一种基于进化算法的神经模糊任务调度新方法以联合优化异构MPSoC的主要设计挑战
分布式、并行与集群计算
2023-08-08 v1 人工智能
摘要
本文提出了一种基于模糊神经网络(FNN)的在线任务调度与映射方法，该网络由进化多目标算法(NSGA-II)学习，用于联合优化异构MPSoC的主要设计挑战。在该方法中，首先使用基于NSGA-II的优化引擎，在由不同规模应用图组成的训练集上，考虑MPSoC的主要设计挑战（包括温度、功耗、故障率和执行时间）来训练FNN参数。随后，将训练好的FNN用作在线任务调度器，以联合优化异构MPSoC中的主要设计挑战。由于传感器测量中的不确定性以及计算模型与现实之间的差异，在在线调度过程中应用模糊神经网络具有优势。该方法在多个实验中与以往的一些启发式、元启发式和基于规则的方法进行了比较。基于这些实验，我们提出的方法在优化所有设计准则方面均优于相关研究。与相关的启发式和元启发式方法相比，其在温度上平均改善10.58%，功耗9.22%，故障率39.14%，执行时间12.06%。此外，考虑到FNN的可解释性，展示了所提方法中频繁触发的提取模糊规则。
引用
@article{arxiv.2203.14717,
title = {A novel evolutionary-based neuro-fuzzy task scheduling approach to jointly optimize the main design challenges of heterogeneous MPSoCs},
author = {Athena Abdi and Armin Salimi-Badr},
journal= {arXiv preprint arXiv:2203.14717},
year = {2023}
}
备注
in IEEE Transactions on Sustainable Computing