一種動態電源管理預測算法的設計及仿真

摘要：針對基于馬爾可夫模型的預測式動態電源管理算法(DPMPA)對大型樣本數據預測精度低的問題，提出了一種具備自反饋功能的內嵌式馬爾可夫模型(RMM)的DPMPA。該算法基于分層迭代思想，對滿足馬爾可夫性質的大型數據進行聚類，再使用馬爾可夫算法對構建出的迭代數據模型：上層抽象數據模型和底層實例數據模型進行訓練。引入反饋函數φ(i)，控制轉換概率矩陣更新頻率，保證預測精度范圍。依此，編制了自反饋內嵌式馬爾可夫模型DPMPA的Matlab程序。應用該程序對無線熱點訪問次數進行仿真預測，得出不同訓練樣本數對后期樣本的預測精度的影響，對比馬爾可夫算法和自適應學習樹(ALT)算法預測結果表明，基于該自反饋RMM預測式動態電源管理算法對于大型樣本數據預測精度比前者高5%，后者高10%。預測精確度的提高，將更有利于馬爾可夫算法的DPM系統功耗控制。

