Notice: Undefined index: linkPowrot in C:\wwwroot\wwwroot\publikacje\publikacje.php on line 1275
Publikacje
Pomoc (F2)
[100420] Artykuł:

Synthesis of Self-Adaptable Software for Multicore Embedded Systems

Czasopismo: 2020 23rd International Symposium on Design and Diagnostics of Electronic Circuits & Systems (DDECS)   Strony: 1-4
ISSN:  2334-3133
ISBN:  978-1-7281-9938-2
Wydawca:  IEEE, 345 E 47TH ST, NEW YORK, NY 10017 USA
Opublikowano: Maj 2020
Seria wydawnicza:  IEEE International Symposium on Design and Diagnostics of Electronic Circuits & Systems
 
  Autorzy / Redaktorzy / Twórcy
Imię i nazwisko Wydział Katedra Do oświadczenia
nr 3
Grupa
przynależności
Dyscyplina
naukowa
Procent
udziału
Liczba
punktów
do oceny pracownika
Liczba
punktów wg
kryteriów ewaluacji
Roman Stanisław Deniziak orcid logo WEAiIKatedra Systemów Informatycznych *Niezaliczony do "N"Informatyka techniczna i telekomunikacja50.00.00  
Leszek Ciopiński orcid logo WEAiIKatedra Systemów Informatycznych *Niespoza "N" jednostkiInformatyka techniczna i telekomunikacja50.00.00  

Grupa MNiSW:  Materiały z konferencji międzynarodowej (zarejestrowane w Web of Science)
Punkty MNiSW: 0
Klasyfikacja Web of Science: Proceedings Paper


Pełny tekstPełny tekst     DOI LogoDOI     Web of Science Logo Web of Science    
Keywords:

self-adaptivity  embedded system  developmental genetic programing  multicore system  Metrics 



Abstract:

This paper presents a method of synthesis of realtime software for self-adaptive multicore systems. The method assumes that the system specification is given as a task graph. Then, tasks are scheduled on multicore architecture consisting of low-power and high-performance cores. We apply the developmental genetic programming to generate the self-adaptive scheduler and the initial schedule. The initial schedule is optimized taking into consideration the power consumption, the real-time constraints as well as the self-adaptivity. The scheduler modifies the schedule, during the system execution, whenever execution time of the recently finished task occurred other than assumed during initial scheduling. We propose two models of self-adaptivity: self-optimization of power consumption and self-adaptivity of real-time scheduling. We present some experimental results for standard benchmarks, showing the advantages of our method in comparison with the worst case design used in existing approaches.