具有黑箱可调度性约束的实时系统中连续变量与优先级分配的联合优化
系统与控制
2025-03-20 v2 系统与控制
摘要
在实时系统优化中，设计者经常面临由非凸且非连续的可调度性条件带来的挑战性问题，这些问题甚至可能缺乏分析形式来理解其性质。为了解决这一具有挑战性的问题，我们将可调度性分析视为仅返回真/假结果的黑箱。我们提出了一个通用且可扩展的实时系统优化框架，名为实时高亮数值优化器(NORTH)。NORTH建立在数值优化文献中基于梯度的有效集方法之上，但采用了新方法来管理不可微可调度性约束的有效约束。此外，我们还将NORTH推广到NORTH+，以基于数值优化算法协同优化某些类型的离散变量（例如优先级分配、分类变量）与连续变量。我们通过两个示例应用展示了算法性能：基于动态电压频率缩放(DVFS)的能量最小化，以及控制系统性能优化。在这些实验中，NORTH在保持相似或更好解质量的同时，实现了比最先进方法到倍的速度提升。NORTH+在类似算法可扩展性下比NORTH性能提升30%。NORTH和NORTH+均支持黑箱可调度性分析，确保了广泛的适用性。
引用
@article{arxiv.2401.03284,
title = {Joint Optimization of Continuous Variables and Priority Assignments for Real-Time Systems with Black-box Schedulability Constraints},
author = {Sen Wang and Dong Li and Shao-Yu Huang and Xuanliang Deng and Ashrarul H. Sifat and Changhee Jung and Ryan Williams and Haibo Zeng},
journal= {arXiv preprint arXiv:2401.03284},
year = {2025}
}
备注
Extension of a conference paper