买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中国人民解放军国防科技大学申请的专利一种低开销多处理器实时功耗预测方法、系统与介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120821637B 。

龙图腾网通过国家知识产权局官网在2025-11-21发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511339774.1，技术领域涉及：G06F11/30；该发明授权一种低开销多处理器实时功耗预测方法、系统与介质是由陈娟;邓荣宇;曹奥林;袁远;张孜涵;徐涛;马兆阳;冯绍骏;喻湘设计研发完成，并于2025-09-19向国家知识产权局提交的专利申请。

本一种低开销多处理器实时功耗预测方法、系统与介质在说明书摘要公布了：本发明公开了一种低开销多处理器实时功耗预测方法、系统与介质，本发明方法包括预先获取程序样本在大、小规模运行时的PMC数据特征的K个聚类簇，拟合预测误差和采样时间窗口大小、预测跨度两者之间的关系来获得该聚类簇下的预测误差函数；提取目标程序小规模运行时的PMC数据特征，通过相似度匹配到对应聚类簇下的预测误差函数并建立采样时间窗口大小和预测跨度求解的问题模型，求解获得最优的采样时间窗口大小和预测跨度并以此来预测目标程序在更大并行规模或问题规模运行时的处理器预测功耗。本发明旨在解决现有功耗预测方法在并行规模扩展与问题规模扩展时存在的处理器功耗预测误差增加、预测开销高等问题，提高处理器功耗预测精度。

本发明授权一种低开销多处理器实时功耗预测方法、系统与介质在权利要求书中公布了：1.一种低开销多处理器实时功耗预测方法，其特征在于，包括下述步骤： S101，运行给定的小规模程序样本集合中的程序，提取程序小规模运行时的PMC数据特征并聚类生成小规模下的K个聚类簇；运行给定的大规模程序样本集合中的程序，提取程序大规模运行时的PMC数据特征和处理器实时功耗，将PMC数据特征聚类生成大规模下的K个聚类簇；针对每一个聚类簇下的程序样本，基于多种采样时间窗口大小将程序样本的PMC数据特征构建输入序列并利用预训练的多种预测跨度的处理器功耗预测模型获取多种预测跨度下的预测功耗，结合处理器实时功耗计算该聚类簇下的预测误差，并拟合预测误差和采样时间窗口大小、预测跨度两者之间的关系来获得该聚类簇下的预测误差函数； S102，提取目标程序小规模运行时的PMC数据特征，将PMC数据特征通过相似度匹配在小规模下的K个聚类簇选出最相近的聚类簇并获取聚类簇下的预测误差函数； S103，根据聚类簇下的预测误差函数建立采样时间窗口大小和预测跨度求解的问题模型，并对问题模型求解获得最优的采样时间窗口大小和预测跨度,包括：判断目标程序更大规模运行的规模扩展方式，如果规模扩展方式是并行规模扩展方式，则将聚类簇下的预测误差函数代入下式所示的采样时间窗口大小和预测跨度求解的问题模型： ； 其中，和为可调参数，为程序样本小并行规模运行时的采样时间窗口大小，为程序样本小并行规模运行时的采用的预设的预测跨度的处理器功耗预测模型预测功耗时的预测误差，表示将聚类簇下的预测误差函数代入预测误差函数；如果规模扩展方式是问题规模扩展方式，则将聚类簇下的预测误差函数代入下式所示的采样时间窗口大小和预测跨度求解的问题模型： ； 其中，为程序样本小问题规模运行时预测功耗采用的预设的预测跨度；通过拉格朗日乘子法求解所述采样时间窗口大小和预测跨度求解的问题模型，从而获得最优的采样时间窗口大小和预测跨度； S104，基于最优的采样时间窗口大小将目标程序小规模运行时的PMC数据特征构建输入序列并利用预训练的最优的预测跨度的处理器功耗预测模型获取目标程序在更大规模运行时的预测功耗。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国人民解放军国防科技大学，其通讯地址为：410073 湖南省长沙市开福区德雅路109号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。