| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 课题研究的背景及其意义 | 第11-13页 |
| 1.2 论文主要工作 | 第13-14页 |
| 1.3 论文的组织结构 | 第14-15页 |
| 第二章 实时嵌入式系统及其任务调度算法介绍 | 第15-27页 |
| 2.1 实时嵌入式系统分类 | 第15-16页 |
| 2.2 实时嵌入式系统特征 | 第16页 |
| 2.3 实时嵌入式系统中常见调度策略介绍 | 第16-19页 |
| 2.4 实时嵌入式系统任务动态适应调度算法介绍 | 第19-25页 |
| 2.5 实时嵌入式系统任务调度算法性能评价指标 | 第25-27页 |
| 第三章 单处理核心任务能耗动态适应调度策略 | 第27-37页 |
| 3.1 背景介绍 | 第27页 |
| 3.2 分析问题并提出改进算法 | 第27-28页 |
| 3.3 算法介绍 | 第28-29页 |
| 3.3.1 算法模型介绍 | 第28-29页 |
| 3.3.2 算法相关定义 | 第29页 |
| 3.4 算法调度策略分析 | 第29-32页 |
| 3.4.1 任务调度优先级P_f分析 | 第29-30页 |
| 3.4.2 任务实际调度优先级PR分析 | 第30-31页 |
| 3.4.3 实际调度策略分析 | 第31-32页 |
| 3.5 算法伪代码 | 第32-33页 |
| 3.6 仿真实验 | 第33-35页 |
| 3.6.1 仿真实验环境介绍 | 第33-34页 |
| 3.6.2 仿真实验相关参数定义 | 第34页 |
| 3.6.3 仿真结果及分析 | 第34-35页 |
| 3.7 本章小结 | 第35-37页 |
| 第四章 单处理核心任务实时性动态适应调度策略 | 第37-45页 |
| 4.1 背景介绍 | 第37页 |
| 4.2 分析问题并提出改进算法 | 第37-38页 |
| 4.3 算法介绍 | 第38页 |
| 4.4 算法调度策略分析 | 第38-41页 |
| 4.4.1 任务调度优先级分析 | 第38-39页 |
| 4.4.2 调度策略分析 | 第39-41页 |
| 4.5 算法伪代码 | 第41-42页 |
| 4.6 仿真实验 | 第42-44页 |
| 4.6.1 仿真实验环境介绍 | 第42页 |
| 4.6.2 仿真实验相关参数定义 | 第42页 |
| 4.6.3 仿真结果及分析 | 第42-44页 |
| 4.7 本章小结 | 第44-45页 |
| 第五章 多处理核心下任务实时性动态适应调度策略 | 第45-55页 |
| 5.1 背景介绍 | 第45页 |
| 5.2 分析问题并提出改进算法 | 第45页 |
| 5.3 算法介绍 | 第45-46页 |
| 5.4 算法调度策略分析 | 第46-49页 |
| 5.4.1 实时任务希望得到系统响应的迫切程度R介绍 | 第46页 |
| 5.4.2 实时任务调度优先级SP介绍 | 第46-47页 |
| 5.4.3 任务调度策略分析 | 第47-49页 |
| 5.5 算法伪代码 | 第49-51页 |
| 5.6 仿真实验 | 第51-53页 |
| 5.6.1 仿真实验环境介绍 | 第51页 |
| 5.6.2 仿真实验相关参数定义 | 第51页 |
| 5.6.3 仿真结果及分析 | 第51-53页 |
| 5.7 本章小结 | 第53-55页 |
| 第六章 基于神经网络模型的自适应任务调度策略 | 第55-67页 |
| 6.1 背景介绍 | 第55页 |
| 6.2 遗传算法 | 第55-59页 |
| 6.2.1 遗传算法介绍 | 第55-56页 |
| 6.2.2 遗传算法相关定义 | 第56-58页 |
| 6.2.3 遗传算法的优化准则 | 第58页 |
| 6.2.4 遗传算法中的基本算子 | 第58-59页 |
| 6.3 神经网络模型 | 第59-60页 |
| 6.3.1 神经网络模型介绍 | 第59页 |
| 6.3.2 神经网络模型特点 | 第59-60页 |
| 6.4 改进算法介绍 | 第60-61页 |
| 6.5 算法伪代码 | 第61-62页 |
| 6.6 仿真实验 | 第62-65页 |
| 6.6.1 仿真实验环境介绍 | 第62页 |
| 6.6.2 仿真实验相关参数定义 | 第62页 |
| 6.6.3 仿真结果及分析 | 第62-65页 |
| 6.7 本章小结 | 第65-67页 |
| 第七章 总结与展望 | 第67-69页 |
| 致谢 | 第69-71页 |
| 参考文献 | 第71-79页 |
| 附录 (攻读学位期间的科研成果) | 第79页 |