Функция полезности времени - Time-utility function

А Время / функция полезности (TUF), урожденная Время / Значение Функция, определяет зависящее от приложения полезность что действие (например, задание, механическое движение) уступает в зависимости от времени его выполнения.[1][2] TUF и их служебные интерпретации (семантика), масштабы и значения получены из знаний предметной области, специфичных для предметной области приложения. Пример интерпретации полезности - это относительное действие важность, который не зависит от его своевременность. Традиционный крайний срок, представленный как TUF, представляет собой особый случай - шаг вниз значений от 1 до 0 во время крайнего срока, то есть своевременность без важности. TUF является более общим - у него критическое время, с формами и значениями для конкретного приложения с каждой стороны, после чего он не увеличивается.

Изображение примеров TUF

Критерий оптимальности планирование множественные TUF исторически в литературе были только максимальными начисление коммунальных услуг (UA) - например, (возможно, ожидаемая) взвешенная сумма утилит завершения отдельных действий. Таким образом, учитывается своевременность в отношении критических времен. Дополнительные критерии (например, энергия, предсказуемость), ограничения (например, зависимости), системные модели, алгоритмы планирования и гарантии были добавлены по мере развития парадигмы TUF / UA и ее вариантов использования. Более выразительно, TUF / UA позволяет обменивать накопленную полезность, своевременность, предсказуемость и другие критерии планирования друг с другом, чтобы график давал ситуационные QoS приложения[а]- а не только своевременность как таковая.

Различные опубликованные примеры гражданских приложений TUF / UA включены в Рекомендации.

Время / Служебные функции

Парадигма TUF / UA изначально создавалась для решения определенных вопросов своевременности и QoS приложения- потребности в планировании различных военных приложений, для которых традиционные концепции и методы работы в реальном времени недостаточно выразительны (например, для систем, критичных к своевременности, не имеющих крайних сроков) и устойчивых (например, для систем, подверженных рутинным перегрузкам). Примером такого класса приложений является противоракетная оборона (условно[3][4][5]).

Впоследствии в академической литературе были изучены многочисленные вариации исходной модели TUF, системной модели парадигмы TUF / UA и, следовательно, методов планирования, например,[6][7][8][9][10]- и применяется в гражданском контексте.

Некоторые примеры последних включают: киберфизические системы,[11] AI,[12] системы с несколькими роботами,[13] планирование дронов,[14] автономные роботы,[15] интеллектуальная передача данных от автомобиля к облаку,[16] управление производственными процессами,[17] системы транзакций,[18] высокопроизводительные вычисления,[19] облачные системы,[20] неоднородные кластеры,[21] сервис-ориентированные вычисления,[22] сети, [23] и управление памятью по-настоящему[24] и виртуальный[25] машины. Пример сталелитейного завода кратко описан во введении Кларка к докторской степени. Тезис.[26] Информация о любых коммерческих или военных экземплярах парадигмы может быть недоступна для общественности (является собственностью или секретностью, соответственно).

TUF и их служебные интерпретации (семантика), шкалы и значения выводятся из предметных знаний предметной области.[27][5] Исторически часто встречающаяся интерпретация полезности - это относительное действие важность.[b] Была разработана структура для априорного присвоения статических значений полезности с учетом сильных ограничений на системные модели.[8] но последующие (как и предыдущие) исследования и разработки TUF / UA предпочли полагаться на использование специфики приложения, а не на попытки создания более общих структур. Однако такие рамки и инструменты остаются важной темой исследования.

По традиционному соглашению TUF - это вогнутая функция, в том числе линейные. См. Изображение некоторых примеров TUF.

Статьи TUF / UA в исследовательской литературе, за некоторыми исключениями, например,[28][6][29][30][8][10] предназначены только для линейных или кусочно-линейных[31] (включая обычные основанные на крайних сроках) TUF, потому что их легче определить и запланировать. Во многих случаях TUF только монотонно убывающий.

А постоянная функция представляет полезность действия, которая не связана со временем завершения действия - например, постоянная относительная важность действия. Это позволяет согласованно планировать как зависящие от времени, так и независимые от времени действия.

TUF имеет глобальную критическое время, после чего его полезность не увеличивается. Если TUF никогда не уменьшается, его глобальное критическое время - это первый раз, когда достигается его максимальная полезность. Постоянный TUF имеет произвольное критическое время для целей планирования, такое как время освобождения действия или время завершения TUF. За глобальным критическим временем могут следовать локальные критические времена.[2]- например, рассмотрим TUF, имеющий последовательность нисходящих шагов, возможно, для аппроксимации плавной нисходящей кривой.[c]

Значения полезности TUF обычно представляют собой целые или рациональные числа.

Утилита TUF может включать отрицательные значения. (TUF, имеющий отрицательные значения в своем диапазоне, не обязательно исключается из рассмотрения при планировании или прерывается во время его работы - это решение зависит от алгоритма планирования.)

Условный крайний срок (d), представленный как TUF, представляет собой частный случай - шаг вниз TUF[d] наличие штрафа за единицу (т.е. 1 раньше и 0 после критического времени).

В более общем смысле, TUF позволяет ступенчатым функциям вниз (и вверх) иметь любые утилиты времени до и после критического.

Опоздание[32] представленный как TUF, является частным случаем, ненулевая полезность которого линейный функция C - d, куда C время завершения действия - текущее, ожидаемое или предполагаемое.[e] В более общем смысле, TUF допускает ненулевое опоздание и раннее опоздание. нелинейный- например, увеличение опоздания может привести к нелинейному снижению полезности, например, при обнаружении угрозы.

Таким образом, TUF обеспечивают богатое обобщение традиционных ограничений времени завершения действия в вычисления в реальном времени.

В качестве альтернативы, парадигма TUF / UA может использоваться для использования своевременности по отношению к глобальному критическому времени в качестве средства достижения цели накопления коммунальных услуг, т. Е. Качества обслуживания на уровне приложения (QoS), вместо своевременности как таковой, являющейся концом сам (видеть ниже ).

TUF (его форма и значения) может динамически адаптироваться приложением или его операционной средой,[2] независимо от любых действий, ожидающих или действующих в данный момент.[f]

Эти адаптации обычно происходят при дискретных событиях - например, при изменении режима приложения, например, для фаз полета баллистической ракеты.[5]

В качестве альтернативы, эти адаптации могут происходить непрерывно, например, для действий, продолжительность работы которых и TUF являются специфичными для приложения функциями, когда эти действия либо освобождаются, либо начинают работу. Продолжительность операции может увеличиваться или уменьшаться, или и то, и другое, и может быть немонотонным. Этот непрерывный случай называется зависящее от времени планирование.[33][34] Зависящее от времени планирование было введено (но не ограничивается) для определенных военных приложений реального времени, таких как системы слежения за радаром.[35][36][грамм]

Планирование начисления коммунальных услуг

Множественные действия в системе могут конкурировать за доступ последовательно исключительно к[час] общие ресурсы - физические, такие как процессоры, сети, внешние устройства приложений (датчики, исполнительные механизмы и т. д.), - и логические, такие как синхронизаторы, данные.

Парадигма TUF / UA разрешает каждый случай этой конкуренции с помощью алгоритмической техники для конкретного приложения, которая создает (или обновляет) график в планирование событий- например, время (например, прибытие или завершение действия) или состояния. Конкурирующие действия экземпляра отправляются для доступа к ресурсам последовательно, начиная с начала расписания. Таким образом, последовательность действий UA не является жадной.[я]

Алгоритмический метод создает расписание на основе одного или нескольких зависящих от приложения цели (т. е. критерии оптимальности).

Основная цель для планирования действий, имеющих TUF, - максимальная начисление коммунальных услуг (UA). Накопленная полезность - это полиномиальная сумма утилит выполненных действий расписания для конкретного приложения. Когда действия имеют один или несколько стохастических параметров (например, продолжительность операции), накопленная полезность также является стохастической (т.е. ожидаемой полиномиальной суммой).

Полезность и накопленная полезность являются общими, их интерпретация (семантика) и масштабы зависят от приложения.[27]

Продолжительность операции действия может быть фиксированной и известной во время конфигурации системы. В более общем смысле, он может быть фиксированным или стохастическим, но неизвестен (либо с уверенностью, либо в ожидании) до тех пор, пока он либо не поступит, либо не выпущен.

Продолжительность операции может быть зависящей от приложения функцией времени начала операции действия - она ​​может увеличиваться или уменьшаться, или и то, и другое, и может быть немонотонной. Этот случай называется зависящее от времени планирование.[33][34] Зависящее от времени планирование было введено (но не ограничивается) для определенных военных приложений реального времени, таких как системы слежения за радаром.[35][36][j][k]

[Скоро сюда будет больше ...]

Примечания

  1. ^ Период, термин Качество обслуживания (QoS) первоначально возник в контексте сетей связи, но впоследствии широко применялся на уровне приложений.
  2. ^ Планирование основанный на важности - это не то же самое, что жадный отправка в зависимости от важности.
  3. ^ Это более общий характер, чем введение Локком термина критическое время в Локке 86.
  4. ^ Имеется разрыв либо функции, либо ее первой или второй производной.
  5. ^ Например, теории математических свидетельств, такие как Теория Демпстера-Шафера, неточная вероятность теории и т. д. могут использоваться для определенных системных моделей, имеющих эпистемологические неопределенности.
  6. ^ Операционная используется как общий случай для включения не вычислительных (например, мехатронных) действий, а также выполняемых вычислительных задач.
  7. ^ Планирование, зависящее от времени (т. Е. Продолжительность операций некоторых действий зависит от времени их начала), отличается от планирования в реальном времени в смысле действий, имеющих крайние сроки (или критические моменты времени), но не ограничивается им.
  8. ^ Последовательно эксклюзивный - это частный случай совместного доступа, используемый здесь для простоты без потери общности.
  9. ^ Некоторые планировщики UA могут «жадно» устранять перегрузку - ср. §7.5.1 в Локке 86.
  10. ^ Планирование, зависящее от времени (т. Е. Продолжительность операций некоторых действий зависит от времени их начала), отличается от планирования в реальном времени в смысле действий, имеющих крайние сроки (или критические моменты времени), но не ограничивается им.
  11. ^ Планирование, зависящее от времени (т. Е. Продолжительность операций некоторых действий зависит от времени их начала), отличается от планирования в реальном времени в смысле действий, имеющих крайние сроки (или критические моменты времени), но не ограничивается им.


Рекомендации

  1. ^ Э. Дуглас Дженсен, К. Дуглас Лок и Хидеюки Токуда. Модель планирования, ориентированная на время, для операционных систем реального времени, Proc. Симпозиум по системам реального времени, IEEE, 1985.
  2. ^ а б c Э. Дуглас Дженсен. Модель своевременности для асинхронных децентрализованных компьютерных систем, Proc. Международный симпозиум по автономным децентрализованным системам, IEEE, 1993 г.
  3. ^ Э. Дуглас Дженсен. Глава 3 Радарное планирование, Секция 1 Проблема расписания в Гауда + 77 (несекретная версия).
  4. ^ Мохамед Г. Гауда, Йи-Ву Хан, Э. Дуглас Дженсен, Уэсли Д. Джонсон, Ричард И. Каин (редактор). Технология распределенной обработки данных, Vol. IV, Применение технологии DDP в BMD: архитектуры и алгоритмы, несекретная версия, Центр технической информации Министерства обороны a047477, Центр систем и исследований Honeywell, Миннеаполис, Миннесота, 1977.
  5. ^ а б c Дэвид П. Мейнард, Сэмюэл Э. Шипман, Рэймонд К. Кларк, Дж. Дуэйн Норткатт, Э. Дуглас Дженсен, Рассел Б. Кегли, Бетси А. Циммерман, Питер Дж. Келехер. Пример приложения для управления боевыми действиями в реальном времени для Alpha, Раздел 8.2.1, Технический отчет проекта Archons, 1988 г., и общедоступная версия 2008 г.
  6. ^ а б Биной ​​Равиндран, Э. Дуглас Дженсен и Пэн Ли. О последних достижениях в области планирования времени / функций полезности в реальном времени и управления ресурсами, Proc. Восьмой международный симпозиум IEEE по объектно-ориентированным распределенным вычислениям в реальном времени, 2005 г.
  7. ^ Сауд А. Алдами и Алан Бернс. Dynamic Value-Density для планирования систем реального времени, Proc. 11-я конференция Euromicro по системам реального времени, IEEE, 1999.
  8. ^ а б c Алан Бернс, Д. Прасад, А. Бондавалли, Ф. Ди Джандоменико, К. Рамамритам, Дж. Станкович, Л. Стригини. Значение и роль ценности в планировании гибких систем реального времени, Журнал системной архитектуры, Эльзивье, 2000.
  9. ^ Дивья Прасад, Алан Бернс и Мартин Аткинс. Допустимое использование служебных программ в адаптивных системах реального времени. Системы реального времени, Kluwer, 2003.
  10. ^ а б Кен Чен и Пол Мюлетхалер. Семейство алгоритмов планирования для систем реального времени с использованием функций значения времени. Системы реального времени, т. 10 шт. 3, Kluwer, 1996.
  11. ^ Терри Тидвелл, Роберт Глаубиус, Кристофер Д. Гилл и Уильям Д. Смарт. Оптимизация полезности ожидаемого времени в планировщиках киберфизических систем, Proc. Симпозиум IEEE по системам реального времени, 2010 г.
  12. ^ Ягиль Ронен, Даниэль Мосе и Марта Э. Поллак. Алгоритмы плотности значений для задачи планирования и обсуждения, Бюллетень ACM SIGART, том 7, выпуск 2, 1996 г.
  13. ^ Михал Барсис, Агата Барсис и Герман Хельвагнер. Модель оценки распределения информации в системах с несколькими роботами, Сенсоры, январь 2020 г.
  14. ^ Ширин Сикхоа-Кинг, Пол Баладжи, Николас Трама Альварес и Уильям Дж. Ноттенбелт. Планирование с учетом доходов в сетях доставки дронов с учетом срочных соглашений об уровне обслуживания, Proc. 12-я Международная конференция EAI по методологиям и инструментам оценки эффективности, ACM, 2019.
  15. ^ Алдис Баумс. Автоматическое управление и компьютерные науки, Vol. 46, No. 6, Allerton Press, 2012.
  16. ^ Жан Ибарз, Микаэль Лауэр, Матье Рой, Жан-Шарль Фабр, Оливье Флебус. Оптимизация передачи данных от транспортного средства к облаку с использованием концепций мягкого планирования в реальном времени, Proc. 28-я Международная конференция по сетям и системам реального времени, ACM, 2020.
  17. ^ Рутгер Хабетс. Улучшение производительности упаковочной линии 41 в Heineken Zoeterwoude, Проектная диссертация бакалавра наук, Промышленная инженерия и менеджмент, Университет Твенте, 2019.
  18. ^ Джаянт Р. Харица, Джаянт Р., Майкл Дж. Кэри и Мирон Ливни. Планирование на основе значений в базах данных в реальном времени, Журнал VLDB, 2 (2) 1993.
  19. ^ Луис Диего Брисеньо, Бхавеш Кхемка, Ховард Джей Сигел, Энтони А. Мацеевски, Кристофер Гроер, Грегори Кениг, Джин Оконски и Стив Пул. Функции полезности времени для моделирования и оценки распределения ресурсов в гетерогенной вычислительной системе, Proc. Международный симпозиум IEEE по параллельной и распределенной обработке, 2011 г.
  20. ^ Джихан Тунч, Нирмал Кумбхаре, Али Акоглу, Салим Харири, Дилан Мачовец, Ховард Джей Сигел. Ценность планирования задач на основе услуг для облачных вычислительных систем, Proc. Международная конференция по облачным и автономным вычислениям, 2016 г.
  21. ^ Виннеш Т. Рави1, Мишела Бекки2, Гаган Агравал1 и Шримат Чакрадхар. ValuePack: основанная на стоимости структура планирования для кластеров CPU-GPU, Proc. Международная конференция IEEE по высокопроизводительным вычислениям, сетям, хранению данных и анализу, 2012 г.
  22. ^ Элвин Ау Янг, Лаура Грит, Джанет Винер, Джон Уилкс. Сервисные контракты и совокупные коммунальные функции, Proc. 15-й международный симпозиум IEEE по высокопроизводительным распределенным вычислениям, 2006.
  23. ^ Цзинган Ван и Биной ​​Равиндран. Коммутируемый Ethernet, управляемый функциями служебной программы по времени: алгоритм планирования пакетов, реализация и анализ осуществимости, Транзакции IEEE в параллельных и распределенных системах, т. 15, нет. 2 февраля 2004 г.
  24. ^ Хёнджун Чо, Биной ​​Равиндран, Чу На. Планирование сборщика мусора в динамических многопроцессорных системах реального времени, Транзакции IEEE в параллельных и распределенных системах 20 (6), июнь 2009 г.
  25. ^ Шахруз Фейзабади и Годмар Бэк. Планирование накопления утилит с учетом сборки мусора, Журнал систем реального времени, июль 2007 г., том 36, выпуск 1–2, 2007 г.
  26. ^ Раймонд К. Кларк. Планирование зависимых действий в реальном времени, Кандидат наук. Диссертация, CMU-CS-90-155, факультет компьютерных наук, Университет Карнеги-Меллона, 1990.
  27. ^ а б Раймонд К. Кларк, Э. Дуглас Дженсен, Аркадий Каневский, Джон Маурер, Пол Уоллес, Том Уиллер, Юн Чжан, Дуглас М. Уэллс, Том Лоуренс и Пэт Херли. Адаптивная распределенная система слежения за бортом, Параллельные и распределенные системы реального времени IEEE, том 1586 LNCS, Springer-Verlag, 1999.
  28. ^ К. Дуглас Лок. Оптимальное решение для планирования в реальном времени, Кандидат наук. Диссертация CMU-CS-86-134, факультет компьютерных наук, Университет Карнеги-Меллон, 1986.
  29. ^ Пэн Ли. Планирование начислений за коммунальные услуги в реальном времени: модели и алгоритмы, Кандидат наук. диссертация, Политехнический институт Вирджинии и Государственный университет, 2004.
  30. ^ Пэн Ли, Хайсан Ву, Биной ​​Равиндран и Э. Дуглас Дженсен. Алгоритм планирования начисления коммунальных услуг для действий в реальном времени с ограничениями ресурсов взаимного исключения, IEEE Transactions on Computers, vol. 55, нет. 4 апреля 2006 г.
  31. ^ Чжишан Го и Санджой Буруах. Нейродинамический подход к планированию в реальном времени за счет максимизации кусочно-линейной полезности, IEEE Transactions on Neural Networks and Learning Systems, vol. 27 нет. 2 февраля 2016 г.
  32. ^ Джереми П. Эриксон. Управление границами опозданий и перегрузкой в ​​системах мягкого реального времени, Кандидат наук. диссертация, Университет Северной Каролины, 2014.
  33. ^ а б Станислав Гавейнович. Обзор четырех десятилетий зависимого от времени планирования: основные результаты, новые темы и открытые проблемы, Журнал расписания 23, 3–47, Springer, 2020.
  34. ^ а б К. Д. Глейзбрук. Планирование на одном компьютере случайных заданий, подверженных износу или задержке, Военно-морская исследовательская логистика 39, вып. 5, Wiley, 1992.
  35. ^ а б Умут Балли, Хайсанг Ву, Биной ​​Равиндран, Джонатан Стивен Андерсон, Э. Дуглас Дженсен. Планирование начисления коммунальных услуг в режиме реального времени с использованием функций переменных затрат, IEEE Transactions on Computers, Volume 56, Number 3, March 2007.
  36. ^ а б Кевин Ай-Дж. Хо, Джозеф Y-T. Люн и В-Д. Вэй. Сложность планирования задач с зависящим от времени временем выполнения, Письма об обработке информации 48 (1993), нет. 6, Elsevier, 20 декабря 1993 г.

внешняя ссылка