mapping solutions. By changing the scheduling and mapping parameters during the MOPSO algorithm, new solutions are produced and the design space is explored based on the objective of the target problem of this method. Several experiments on random and real-life benchmarks are performed to verify the effectiveness of our proposed method. The results demonstrate the capability of the proposed method in effective design space exploration and generating the Pareto front. Moreover, comparisons to the related research show 35%, 23%, 19% and 3% improvements in performance, lifetime reliability, temperature, and power consumption on average.