Binaryzacja okresów zadań cyklicznych SCR2000, Kraków 25-28.09.2000 Jerzy Nawrocki, Adam Czajka Instytut Informatyki Politechnika Poznańska.

Slides:



Advertisements
Podobne prezentacje
I część 1.
Advertisements

Video DR-S Cyfrowy rejestrator wideo
Wstęp do Informatyki, część 1
Data Mining w e-commerce
Systemy czasu rzeczywistego
ANALIZA SIECIOWA PRZEDSIĘWZIĘĆ konstrukcja harmonogramu
Włodzisław Duch Katedra Informatyki Stosowanej,
Planowanie bezkolizyjnego ruchu w środowisku wielu robotów z wykorzystaniem gier niekooperacyjnych OWD
„Wielokryterialna optymalizacja pracy systemu wytwarzania o strukturze przepływowej – algorytm memetyczny” Przygotował: Dominik Żelazny, IIAR.
Wprowadzenie do informatyki Wykład 6
Wprowadzenie do optymalizacji wielokryterialnej.
Imperatywne modele obliczeń Copyright, 2000 © Jerzy R. Nawrocki Wprowadzenie do.
Ludwik Antal - Numeryczna analiza pól elektromagnetycznych –W10
Zapraszamy do poznania kwadratu magicznego
7-8 października 2003, I Seminarium Integrujące Komponenty B.1 i B.2Projekt Usuwania Skutków Powodzi - Polska, kredyt nr 4264 POL 1 System Monitoringu.
Filtracja obrazów cd. Filtracja obrazów w dziedzinie częstotliwości
Liczby pierwsze.
„Program grający w szachy”
Wprowadzenie System rozproszony jest kolekcją niezależnych, autonomicznych komputerów, które dla użytkownika prezentują się jak jeden komputer. Można wyróżnic.
ZŁOŻONOŚĆ OBLICZENIOWA
Systemy czasu rzeczywistego Copyright, 2000 © Jerzy R. Nawrocki Wprowadzenie do.
Próba eksperymentalnej oceny metody PROBE
Na Etapie Inżynierii Wymagań
Informatyka jako dziedzina wiedzy Copyright, 2000 © Jerzy R. Nawrocki Wprowadzenie.
Rozmieszczanie zadań czasu rzeczywistego w pamięci notatnikowej
ISO 9001:2000 z perspektywy CMMI a poznańska rzeczywistość
Inżynieria oprogramowania Copyright, 2000 © Jerzy R. Nawrocki Wprowadzenie do informatyki.
Systemy operacyjne Copyright, 2000 © Jerzy R. Nawrocki Wprowadzenie do informatyki.
Obliczalność i złożoność obliczeniowa
Wprowadzenie do teoretycznych podstaw informatyki
Informatyka jako dziedzina wiedzy Copyright, 2005 © Jerzy R. Nawrocki Wstęp.
Modularyzacja i struktury danych w C Copyright, 2005 © Jerzy R. Nawrocki Wprowadzenie.
Modularyzacja i struktury danych w C Copyright, 2005 © Jerzy R. Nawrocki Wprowadzenie.
ZŁOŻONOŚĆ ALGORYTMÓW RÓWNOLEGŁYCH
WekaSQL Język i aplikacja przetwarzania oraz eksploracji danych.
BIOSTATYSTYKA I METODY DOKUMENTACJI
Jan Iwanik Metody inżynierii finansowej w ubezpieczeniach
mgr Magdalena Katarzyna Godlewska Katedra Inżynierii Wiedzy, WETI PG
Wydział ETI PG otrzymał kategorię 1
Transformacja Z (13.6).
? Rosnące potrzeby użytkowników Rozmiar problemu Czas Komputer domowy
Systemy Czasu Rzeczywistego
Gra Scrabble ® na urządzenie Nokia N800 Autor: Michał Filipowicz Promotor: dr inż. Jerzy Zaczek Konsultant: mgr inż. Krzysztof Rzecki.
Matematyka wokół nas.
Przyjazne Społeczeństwo Informacyjne Information Society Technologies Dzień Informacyjny IST PTI, Krajowy Punkt Kontaktowy 5PR UE
Opiekun: dr inż. Maciej Ławryńczuk
Model przestrzenny Diagramu Obiegu Dokumentów
Ocena przydatności algorytmu – czas działania (złożoność czasowa)
Obserwatory zredukowane
ALGORYTMY OPTYMALIZACJI
Seminarium zadania badawczego nr 3 strategicznego projektu badawczego
1/34 HISTORIA BUDOWY /34 3/34 6 MAJA 2011.
Modele obliczeń i granice obliczalności Copyright, 1999 © Jerzy R. Nawrocki Wprowadzenie.
A-priori Partition Mateusz Mor, Kasper Rzepecki, Daniel Mendalka, Michał Samsonowski.
Problem wyboru komputera dostosowanego do potrzeb klienta. Aleksandra Reiman gr. I-52.
Określanie mimośrodu w elementach ściskanych
Sieć CAN (Content Aware Network)
Jacek Wasilewski Politechnika Warszawska Instytut Elektroenergetyki
Obliczalność czyli co da się policzyć i jak Model obliczeń sieci liczące dr Kamila Barylska.
Co to jest dystrybuanta?
Treści multimedialne - kodowanie, przetwarzanie, prezentacja Odtwarzanie treści multimedialnych Andrzej Majkowski informatyka +
Systemy informatyczne wprowadzenie
Wprowadzenie do teoretycznych podstaw informatyki Copyright, 2004 © Jerzy R. Nawrocki
Największy Wspólny Dzielnik (NWD) Najmniejsza Wspólna Wielokrotność (NWW) Zajęcia 12.
Innowacyjne metody zarządzania jakością oprogramowania, Zarządzanie ryzykiem w metodyce PRINCE2 Jerzy Nawrocki
Wykorzystanie sieci społecznościowych w ochronie środowiska Prof. Dariusz CZERWIŃSKI Dr. Marek MIŁOSZ Instytut Informatyki Politechnika Lubelska.
Zmodyfikowany algorytm Johnsona Problem F3||Cmax
Zmodyfikowany algorytm Liu 1|pmtn,prec,rj|Lmax
Jerzy Nawrocki Adam Wojciechowski
Zapis prezentacji:

Binaryzacja okresów zadań cyklicznych SCR2000, Kraków Jerzy Nawrocki, Adam Czajka Instytut Informatyki Politechnika Poznańska

SCR2000, Kraków Metoda HRT HOOD Obiekty cykliczne Obiekty cykliczne Obiekty sporadyczne Obiekty sporadyczne Obiekty chronione Obiekty chronione Są transformowane do cyklicznych Obiekty cykliczne zadania niepodzielne

SCR2000, Kraków Problem podstawowy Jak szeregować niepodzielne zadania cykliczne?

SCR2000, Kraków Szeregowanie statyczne Opisy zadań: cykl max. czas wyk. Opisy zadań: cykl max. czas wyk. Plan Aktywacji 0 : 05 T 2 start!

SCR2000, Kraków Horyzont czasowy Horyzont H = NWW ( 1, 2,.., n ) HHHH PAP

SCR2000, Kraków Horyzont czasowy - przykład H = NWW (17, 37, 131, 271) = zadania H = 22 mln kilkaset zadań H = ???

SCR2000, Kraków Horyzont czasowy H Rozmiar tablicy pamiętającej PAP Złożoność (czas) inspekcji PAP

SCR2000, Kraków Jak skrócić horyzont czasowy? Zadania :T 1 T 2 T 3 T 4 Okresy : Oryginalny okres i można zastąpić krótszym okresem p i. Jeśli okresy p i tworzą postęp geometryczny, to NWW= max{p i }.

SCR2000, Kraków Jak skrócić horyzont czasowy? Zadania :T 1 T 2 T 3 T 4 Okresy : Oryginalny okres i można zastąpić krótszym okresem p i. Jeśli okresy p i tworzą postęp geometryczny, to NWW= max{p i }.

SCR2000, Kraków Jak skrócić horyzont czasowy? Zadania :T 1 T 2 T 3 T 4 Okresy : Oryginalny okres i można zastąpić krótszym okresem p i. Jeśli okresy p i tworzą postęp geometryczny, to NWW= max{p i }.

SCR2000, Kraków Jak skrócić horyzont czasowy? Zadania :T 1 T 2 T 3 T 4 Okresy : Oryginalny okres i można zastąpić krótszym okresem p i. Jeśli okresy p i tworzą postęp geometryczny, to NWW= max{p i }.

SCR2000, Kraków Jak skrócić horyzont czasowy? Zadania :T 1 T 2 T 3 T 4 Okresy : Oryginalny okres i można zastąpić krótszym okresem p i. Jeśli okresy p i tworzą postęp geometryczny, to NWW= max{p i }. Horyzont:256

SCR2000, Kraków Binaryzacja okresów zadań jest to transformacja oryginalnych okresów 1, 2,.., n do okresów zmodyfikowanych p 1, p 2,.., p n gdzie p i = p 0 2 k(i)... jest to transformacja oryginalnych okresów 1, 2,.., n do okresów zmodyfikowanych p 1, p 2,.., p n gdzie p i = p 0 2 k(i)

SCR2000, Kraków Binaryzacja okresów Zadania :T 1 T 2 T 3 T 4 Okresy :1·p NWW = 256 p0 =p0 =p0 =p0 =16

SCR2000, Kraków Binaryzacja okresów Zadania :T 1 T 2 T 3 T 4 Okresy :1·p 0 2·p NWW = 256 p0 =p0 =p0 =p0 =16

SCR2000, Kraków Binaryzacja okresów Zadania :T 1 T 2 T 3 T 4 Okresy :1·p 0 2·p 0 8·p NWW = 256 p0 =p0 =p0 =p0 =16

SCR2000, Kraków Binaryzacja okresów Zadania :T 1 T 2 T 3 T 4 Okresy :1·p 0 2·p 0 8·p 0 16·p 0 NWW = 256 p0 =p0 =p0 =p0 =16

SCR2000, Kraków Binaryzacja okresów Zadania :T 1 T 2 T 3 T 4 Okresy :1·p 0 2·p 0 8·p 0 16·p 0 NWW = 256 p0 =p0 =p0 =p0 =16 Binaryzacja = [16 : 1, 2, 8, 16]

SCR2000, Kraków Systemy z okresami binarnymi Sterowanie F-16 Sterowanie F-16 Architektura MAFT Architektura MAFT

SCR2000, Kraków Problemy binaryzacji Binaryzacji jest nieskończenie wiele. Jak znaleźć najlepszą? Skrócenie okresów może doprowadzić do braku uszeregowania dopuszczalnego. Można temu zaradzić wprowadzając szybszy procesor, ale to kosztuje. Jakie są koszty binaryzacji?

SCR2000, Kraków Algorytm binaryzacji Złożoność: O(n log max ) Algorytm znajduje wszystkie binaryzacje niezdominowane. Binaryzacji niezdominowanych jest nie więcej niż okresów zadań.

SCR2000, Kraków Koszty binaryzacji Koszt binaryzacji określa ile razy należy przyspieszyć procesor, aby po binaryzacji okresów zadań można było skonstruować uszeregowanie dopuszczalne W najgorszym przypadku koszt binaryzacji jest nie większy niż 2.

SCR2000, Kraków Eksperymenty obliczeniowe

SCR2000, Kraków Podsumowanie Binaryzacja zmniejszyć roz- miar tablicy przechowujacej uszeregowanie nawet kilka- dziesiąt tysięcy razy Teoretyczny koszt binaryzacji nie większy niż 2 W praktyce koszt binaryzacji nie większy niż 1.4

SCR2000, Kraków Koszty binaryzacji Obserwacja : Na skutek binaryzacji okresy zadań mogą ulec skróceniu. Na skutek binaryzacji okresy zadań mogą ulec skróceniu. Problem : Po zbinaryzowaniu okresów zadań uszeregowanie dopuszczalne może przestać istnieć ! Po zbinaryzowaniu okresów zadań uszeregowanie dopuszczalne może przestać istnieć !

SCR2000, Kraków Koszty binaryzacji T i ={T 1, T 2, T 3, T 4 } p i ={10, 20, 30, 60} e i ={5, 5, 5, 5} T i ={T 1, T 2, T 3, T 4 } p i ={10, 20, 20, 40} e i ={5, 5, 5, 5} ?

SCR2000, Kraków Koszty binaryzacji T i ={T 1, T 2, T 3, T 4 } p i ={10, 20, 30, 60} e i ={5, 5, 5, 5} T i ={T 1, T 2, T 3, T 4 } p i = {10, 20, 20, 40} e i = {5, 5, 5, 5}

SCR2000, Kraków Koszty binaryzacji T i ={T 1, T 2, T 3, T 4 } p i ={10, 20, 30, 60} e i ={5, 5, 5, 5} T i ={T 1, T 2, T 3, T 4 } p i = {10, 20, 20, 40} e i = {2.5, 2.5, 2.5, 2.5}

SCR2000, Kraków Koszty binaryzacji T i ={T 1, T 2, T 3, T 4 } p i ={10, 20, 30, 60} e i ={5, 5, 5, 5} T i ={T 1, T 2, T 3, T 4 } p i = {10, 20, 20, 40} e i = {2.5, 2.5, 2.5, 2.5}