基于MATLAB的任务调度模拟与优化

基于MATLAB的任务调度模拟与优化

这段MATLAB代码模拟了一个双CPU系统中的任务调度问题，旨在找到最佳的任务分配策略，以最小化任务完成时间。

程序逻辑：

1. 初始化:
   • 设置CPU1频率 f0, CPU2频率 f1, CPU2带宽 C。
   • 定义任务数 Q，并初始化一个数组 Tc 用于存储每个 Q 对应的最大完成时间。
2. 生成随机任务：
   • 使用循环遍历不同的任务数 Q。
   • 对于每个 Q，随机生成 Q 个任务，每个任务的输入大小 dn 为 10000 到 50000 之间的随机数。
3. 任务排序：
   • 将生成的 Q 个任务按照输入大小 dn 从小到大排序。
4. 寻找最佳断点：
   • 遍历排序后的任务列表，计算每个任务在CPU1和CPU2上的计算时间。
   • 寻找一个断点 k，使得在断点之前的任务在CPU1上处理效率更高，在断点之后的任务在CPU2上处理效率更高。
5. 断点补偿：
   • 确定断点后，对断点之前的任务进行补偿，将部分任务从CPU1转移到CPU2，以进一步缩短总完成时间。
6. 记录最大完成时间：
   • 记录当前 Q 对应的最大完成时间 Tc。
7. 绘制结果：
   • 使用 plot 函数绘制 Q 与 Tc 的关系图，展示任务数对最大完成时间的影响趋势。

程序代码解读：

f0=1000000000;
f1=5000000000;
C=2000000;
z=0;
Q=[5 10 15 20 25];%任务数作为自变量，确定随机数的生成个数
Tc = zeros(1,length(Q)); % 初始化每个Q对应的最大T延时
for s=1:5
nums=randi([10000 50000],1,Q(s));%随机数的生成，任务输入大小dn
sorted_nums=sort(nums);
 max_T0 = 0;%从小到大排序
  for i=1:Q(s)
      T0=0;
      T1=0;
    for m=1:i
        c(m)=1000*sorted_nums(m);
        T0=T0+c(m)/f0;
    end 
    for n=i+1:Q(s)
        c(n)=1000*sorted_nums(n);
        d(n)=sorted_nums(n);
        T1=T1+d(n)/C+c(n)/f1;
    end 
         if T0>=T1 
           k=i;
           break;
         end 
   
  end
 %确定了断点，要进行补偿     
    for m=1:k
      T0=T0-c(m)/f0;
      T1=T1+d(m)/C+c(m)/f1;      
        if T0<=T1
         break;
        end  
    max_T0 = T1; % 更新当前Q对应的最大T
    end
Tc(s) = max_T0; % 记录当前Q对应的最大T
end
plot(Q,Tc);

总结：

该程序通过模拟任务调度过程，找到了在不同任务数量下，双CPU系统中最佳的任务分配策略，并通过断点法和补偿机制，有效地缩短了任务完成时间。该程序可以为实际的系统资源分配和任务调度提供参考。