بهینه سازی انتساب برخط کارها در سیستم های پردازشی چندهسته ای برای مدیریت پویای گرمایش

سال انتشار: 1399

محل انتشار: فصلنامه مهندسی برق و الکترونیک ایران، دوره: 17، شماره: 3

کد COI مقاله: JR_JIAE-17-3_013

زبان مقاله: فارسیمشاهد این مقاله: 10

فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 12 صفحه است به صورت فایل PDF در اختیار داشته باشید.

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله بهینه سازی انتساب برخط کارها در سیستم های پردازشی چندهسته ای برای مدیریت پویای گرمایش

فرناز نیک نیا - Iran University of Science and Technology

وصال حکمی - Iran University of Science and Technology

چکیده مقاله:

افزایش دما در پردازنده های چندهسته ای سبب افزایش توان مصرفی و کاهش طول عمر مفید پردازنده می شود. بهینه سازی انتساب کارها به هسته ها، راهکاری کارآمد برای مدیریت حرارتی این نوع پردازنده ها است. چالش اصلی در مسأله انتساب برخط، عدم قطعیت هایی است که محیط عملیاتی چندهسته ای با آنها روبرو می باشد که شامل: ورود تصادفی کارها به سیستم، جفت شدن تصادفی کارها با یکدیگر و تغییرات پروفایل دمایی تراشه در زمان می شود. در این مقاله، راهکاری برای انتساب برخط کارها به هسته ها ارائه شده است که در آن برای لحاظ سیستماتیک عوامل تصادفی، مسئله ی انتساب در قالب یک فرآیند تصمیم سازی مارکوف زمان-پیوسته مدل سازی می شود. برای محاسبه سیاست بهینه انتساب کارها، الگوریتمی مبتنی بر یادگیری تقویتی زمان-پیوسته پیشنهاد شده است که می تواند بی نیاز از دانش از پیش در خصوص مدل احتمالاتی سیستم، تنها از طریق دریافت بازخوردهای واقعی در زمان اجرا، انتساب بر خط بهینه را تعیین نماید. همچنین، جهت تضمین کارکرد در ابعاد بالای مؤلفه های وضعیت سیستم (تعداد زیاد حسگرهای دمایی و صف نامتناهی)، از تکنیک تقریب تابع برای رفع معضل بُعدیت استفاده شده است. نتایج شبیه سازی نشان می دهند که راهکار پیشنهادی به اندازه ی 6 درجه ی سانتی گراد میانگین دمای بیشینه ی سیستم و به میزان 66 میلی ثانیه زمان سرویس کارها را کاهش می دهد.

کلیدواژه ها:

Multi-core Processors, Online Task Assignment, Thermal Management and Reinforcement Learning, پردازنده های چندهسته ای, انتساب برخط کارها, مدیریت گرمایی و یادگیری تقویتی.

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/1157350/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:

نیک نیا، فرناز و حکمی، وصال،1399،بهینه سازی انتساب برخط کارها در سیستم های پردازشی چندهسته ای برای مدیریت پویای گرمایش،،،،،https://civilica.com/doc/1157350

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1399، نیک نیا، فرناز؛ وصال حکمی)
برای بار دوم به بعد: (1399، نیک نیا؛ حکمی)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود ممقالهقاله لینک شده اند :

[1] Hennessy, John L., and David A. Patterson. Computer architecture: a ...

[2] Coskun, Ayse K., Tajana, Simunic R., and Keith Whisnant. "Temperature ...

[3] Pruhs, K., van, Stee R., and Uthaisombut, P., "Speed scaling ...

[4] Herbert, S., & Marculescu, D., "Analysis of dynamic voltage/frequency scaling ...

[5] Kolpe, T., Zhai, A. and Sapatnekar, Sachin S., "Enabling improved ...

[6] Donald J., Martonosi M., "Techniques for multicore thermal management: Classification ...

[7] Zhang S., Chatha, Karam S., "Approximation algorithm for the temperature-aware ...

[8] Yeo, I., Chih, Chun L. and Eun, Jung K. "Predictive ...

[9] Stavrou K, Trancoso P., "Thermal-aware scheduling for future chip multiprocessors", ...

[10] Wang, J., Lu, J., Guo, S., Chen, Z., & Li, ...

[11] Lu, Shiting. J., Tessier, R., & Burleson, W., "Reinforcement Learning ...

[12] Das A., Rishad S., Geoff M., Bashir M., Akash K., ...

[13] Das A., Bashir M., and Merrett G., "Adaptive and hierarchical ...

[14] Bertsekas, Dimitri P., Dynamic programming and optimal control. Athena scientific, ...

[15] Tatas K., Siozios K., Soudris D., and Jantsch A., Designing ...

[16] Chou C-H, Mehmet B., and Laxmi B., "Thermal prediction and ...

[17] Brill, Percy H., Level Crossing Methods in Stochastic Models. Springer, ...

[18] Gosavi A., "Relative value iteration for average reward semi-Markov control ...

[19] Sutton, Richard S., and Andrew G. Barto. Introduction to reinforcement ...

[20] T. E. Carlson, Heirman W., and Eeckhout L., "Sniper: exploring ...

[21] Skadron K., "Temperature-aware microarchitecture: Modeling and implementation", vol. 1, no. ...

[22] Li S., Jung, H A., Richard S., Jay B., Dean ...

[23] Sun C., "DSENT-a tool connecting emerging photonics with electronics for ...

[24] Chen Z. and Marculescu D., "Distributed reinforcement learning for power ...

[25] Rantala V., Lehtonen T., and Plosila J., Network on chip ...

[26] مهری، علیزاده، "مدل عملکردی تحلیلیFPGA برای پردازش با قابلیت ...

[27] Wu, Sean H., Tetelbaum A., and Wang Li-C, "How does ...

[28] Dasdan A., and Hom I., "Handling inverted temperature dependence in ...

[29] Kumar R., Kursun V., "Reversed temperature-dependent propagation delay characteristics in ...