系统级动态功耗管理(DPM,Dynamic Power Management)策略根据系统状态和负载的变化,动态地调整系统配置,从而能够降低系统功耗。PBALT(Probability Based Adaptive Learning Tree)预测策略以预测正确率为单一评估标准,存在高预测正确率...系统级动态功耗管理(DPM,Dynamic Power Management)策略根据系统状态和负载的变化,动态地调整系统配置,从而能够降低系统功耗。PBALT(Probability Based Adaptive Learning Tree)预测策略以预测正确率为单一评估标准,存在高预测正确率高功耗的问题。本文提出基于空闲时间期望表(IET,Idle Expectation Table)的DPM预测策略IETBP(Idle Expectation Table Based Prediction),通过对空闲时间的分布和状态的误预测能耗的分析,以空闲时间的期望作为预测依据,从而克服了PBALT所存在的问题,并降低了算法复杂度。仿真实验表明与PBALT策略相比,IETBP策略在较低预测正确率的情况下能够更有效地降低部件的功耗。展开更多
文摘系统级动态功耗管理(DPM,Dynamic Power Management)策略根据系统状态和负载的变化,动态地调整系统配置,从而能够降低系统功耗。PBALT(Probability Based Adaptive Learning Tree)预测策略以预测正确率为单一评估标准,存在高预测正确率高功耗的问题。本文提出基于空闲时间期望表(IET,Idle Expectation Table)的DPM预测策略IETBP(Idle Expectation Table Based Prediction),通过对空闲时间的分布和状态的误预测能耗的分析,以空闲时间的期望作为预测依据,从而克服了PBALT所存在的问题,并降低了算法复杂度。仿真实验表明与PBALT策略相比,IETBP策略在较低预测正确率的情况下能够更有效地降低部件的功耗。
