面向动态异构多核处理器的资源分配及多智能体协同优化研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 符号说明 | 第14-15页 |
| 第一章 绪论 | 第15-25页 |
| 1.1 课题研究背景及意义 | 第15-16页 |
| 1.2 动态异构多核处理器 | 第16-17页 |
| 1.3 论文的研究目标和主要工作 | 第17-19页 |
| 1.4 国内外相关研究工作 | 第19-23页 |
| 1.4.1 现有的动态资源分配研究概况 | 第19-21页 |
| 1.4.2 基于ANN框架的资源分配 | 第21-22页 |
| 1.4.3 基于经济市场框架的资源分配 | 第22-23页 |
| 1.5 论文组织结构 | 第23-25页 |
| 第二章 在线强化学习 | 第25-32页 |
| 2.1 马尔可夫决策过程 | 第26-27页 |
| 2.2 TD方法 | 第27-28页 |
| 2.3 Sarsa算法 | 第28-29页 |
| 2.4 Q-learning算法 | 第29-30页 |
| 2.5 基于强化学习的多智能体协同优化 | 第30-31页 |
| 2.6 本章小结 | 第31-32页 |
| 第三章 异构多核处理器的资源控制器 | 第32-39页 |
| 3.1 核与非核区的DVFS控制器 | 第32-34页 |
| 3.1.1 基于强化学习的DVFS控制器 | 第32-33页 |
| 3.1.2 核的DVFS控制器奖励探索 | 第33-34页 |
| 3.1.3 非核区的DVFS控制器奖励探索 | 第34页 |
| 3.2 末级缓存的动态划分 | 第34-38页 |
| 3.2.1 末级缓存固定共享通路方法 | 第36页 |
| 3.2.2 动态缓存通路分配的强化学习控制器 | 第36-37页 |
| 3.2.3 末级缓存控制器的奖励探索 | 第37-38页 |
| 3.3 本章小结 | 第38-39页 |
| 第四章 多智能体的协同优化 | 第39-48页 |
| 4.1 信息共享控制器的协同优化 | 第39-40页 |
| 4.2 信息共享协作的核控制器模型 | 第40-43页 |
| 4.3 JAMCL模型的协同优化 | 第43-44页 |
| 4.4 联合动作合作学习 | 第44-47页 |
| 4.4.1 状态函数 | 第44页 |
| 4.4.2 重新配置动作 | 第44-45页 |
| 4.4.3 奖励函数 | 第45页 |
| 4.4.4 联合重构动作搜索 | 第45-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第五章 实验仿真验证及结果分析 | 第48-62页 |
| 5.1 仿真工具介绍 | 第48-50页 |
| 5.1.1 Sniper仿真器 | 第48-49页 |
| 5.1.2 PyBrain | 第49-50页 |
| 5.2 整体仿真思路 | 第50-51页 |
| 5.3 仿真设置 | 第51-54页 |
| 5.3.1 基本系统配置 | 第51-52页 |
| 5.3.2 重构和功率评估 | 第52页 |
| 5.3.3 Benchmarks | 第52-54页 |
| 5.4 度量标准 | 第54-55页 |
| 5.5 仿真结果及分析 | 第55-61页 |
| 5.5.1 不同技术的协同模型对比 | 第55-57页 |
| 5.5.2 与其它相关工作的比较 | 第57-60页 |
| 5.5.3 协同优化的硬件开销 | 第60-61页 |
| 5.6 本章小结 | 第61-62页 |
| 总结与展望 | 第62-63页 |
| 总结 | 第62页 |
| 展望 | 第62-63页 |
| 参考文献 | 第63-73页 |
| 攻读学位期间发表的论文及获奖 | 第73-75页 |
| 致谢 | 第75页 |
