Meta-plánování - Meta-scheduling - Wikipedia

Meta-plánování nebo Super plánování je počítačový software technika optimalizace výpočetní zátěže kombinací více organizací Distribuovaní správci zdrojů do jednoho agregovaného pohledu, což umožňuje dávkové úlohy být směrován na nejlepší místo pro provedení.

Meta-plánování pro MPSoC

Technika meta-plánování je řešení pro plánování sady závislých nebo nezávislých poruch s různými scénáři, které mapují a modelují ve stromu událostí. Může být použit jako metoda dynamického nebo statického plánování. V této práci jej používáme pro statické plánování na adaptivních systémech TT MPSoC.

Meta-plánování lze popsat jako techniku ​​k optimalizaci výpočetní zátěže kombinací a organizací více distribuovaných zdrojů v integrovaném zobrazení. Jinými slovy se jedná o rozšířený model toku dat a kvazi-statické plánování dynamických změn chování.

Scénářové metaplánování (SBMeS) pro MPSoC a NoC

Scénář a multimódové přístupy jsou základními technikami ve vestavěných systémech, např. Průzkum prostorového designu pro MPSoC a rekonfigurovatelné systémy.

Obecný model meta-plánování (SBMeS) založený na scénářích

Optimalizační techniky pro generování harmonogramových grafů podporujících takové a SBMeS byl vyvinut a implementován tento přístup.

SBMeS může slíbit lepší výkon snížením dynamiky plánování režie a zotavení z poruch.

Výpis SBMeS

Složité elektronické systémy se používají v mnoha bezpečnostně důležitých aplikacích (např. V letectví, automobilovém průmyslu, jaderných elektrárnách), u nichž certifikační normy předepisují použití bezpečných konstrukčních metod a nástrojů. Scénář meta plánování (SBMeS) je způsob, jak řídit složitost adaptivních systémů pomocí předvídatelných vzorců chování, které jsou určovány algoritmy statického plánování. SBMeS je velmi důležitý pro internet věcí (IoT) a systémy v reálném čase. Systémy v reálném čase jsou často založeny na časově řízených operačních systémech a sítích a mohou využívat SBMeS pro větší energetickou účinnost, flexibilita a spolehlivost.

Toto téma představuje algoritmus SBMeS, který vypočítává individuální plán pro každou relevantní kombinaci událostí, jako jsou události dynamického skluzu. Dynamické škálování frekvencí jader procesorů a směrovačů slouží ke zlepšení energetické účinnosti při zachování správnosti časově řízených výpočtových a komunikačních činností (např. Vyhýbání se kolizím, schopnost v reálném čase). S pomocí modelů aplikací, platforem a kontextů se plánovací nástroje používají k přípravě reakcí na události a ke generování meta-plánů.

V průběhu této práce jsou vyvinuty techniky a nástroje pro plánování řady výpočtů a zpráv síť na čipu (NoC) architektury s cílem minimalizovat celkovou spotřebu energie s přihlédnutím k časovým požadavkům a nastavitelným frekvencím. Algoritmus podporuje kritické z hlediska bezpečnosti adaptivní systémy řízené časem a mohou pokrýt požadavky týkající se odolnosti proti chybám. Může také pomoci reagovat na poruchy obnovením systému. Představujeme také meta plánovací nástroj (MeSViz) pro vizualizaci časově řízených plánů.

Obrázek 27. Meta-vizualizace události
Naplánujte si Ganttovu mapu
Obrázek 24 ukazuje výsledky každé události v každém 〖SM〗 _x.

Experimentálně analyzujeme a hodnotíme energetickou účinnost plánů procesorových jader a routerů. Kromě toho je časové chování hodnoceno analyticky na základě statických a dynamických událostí skluzu. Výsledky simulace ukazují, že výsledkem našeho algoritmu dynamického skluzu je průměrná úspora energie 64,4% v jednom plánu a 41,61% úspora energie pro NoC. Komprese plánů může snížit využití paměti o více než 61%.

Obrázek 14. Účinek TSDF na úkoly et (t) a základní poruchu

Úvod

Pro plánování distribuovaných vestavěných systémů v reálném čase je navrženo mnoho algoritmů, metod a technik. Analýza naplánovatelnosti je primární součástí plánování systémů v reálném čase. Systém v reálném čase závisí zejména na statických plánech, které definují použití výpočetních a komunikačních zdrojů na základě globální časové základny. V [1] Kopetz vysvětluje, jak správnost systému v reálném čase závisí také na načasování výpočtových výsledků.

O skupině úkolů a zpráv se říká, že je možné je naplánovat pomocí určité metody plánování, pokud je k dispozici dostatek zdrojů (např. Jádra, směrovače) k provedení všech těchto úkolů a přenosu všech zpráv před jejich termíny. Každému úkolu a zprávě v reálném čase je přiřazen termín, který je definován v aplikační model (AM). V paradigmatu [1] plánování v reálném čase, které se spouští, jsou procesy řízeny a plánovány pouze postupem času a plán je navržen pro celkovou dobu provádění systému. Jedna z typických technik používaných pro časem spouštěné systémy (TTS) je tabulka rozvrhu. Je snadné je ověřit, a proto jsou příznivé v systémech kritických z hlediska bezpečnosti, které musí být certifikovány [2].

Scénářové plánování může podporovat adaptivní TTS snížením závislosti na nákladném a složitém hardwaru, dynamickými výpočetními náklady a řešeními dodavatelů zařízení a nahrazením nebo snížením funkcí komponentního hardwaru plánováním implementací na nízkonákladových víceúčelových zařízeních.

Metody a algoritmy energetické účinnosti, správy energie, úspory energie a snižování energie se používají v mnoha aplikacích (např. Mobilní telefony, chytré televize), zatímco jejich použitelnost v systémech důležitých z hlediska bezpečnosti je omezená.

Network-on-chip (NoC) technologie významně přispívá k celkové spotřebě energie u MPSoC, a představujeme meta-plánovač (MeS) pro SBMeS který podporuje dynamický škálování napětí a frekvence (DVFS) spuštěno časem NoCs a MPSoC.

Některé z výsledků a metod (např. Meta-rozvrhování) popsaných v této práci jsou také použity v BEZPEČNÝ VÝKON platforma projektu a dokumenty [3].

Motivace

Zabudované systémy jsou v moderních systémech souvisejících s bezpečností všudypřítomné. Pohybují se od automobilové elektroniky až po řízení letů v kosmickém prostoru a víceúčelové složité systémy leteckých vozidel; a mnoho výrobců prémiových automobilů plánuje velké investice do elektronických automobilů, které významně závisí na vestavěných systémech [4].

V době IoT je však minimalizace spotřeby energie primárním zájmem návrhářů systémů. Optimalizace plánování pomáhá technikům a návrhářům systémů zvýšit energetickou účinnost a zlepšit chování systému [5].

Mnoho vestavěných systémů je založeno na časově spouštěné sítě (TTN) a používají se v bezpečnostně důležitých aplikacích (např. zdravotnictví, e-auta, vesmír, armáda, jaderné stanice a letadla). U těchto systémů jsou vyžadovány efektivní plánovací algoritmy a metody (např. matematické programování, umělá inteligence, heuristika plánování, vyhledávání sousedství [6]), kde má selhání závažné důsledky [7]. "Plánování omezených zdrojů mezi žádajícími entitami je jedním z nejnáročnějších problémů počítačové vědy [8]”.

v SBMeS systémy, MeS generuje specifické plány pro každou situaci vyvolanou příslušnými událostmi (např. porucha a ochabnutí). K vyhodnocení plánů musí návrháři systému navrhovat, modelovat, porovnávat, rozumět, ladit a simulovat plány. To jsou důležité výzvy pro SBMeS. Další výzvou je přizpůsobení se významným událostem v počítačovém systému nebo v prostředí TTS.

NoCs se v posledních letech objevily, aby zlepšily výkon a vyřešily výzvy stávajících řešení propojení pro mnoho jader. NoCs poskytují škálovatelnou a vysoce výkonnou komunikační architekturu pro složité integrované systémy.

Toto řešení navíc řeší problém spotřeby energie, který je jedním ze základních zájmů komplexních vestavěných systémů. Zjištění výzkumu ukazují, že komunikační propojení může spotřebovávat až tolik energie, kolik je zapotřebí v MPSoC [9]. Tato významná spotřeba energie vyžaduje techniky s nízkou spotřebou energie NoCs.

Výstup většiny plánovačů je v textovém formátu, což ztěžuje identifikaci problémů, zejména když je generováno velké množství plánů a musí být odladěny nebo porovnány [10].

Tato výzva je nehmotná, když se používají textové protokoly s velkým množstvím dat nebo abstraktní grafika, která absorbuje mentální zdroje inženýra. Většina vizualizérů plánu je navržena tak, aby ilustrovala jeden plán a nemůže pokrýt více plánů v jednom oboru. Význam však získává generování plánů prostřednictvím plánovacích řešení a algoritmů založených na scénářích pro víceprocesorové systémy v reálném čase [10]. The MeS přístup spočívá v přidání dynamických akcí výpočtem několika platných plánů, dynamicky vybraných na základě stavu systému [11].

SBMeS je technika plánování [12, 13], která předpovídá, řídí a modeluje události v systémech kritických z hlediska bezpečnosti. MPSoC systémy obvykle představují jednu z energeticky nejnáročnějších komponent vestavěných systémů a většina výzkumů se zaměřuje na snižování spotřeby energie a energie výpočetních jader. MPSoC obvykle podporují změnu frekvence a napětí (např. DVFS), stejně jako několik spánkových stavů pro jádra. Frekvenční ladění pro jádra i směrovače ve vícejádrových architekturách (např. NoC) byl doposud výzvou otevřeného výzkumu.

Energetická účinnost a správa energie se navíc stávají důležitými problémy při navrhování systémů v reálném čase [14]. Jeden NoC cíl designu se objevil na trhu vestavěných systémů a systémů v reálném čase jako prostředek ke snížení a řízení spotřeby energie [15].

Rozmístit TT NoC, Předpokladem je statické plánování úloh aplikace. Kromě zajištění aplikačních požadavků, jako jsou omezení priority a termíny, je spotřeba energie významně ovlivněna přidělováním úkolů a plány komunikace / provádění [14].

Nalezení optimálních plánů pro maximální snížení energie je cílem plánovacích technik uvedených v této práci. Výsledkem bude lepší alokace úkolů a komunikační plány. Algoritmus plánování rozšiřuje předchozí práci (např. [12], [14], [16]) a zavádí metodu plánování redukce energie pro TTS [17]. Snížení energie je dosaženo pomocí DVFS podle SBMeS, široce používaná technika, která poskytuje podporu ke snížení spotřeby energie vestavěných systémů a vícejádrových architektur.

Energetická účinnost v DVFS je dosaženo dynamickým přizpůsobením nastavení napětí, frekvence a výkonu aplikace. K dosažení plné výhody mezery, která je výsledkem variací v době provádění úlohy, je důležité přepočítat nastavení frekvence a napětí během těchto období (tj. Online).

Optimalizace energetické účinnosti využívá dynamické škálování frekvence, ve kterém můžeme individuálně škálovat frekvenci každého jádra a routeru. Tento algoritmus je vhodný pro smíšenou kritičnost [18] a bezpečnostní kritičnost [19] tím, že podporuje aplikace odolné vůči poruchám [20] a adaptivní systémy. Ve srovnání s technikami plánování statického uvolnění (SS) poskytuje náš přístup větší energetickou účinnost a lepší flexibilitu.

Frekvence je vyladěna pro každou komponentu (jádro nebo router) a je optimalizována v závislosti na úkolu nebo zprávě, týkající se událostí a globálního času systému.

Optimální algoritmy škálování napětí a frekvence jsou však výpočetně nákladné a složité, pokud jsou použity za běhu. Proto, abychom překonali a snížili online složitost, navrhujeme kvazi-statické plánování [21] pro změnu frekvence, podporující TT vícejádrové architektury. Tato metoda umožňuje využití dynamického ochabnutí (DS) a zamezuje ztrátě energie v důsledku online přizpůsobení nastavení frekvence.

Naše metoda může podporovat odolnost proti chybám a energetickou účinnost, což jsou významné cíle v mnoha bezpečnostně důležitých systémech. Náš algoritmus bere v úvahu časy provádění úkolů, časy vkládání a přenosu zpráv a možnosti změn frekvence a může naplánovat a zmapovat úkoly a zprávy, které mají být provedeny před příslušnými termíny [22].

Náš SBMeS model optimalizuje kompromis mezi spolehlivostí, odolností proti chybám a energetickou účinností při zpracování více úkolů a sad zpráv týkajících se událostí (tj. na základě ladění frekvence a škálování uvnitř jader a směrovačů). Zvažujeme dopad každé události na jiné události (např. Zvýšení nebo snížení frekvence) pro lepší správu zdrojů a energie v TTS.

Představujeme techniky plánování pro dosažení optimálních plánů pro různé události s maximálním snížením energie při splnění dalších funkčních a nefunkčních omezení. Odpovídající optimalizační problém je formulován v IBM Ilog CPLEXa výsledky naznačují významná zlepšení energetické účinnosti.

V oblasti elektronických automobilů je bezpečnost jedním z nejdůležitějších parametrů; tedy metoda plánování odolná proti chybám použitá v SBMeS lze použít v automobilových systémech k dosažení vyšší bezpečnosti.

V této práci je výskyt ochabnutí definován jako událost. Požadovaný algoritmus, metody a scénáře jsou navrženy tak, aby podporovaly tuto událost při zlepšování energetické účinnosti.

V mnoha pracích jsou výsledky plánu vysvětleny prezentací abstraktního textu základních informací (např. Úkoly, zprávy, rozvrhy, termíny, časy).

A vizualizace plánu umožňuje technikům a návrhářům systémů snadno provádět kontroly zdravého rozumu - kontrola a sledování úkolů, zpráv, značek, uzlů a v SBMeS, chování a reakce pro každý scénář po události. Ačkoli je plánování v systému Windows zásadním problémem TTS, vestavěné systémy a počítačová věda, je k dispozici několik vizualizačních nástrojů [8], které inženýrům a vědcům pomáhají rozšiřovat a vyvíjet spolehlivější plánovací algoritmy, metody a modely [23]. Některé vizualizační nástroje zobrazují pouze abstraktní plány jako grafický výstup a neobsahují ani úplné informace, ani podrobná vysvětlení událostí a plánů (např. Rozdíly nebo změny) [7].

Porovnávání, porozumění a ladění tisíců plánů generovaných pomocí SBMeS představuje vážné výzvy pro návrháře systémů, jak o nich pojednává dále v této práci.

Tato práce představuje nástroj založený na scénářích, MeSViz - navrženo tak, aby podporovalo vývojáře a inženýry při hodnocení plánovacích algoritmů, modelů a metod pro adaptivní použití TTS. Tento nástroj může zobrazit podrobnosti události a naplánovat změny a závislosti v důsledku událostí. Vizualizuje plány na čtyřech různých vrstvách: první představuje jednotlivé plány pro každý scénář, druhá zobrazuje více plánů pro události s více scénáři, třetí generuje grafy a čtvrtá zobrazuje energii a načasování.

Novinka SBMes

Novinové příspěvky SBMes lze shrnout následovně:

1.      Plánování TT komunikace a výpočetních aktivit: Algoritmus plánování zohledňuje časy provedení úkolu, časy přenosu zpráv a možnosti změn frekvence. Náš plánovač podporuje mapování a plánování úkolů i zpráv na vícejádrové architektury, aby se minimalizovala celková spotřeba energie, pokud jde o načasování a frekvence jader, směrovačů a distribuci uvolnění.

2.      DVFS v architektuře spuštěné časem: Tato práce umožňuje použití DVFS pro komunikační i výpočetní zdroje pro MPSoC za účelem dosažení energetické účinnosti TT vícejádrové architektury. Proto může rozšířit optimalizaci energetické účinnosti SBMeS pro MPSoC s časem spuštěná komunikace (TTC) nejen poskytování škálování frekvence nejen jader, ale také NoC směrovače.

3.      Metoda plánování pro lepší spolehlivost a odolnost proti chybám: SBMeS lze použít pro automobilové a bezpečnostní systémy, aby se dosáhlo vyšší bezpečnosti. V oblasti elektronických automobilů je jedním z nejdůležitějších parametrů bezpečnost.

4.      Kompromis mezi odolnost proti chybám, spolehlivost a energetická účinnost: Náš navrhovaný model optimalizuje kompromis mezi odolností proti chybám, spolehlivostí a energetickou účinností SBMeS zvládnout více úkolů a sad zpráv týkajících se spolehlivosti [20] a energetické účinnosti pro adaptivní TTS (tj. ladění a změna měřítka základní frekvence uvnitř jader a směrovačů).

5.     Optimální plánovací algoritmus pro energetickou účinnost: Naše navrhovaná optimalizační metoda stanoví minimální spotřebu energie pro každou uvolněnou událost do kvadratické programování se smíšenými čísly (MIQP) rovnice. The MIQP Model zvažuje různé parametry (např. jádra, směrovače) a rozhodovací proměnné (např. faktory zpomalení jader a směrovačů) v omezeních a objektivní funkci.

6.     Vizualizace meta-plánů: Naše MeSViz je navržen pro konkrétní vizualizaci a vyhodnocení jednoho a více plánů na MPSoC.

7.     Optimalizace paměti týkající se velikosti plánů: Delta plánování se používá ke snížení a optimalizaci využití paměti plánů a může ukládat značné množství plánů na základě modelů generátoru delta grafu [25], [16].

Naproti tomu náš přístup je off-line algoritmus statického plánování pro stanovení optimálních meta-plánů a dynamického škálování frekvence v TT MPSoC a NoCs pro energetická účinnost z hlediska bezpečnosti vestavěné systémy. Tato práce tedy vyvíjí DS-reklamační techniku ​​ke snížení spotřeby statické a dynamické energie.

Implementace

Následuje částečný seznam pozoruhodných open source a komerčních meta-plánovačů, které jsou v současné době k dispozici.

Reference

  • Schopf, Jennifer (2002). „Obecná architektura pro plánování na mřížce“ (PDF). Argonne National Laboratory. Archivovány od originál (PDF) dne 2008-09-24.
  • B. Sorkhpour a R. Obermaisser. "MeSViz: Vizualizace metazvrhů založených na scénářích pro adaptivní systémy s časovým spouštěním. ". v AmE 2018-Automotive meets Electronics; 9. GMM-Symposium, 2018, s. 1–6
  • B. Sorkhpour, R. Obermaisser a A. Murshed, “Metody časového plánování pro energeticky účinné, robustní a adaptivní systémy s časovým spouštěním," v Znalostní inženýrství a inovace (KBEI), 4. mezinárodní konference IEEE 2017 o, Teherán, 2017.
  • B. Sorkhpour, O. Roman a Y. Bebawy, vyd., Optimalizace škálování kmitočtů v časově spouštěných vícejádrových architekturách pomocí metaplánování podle scénářů: "v AmE 2019-Automotive meets Electronics; 10. GMM-sympozium VDE, 2019
  • B. Sorkhpour. "Scénářový metaplánování pro energeticky efektivní, robustní a adaptivní časově spouštěné vícejádrové architektury “, University of Siegen, Disertační práce, červenec 2019.

externí odkazy

Odkazy na SBMeS

[1] H. Kopetz, Systémy v reálném čase: principy návrhu pro distribuované vestavěné aplikace: Springer Science & Business Media, 2011.

[2] J. Theis, G. Fohler a S. Baruah, „Plánování generování tabulek pro systémy smíšené kritičnosti spuštěné časem,“ Proc. WMC, RTSS, s. 79–84, 2013.

[3] Safepower, D3.8 Uživatelská příručka k heterogennímu designu MPSoC. [Online] Dostupné: http://safepower-project.eu/wp-content/uploads/2019/01/D3.8-User_guide_of_the_heterogeneous_MPSoC_design_v1-0_final.pdf.

[4] DW BUSINESS, BMW zvyšuje výdaje na výzkum a vývoj v oblasti elektronických automobilů, autonomních vozidel.

[5] S. R. Sakhare a M. S. Ali, „Adaptivní plánovací algoritmus založený na genetickém algoritmu pro operační systémy v reálném čase,“ International Journal of Embedded Systems and Applications (IJESA), sv. 2, č. 3, s. 91–97, 2012.

[6] R. Obermaisser, vyd., Časem spuštěná komunikace. Boca Raton, FL: CRC Press, 2012.

[7] P. Munk, „Vizualizace plánování v integrovaných systémech v reálném čase,“ University of Stuttgart, Institute of Software Technology, Department of Programming Languages ​​and Compilers, 20103.

[8] S. Hunold, R. Hoffmann a F. Suter, „Jedule: Nástroj pro vizualizaci plánů paralelních aplikací“ v 2010 Mezinárodní konference o seminářích o paralelním zpracování (ICPPW), San Diego, CA, USA, s. 169–178.

[9] H. Wang, L.-S. Peh a S. Malik, „Power-driven design of router microarchitectures in on-chip networks,“ in 36. mezinárodní sympozium o mikroarchitektuře, San Diego, CA, USA, 2003, s. 105–116.

[10] B. Sorkhpour a R. Obermaisser, „MeSViz: Vizualizace metadatů založených na scénářích pro adaptivní systémy spouštěné časem“ v AmE 2018-Automotive meets Electronics; 9. GMM-Symposium, 2018, s. 1–6.

[11] A. C. Persya a T. R. G. Nair, „Modelový návrh super plánovačů zvládajících katastrofický scénář v systémech tvrdého reálného času,“ v 2013 Mezinárodní konference o informační komunikaci a vestavěných systémech (ICICES), Chennai, 2013, s. 1149–1155.

[12] B. Sorkhpour, O. Roman a Y. Bebawy, vyd., Optimalizace škálování kmitočtů v časově spouštěných vícejádrových architekturách pomocí metaplánování podle scénářů: VDE, 2019.

[13] B. Sorkhpour, A. Murshed a R. Obermaisser, „Metody časového plánování pro energeticky účinné robustní a adaptivní systémy spouštěné časem“, v Znalostní inženýrství a inovace (KBEI), 4. mezinárodní konference IEEE 2017 o, 2017, s. 143–150.

[14] J. Huang, C. Buckl, A. Raabe a A. Knoll, „Energy Aware Task Allocation for Network-on-Chip Based Heterogeneous Multiprocessor Systems,“ v 19. mezinárodní konference Euromicro 2011 o paralelním, distribuovaném a síťovém zpracování, Ayia Napa, Kypr, 2011, s. 447–454.

[15] S. Prabhu, B. Grot, P. Gratz a J. Hu, „Simulátor Ocin tsim-DVFS pro NoCs,“ Proc. VIDĚL, sv. 1. 2010.

[16] Roman Obermaisser a kol., „Adaptivní časově spouštěná vícejádrová architektura,“ Designy, sv. 3, č. 1, s. 7. 2019.

[17] H. Kopetz, vyd., Systémy v reálném čase: Zásady návrhu pro distribuované vestavěné aplikace (řada systémů v reálném čase) // Systémy v reálném čase: Zásady návrhu pro distribuované vestavěné aplikace, 2. vyd. New York: Springer, 2011.

[18] F. Guan, L. Peng, L. Perneel, H. Fayyad-Kazan a M. Timmerman, „Návrh, který zahrnuje adaptivní rezervaci do systémů smíšené kritiky“, Vědecké programování, sv. 2017, 2017.

[19] Y. Lin, Y.-l. Zhou, S.-t. Ventilátor a Y.-m. Jia, „Analýza časem vyvolaného flexibilního plánování s bezpečnostně kritickým systémem“, v Konference čínských inteligentních systémů, 2017, s. 495–504.

[20] IEEE, „TTP - Time-Triggered Protocol for Fault-tolerant Real-time System - Fault-Tolerant Computing, 1993. FTCS-23. Digest of Papers., The Twenty-Third International Symposi, ”

[21] J. Cortadella, A. Kondratyev, L. Lavagno, C. Passerone a Y. Watanabe, „Kvazi-statické plánování nezávislých úkolů pro reaktivní systémy“ IEEE Trans. Výpočetní podpora Integr. Circuits Syst., sv. 24, č. 10, s. 1492–1514, 2005.

[22] R. Rajaei, S. Hessabi a B. V. Vahdat, „Energetická metodika pro mapování a plánování souběžných aplikací v architekturách MPSOC,“ v Elektrotechnika (ICEE), 2011, 19. íránská konference o, 2011, s. 1–6.

[23] A. Menna, „Allocation, Assignment and Scheduling for Multi-processor System on Chip,“ PhD, Universit ´e des Sciences et Technologies de Lille, 2006.

[24] A. Murshed, „Plánování aplikací spouštěných událostmi a časem spouštěných s optimální spolehlivostí a předvídatelností na síťových vícejádrových čipech,“

[25] A. Maleki, H. Ahmadian a R. Obermaisser, „Fault-Tolerant and Energy-Efficient Communication in Mixed-Criticality Networks-on-Chips,“ v 2018 IEEE Nordic Circuits and Systems Conference (NORCAS): NORCHIP a mezinárodní symposium of System-on-Chip (SoC), 2018, s. 1–7.

[26] P. Eitschberger, S. Holmbacka a J. Keller, „Kompromis mezi výkonem, tolerancí poruch a spotřebou energie při plánování duplikovaných úloh,“ v Architektura výpočetních systémů - ARCS 2018.

[27] R. Lent, „Grid Scheduling with Makespan and Energy-Based Goals“, Journal of Grid Computing, sv. 13, č. 4, s. 527–546, 2015.

[28] P. Eitschberger, „Energeticky účinné a odolné vůči chybám Plánování pro mnohostěn a sítě,“ Fakultät für Mathematik und Informatik, FernUniversität in Hagen, Hagen, 2017.

[29] A. Murshed, „Plánování aplikací spouštěných událostmi a časem spouštěných s optimální spolehlivostí a předvídatelností na síťových vícejádrových čipech,“ Dissertation, Embedded Systems, Universität Siegen, Siegen, 2018.

[30] E. Dubrova, Odolný proti chybám. New York, NY: Springer; Otisk, 2013.

[31] A. Avizienis, J.-C. Laprie, B. Randell a další, Základní pojmy spolehlivosti: University of Newcastle upon Tyne, Computing Science, 2001.

[32] I. Bate, A. Burns a R. I. Davis, „Bailout Protocol for Mixed Criticality Systems“, v 2015 27. konference Euromicro o systémech v reálném čase: ECRTS 2015: sborník, Lund, Švédsko, 2015, s. 259–268.

[33] A. Burns a R. Davis, „Smíšené systémy kritičnosti - recenze“ Katedra počítačů, University of York, Tech. Rep, s. 1–69, 2013.

[34] B. Hu a kol., „FFOB: efektivní online otáčení přepínače režimů v systémech se smíšenou kritičností,“ Systém v reálném čase, sv. 79, č. 1, s. 39, 2018.

[35] H. Isakovic a R. Grosu, „Integrace smíšené kritičnosti v kyberfyzikálních systémech: heterogenní časově spouštěná architektura na hybridní platformě SoC,“ v Počítačové systémy a softwarové inženýrství: koncepty, metodiky, nástroje a aplikace: IGI Global, 2018, str. 1153–1178.

[36] B. Sorkhpour a R. Obermaisser, „MeSViz: Vizualizace metadatů založených na scénářích pro adaptivní systémy spouštěné časem“, v AmE 2018-Automotive meets Electronics; 9. GMM-Symposium, 2018, s. 1–6.

[37] B. Hu, „Analýza plánovatelnosti obecného modelu úloh a plánování založené na poptávce v systémech smíšené kritiky“, Technische Universität München.

[38] H. Ahmadian, F. Nekouei a R. Obermaisser, „Obnova a adaptace chyb v časem spouštěných sítích na čipech pro systémy se smíšenou kritičností“, v 12. mezinárodní sympozium o rekonfigurovatelných systémech zaměřených na komunikaci na čipu (ReCoSoC 2017): 12. – 14. Července 2017, Madrid, Španělsko: sborník, Madrid, Španělsko, 2017, s. 1–8.

[39] R. Trüb, G. Giannopoulou, A. Tretter a L. Thiele, „Implementace rozděleného plánování smíšené kritičnosti na vícejádrové platformě,“ Transakce ACM na vestavěných počítačových systémech (TECS), sv. 16, č. 5 s, s. 122, 2017.

[40] C. Schöler, „Nové strategie plánování pro budoucí architektury NoC a MPSoC,“ 2017.

[41] M. I. Huse, „Analýza FlexRay, odhad konfiguračních parametrů a protivníci“, NTNU.

[42] W. Steiner, „Syntéza plánů statické komunikace pro systémy se smíšenou kritičností“, v 14. 14. mezinárodní sympozium IEEE o objektově / komponentově / servisně zaměřených workshopech distribuované výpočetní techniky v reálném čase (ISORCW): 28. – 31. Března 2011, Newport Beach, Kalifornie, USA; řízení, Newport Beach, CA, USA, 2011, s. 11–18.

[43] G. Marchetto, S. Tahir a M. Grosso, „Studie pravděpodobnosti blokování éterické sítě na čipu“, v Sborník z 11. mezinárodního sympozia designu a zkoušek (IDT) 2016: 18. – 20. Prosince 2016, Hammamet, Tunisko, Hammamet, Tunisko, 2016, s. 104–109.

[44] M. Ruff, „Evolution of local interconnect network solutions (LIN) solutions“, in VTC2003-Fall Orlando: 2003 IEEE 58th Vehicular Technology Conference: papers: 6-9 October, 2003, Orlando, Florida, USA, Orlando, FL, USA, 2004, 3382-3389 Vol.5.

[45] R. B. Atitallah, S. Niar, A. Greiner, S. Meftali a J. L. Dekeyser, „Odhad spotřeby energie pro architektonický průzkum MPSoC,“ v Přednášky z informatiky, architektura výpočetních systémů - ARCS 2006W. Grass, B. Sick a K. Waldschmidt, Eds., Berlín, Heidelberg: Springer Berlin Heidelberg, 2006, s. 298–310.

[46] U. U. Tariq, H. Wu a S. Abd Ishak, „Energeticky vědomé plánování grafů podmíněných úloh na MPSoC založených na NoC,“ v Sborník z 51. Havajské mezinárodní konference o systémových vědách, 2018.

[47] Měřítko frekvence a napětí zaměřené na překladač pro vícehodinovou doménu: ACM Stiskněte.

[48] ​​A. B. Mehta, „Ověření hodinových domén (CDC)“, v Ověření funkčního designu ASIC / SoC.

[49] Mecanismo de controle de QoS através de DFS em MPSOCS: Pontifícia Universidade Católica do Rio Grande do Sul; Porto Alegre, 2014.

[50] Marc Boyer, Benoît Dupont de Dinechin, Amaury Graillat a Lionel Havet, „Computing Routes and Delay Bounds for the Network-on-Chip of the Kalray MPPA2 Processor,“

[51] B. D. de Dinechin a A. Graillat, „Feed-Forward Routing pro Wormhole Switching Network-on-Chip procesoru Kalray MPPA2,“ v Sborník příspěvků z 10. mezinárodního semináře o síti na architektuře čipů - NoCArc'17, Cambridge, MA, USA, 2017, s. 1–6.

[52] KALRAY Corporation, Kalrayova síť MPPA na čipu. [Online] Dostupné: http://www.kalrayinc.com/portfolio/processors/.

[53] I. Lee, J. Y. T. Leung a S. H. Son, Příručka real-time a vestavěných systémů: CRC Press, 2007.

[54] Wikipedia, XtratuM - Wikipedia. [Online] Dostupné: https://en.wikipedia.org/w/index.php?oldid=877711274. Přístup: 11. února 2019.

[55] I. Ripoll a kol., „Nástroje pro konfiguraci a plánování pro systémy TSP založené na XtratuM,“ Datové systémy v letectví (DASIA 2010), 2010.

[56] V. Brocal a kol., „Xoncrete: plánovací nástroj pro dělené systémy v reálném čase,“ Integrovaný software a systémy v reálném čase, 2010.

[57] R. Jejurikar a R. Gupta, „Dynamická rekultivace uvolnění s plánováním prokrastinace ve vestavěných systémech v reálném čase,“ v Sborník 42. výroční konference Design Automation Conference, 2005, s. 111–116.

[58] H. Li, S. Bhunia, Y. Chen, T. N. Vijaykumar a K. Roy, „Deterministická hodinová hradla pro snížení výkonu mikroprocesoru“ v 9. mezinárodní sympozium o vysoce výkonné počítačové architektuře, Anaheim, CA, USA, 2003, s. 113–122.

[59] H. Matsutani, M. Koibuchi, H. Nakamura a H. Amano, „Run-Time Power-Gating Techniques for Low-Power On-Chip Networks“, v Nízkoenergetické sítě na čipu.

[60] P. W. Cook a kol., „Výkonná mikroarchitektura: výzvy v oblasti designu a modelování mikroprocesorů nové generace,“ IEEE Micro, sv. 20, č. 6, s. 26–44, 2000.

[61] W. Kim, J. Kim a S. L. Min, „Algoritmus dynamického škálování napětí pro tvrdé systémy v reálném čase s dynamickou prioritou využívající analýzu uvolnění času,“ v Konference a výstava o designu, automatizaci a testování v Evropě, 2002. Sborník, 2002, str. 788–794.

[62] D. M. Brooks a kol., „Výkonná mikroarchitektura: výzvy v oblasti designu a modelování mikroprocesorů nové generace,“ IEEE Micro, sv. 20, č. 6, s. 26–44, 2000.

[63] S. Prabhu, Ocin_tsim - simulátor vědomého DVFS pro průzkum a optimalizaci prostoru NoC Design. [College Station, Tex.]: [Texas A & M University], 2010.

[64] A. Bianco, P. Giaccone a N. Li, „Využití dynamického škálování napětí a frekvence v sítích na čipu“, v 13. mezinárodní konference IEEE o vysoce výkonném přepínání a směrování (HPSR), 2012, Bělehrad, Srbsko, 2012, s. 229–234.

[65] M. Caria, F. Carpio, A. Jukan a M. Hoffmann, „Migrace na energeticky účinné směrovače: kde začít?“ V IEEE International Conference on Communications (ICC), 2014: 10-14 June 2014, Sydney, Australia, Sydney, NSW, 2014, s. 4300–4306.

[66] D. M. Brooks a kol., „Výkonná mikroarchitektura: výzvy v oblasti designu a modelování mikroprocesorů nové generace,“ IEEE Micro, sv. 20, č. 6, pp. 26–44, 2000.

[67] S. Chai, Y. Li, J. Wang, and C. Wu, “An energy-efficient scheduling algorithm for computation-intensive tasks on NoC-based MPSoCs,” Journal of Computational Information Systems, sv. 9, č. 5, pp. 1817–1826, 2013.

[68] P. K. Sharma, S. Biswas, and P. Mitra, “Energy efficient heuristic application mapping for 2-D mesh-based network-on-chip,” Microprocessors and Microsystems, sv. 64, pp. 88–100, 2019.

[69] H. M. Kamali, K. Z. Azar, and S. Hessabi, “DuCNoC: A High-Throughput FPGA-Based NoC Simulator Using Dual-Clock Lightweight Router Micro-Architecture,” IEEE Trans. Comput., sv. 67, no. 2, pp. 208–221, 2018.

[70] H. Farrokhbakht, H. M. Kamali, and S. Hessabi, “SMART,” in Proceedings of the Eleventh IEEE/ACM International Symposium on Networks-on-Chip - NOCS '17, Seoul, Republic of Korea, 2017, pp. 1–8.

[71] W. Hu, X. Tang, B. Xie, T. Chen, and D. Wang, “An Efficient Power-Aware Optimization for Task Scheduling on NoC-based Many-core System,” in 2010 10th IEEE International Conference on Computer and Information Technology, Bradford, United Kingdom, 2010, pp. 171–178.

[72] H. F. Sheikh and I. Ahmad, “Simultaneous optimization of performance, energy and temperature for DAG scheduling in multi-core processors,” in Green Computing Conference (IGCC), 2012 International, 2012, pp. 1–6.

[73] J. Hu and R. Marculescu, “Energy-aware communication and task scheduling for network-on-chip architectures under real-time constraints,” in Design, Automation and Test in Europe Conference and Exhibition, 2004. Proceedings, 2004, pp. 234–239.

[74] H. Bokhari, H. Javaid, M. Shafique, J. Henkel, and S. Parameswaran, “darkNoC,” in Proceedings of the 51st Annual Design Automation Conference, San Francisco, CA, USA, 2014, pp. 1–6.

[75] H. Aydin, R. Melhem, D. Mosse, and P. Mejia-Alvarez, “Dynamic and aggressive scheduling techniques for power-aware real-time systems,” in 22nd IEEE real-time systems symposium: (RTSS 2001), London, UK, 2001, pp. 95–105.

[76] R. Jejurikar and R. Gupta, “Dynamic slack reclamation with procrastination scheduling in real-time embedded systems,” in DAC 42, San Diego, California, USA, 2005, p. 111.

[77] G. Ma, L. Gu, and N. Li, “Scenario-Based Proactive Robust Optimization for Critical-Chain Project Scheduling,” J. Constr. Eng. Spravovat., sv. 141, č. 10, s. 4015030, 2015.

[78] H. K. Mondal and S. Deb, “Power-and performance-aware on-chip interconnection architectures for many-core systems,” IIIT-Delhi.

[79] J. Wang a kol., “Designing Voltage-Frequency Island Aware Power-Efficient NoC through Slack Optimization,” in International Conference on Information Science and Applications (ICISA), 2014: 6-9 May 2014, Seoul, South Korea, Seoul, South Korea, 2014, pp. 1–4.

[80] K. Han, J.-J. Lee, J. Lee, W. Lee, and M. Pedram, “TEI-NoC: Optimizing Ultralow Power NoCs Exploiting the Temperature Effect Inversion,” IEEE Trans. Comput.-Aided Des. Integr. Circuits Syst., sv. 37, č. 2, pp. 458–471, 2018.

[81] D. Li and J. Wu, “Energy-efficient contention-aware application mapping and scheduling on NoC-based MPSoCs,” Journal of Parallel and Distributed Computing, sv. 96, pp. 1–11, 2016.

[82] W. Y. Lee, Y. W. Ko, H. Lee, and H. Kim, “Energy-efficient scheduling of a real-time task on dvfs-enabled multi-cores,” in Proceedings of the 2009 International Conference on Hybrid Information Technology, 2009, pp. 273–277.

[83] B. Sprunt, L. Sha, and J. Lehoczky, “Aperiodic task scheduling for Hard-Real-Time systems,” Real-Time Syst, sv. 1, č. 1, pp. 27–60, 1989.

[84] J. K. Strosnider, J. P. Lehoczky, and L. Sha, “The deferrable server algorithm for enhanced aperiodic responsiveness in hard real-time environments,” IEEE Trans. Comput., sv. 44, č. 1, pp. 73–91, 1995.

[85] N. Chatterjee, S. Paul, and S. Chattopadhyay, “Task mapping and scheduling for network-on-chip based multi-core platform with transient faults,” Journal of Systems Architecture, sv. 83, pp. 34–56, 2018.

[86] R. N. Mahapatra and W. Zhao, “An energy-efficient slack distribution technique for multimode distributed real-time embedded systems,” IEEE Trans. Parallel Distrib. Syst., sv. 16, č. 7, pp. 650–662, 2005.

[87] G. Avni, S. Guha, and G. Rodriguez-Navas, “Synthesizing time-triggered schedules for switched networks with faulty links,” in Proceedings of the 13th International Conference on Embedded Software, Pittsburgh, Pennsylvania, 2016, pp. 1–10.

[88] F. Benhamou, Principle and Practice of Constraint Programming - CP 2006: 12th International Conference, CP 2006, Nantes, France, September 25-29, 2006, Proceedings. Berlin Heidelberg: Springer-Verlag, 2006.

[89] Satisfiability Modulo Graph Theory for Task Mapping and Scheduling on Multiprocessor Systems, 2011.

[90] A. Murshed, R. Obermaisser, H. Ahmadian, and A. Khalifeh, “Scheduling and allocation of time-triggered and event-triggered services for multi-core processors with networks-on-a-chip,” pp. 1424–1431.

[91] F. Wang, C. Nicopoulos, X. Wu, Y. Xie, and N. Vijaykrishnan, “Variation-aware task allocation and scheduling for MPSoC,” in IEEE/ACM International Conference on Computer-Aided Design, 2007, San Jose, CA, USA, 2007, pp. 598–603.

[92] D. Mirzoyan, B. Akesson, and K. Goossens, “Process-variation-aware mapping of best-effort and real-time streaming applications to MPSoCs,” ACM Trans. Embed. Comput. Syst., sv. 13, č. 2s, pp. 1–24, 2014.

[93] C. MacLean and G. COWIE, Data flow graph: Google Patents.

[94] S. K. Baruah, A. Burns, and R. I. Davis, “Response-Time Analysis for Mixed Criticality Systems,” in IEEE 32nd Real-Time Systems Symposium (RTSS), 2011, Vienna, Austria, 2011, pp. 34–43.

[95] A. Burns and S. Baruah, “Timing Faults and Mixed Criticality Systems,” in Lecture notes in computer science, 0302-9743, 6875. Festschrift, Dependable and historic computing: Essays dedicated to Brian Randell on the occasion of his 75th birthday / Cliff B. Jones, John L. Lloyd (eds.), B. Randell, C. B. Jones, and J. L. Lloyd, Eds., Heidelberg: Springer, 2011, pp. 147–166.

[96] P. Ekberg and W. Yi, “Outstanding Paper Award: Bounding and Shaping the Demand of Mixed-Criticality Sporadic Tasks,” in Proceedings of The 24th Euromicro Conference on Real-Time Systems: 10-13 July 2012, Pisa, Italy, Pisa, Italy, 2012, pp. 135–144.

[97] M. R. Garey, D. S. Johnson, and L. Stockmeyer, “Some simplified NP-complete problems,” in Proceedings of the sixth annual ACM symposium on Theory of computing - STOC '74, Seattle, Washington, United States, 1974, pp. 47–63.

[98] L. Su a kol., “Synthesizing Fault-Tolerant Schedule for Time-Triggered Network Without Hot Backup,” IEEE Trans. Ind. Electron., sv. 66, č. 2, pp. 1345–1355, 2019.

[99] A. Carvalho Junior, M. Bruschi, C. Santana, and J. Santana, “Green Cloud Meta-Scheduling : A Flexible and Automatic Approach,” (eng), Journal of Grid Computing : From Grids to Cloud Federations, sv. 14, č. 1, pp. 109–126, http://dx.doi.org/10.1007/s10723-015-9333-z, 2016.

[100] T. Tiendrebeogo, “Prospect of Reduction of the GreenHouse Gas Emission by ICT in Africa,” in e-Infrastructure and e-Services.

[101] Deutsche Welle (www.dw.com), Carmaker BMW to invest heavily in battery cell center | DW | 24.11.2017. [Online] Available: https://p.dw.com/p/2oD3x. Accessed on: Dec. 03 2018.

[102] G. Fohler, “Changing operational modes in the context of pre run-time scheduling,” IEICE transactions on information and systems, sv. 76, č. 11, pp. 1333–1340, 1993.

[103] H. Jung, H. Oh, and S. Ha, “Multiprocessor scheduling of a multi-mode dataflow graph considering mode transition delay,” Transakce ACM na automatizaci návrhu elektronických systémů (DNES), sv. 22, č. 2, s. 37, 2017.

[104] A. Das, A. Kumar, and B. Veeravalli, “Energy-Aware Communication and Remapping of Tasks for Reliable Multimedia Multiprocessor Systems,” in IEEE 18th International Conference on Parallel and Distributed Systems (ICPADS), 2012, Singapore, Singapore, 2012, pp. 564–571.

[105] S. A. Ishak, H. Wu, and U. U. Tariq, “Energy-Aware Task Scheduling on Heterogeneous NoC-Based MPSoCs,” in IEEE 35th IEEE International Conference on Computer Design: ICCD 2017 : 5-8 November 2017 Boston, MA, USA : proceedings, Boston, MA, 2017, pp. 165–168.

[106] C. A. Floudas and V. Visweswaran, “Quadratic Optimization,” in Nonconvex Optimization and Its Applications, sv. 2, Handbook of Global Optimization, R. Horst and P. M. Pardalos, Eds., Boston, MA, s.l.: Springer US, 1995, pp. 217–269.

[107] R. Lazimy, “Mixed-integer quadratic programming,” Matematické programování, sv. 22, č. 1, pp. 332–349, 1982.

[108] A. Majd, G. Sahebi, M. Daneshtalab, and E. Troubitsyna, “Optimizing scheduling for heterogeneous computing systems using combinatorial meta-heuristic solution,” in 2017 IEEE SmartWorld: Ubiquitous Intelligence & Computing, Advanced & Trusted Computed, Scalable Computing & Communications, Cloud & Big Data Computing, Internet of People and Smart City Innovation (SmartWorld/SCALCOM/UIC/ATC/CBDCom/IOP/SCI) : 2017 conference proceedings : San Francisco Bay Area, California, USA, August 4-8, 2017, San Francisco, CA, 2017, pp. 1–8.

[109] B. Xing and W.-J. Gao, “Imperialist Competitive Algorithm,” in Intelligent Systems Reference Library, Innovative computational intelligence: A rough guide to 134 clever algorithms, B. Xing and W.-J. Gao, Eds., New York NY: Springer Berlin Heidelberg, 2013, pp. 203–209.

[110] J. D. Foster, A. M. Berry, N. Boland, and H. Waterer, “Comparison of Mixed-Integer Programming and Genetic Algorithm Methods for Distributed Generation Planning,” IEEE Trans. Power Syst., sv. 29, č. 2, pp. 833–843, 2014.

[111] J. Yin, P. Zhou, A. Holey, S. S. Sapatnekar, and A. Zhai, “Energy-efficient non-minimal path on-chip interconnection network for heterogeneous systems,” in ISPLED'12: Proceedings of the international symposium on low power electronics and design, Redondo Beach, California, USA, 2012, p. 57.

[112] J. Falk a kol., “Quasi-static scheduling of data flow graphs in the presence of limited channel capacities,” in The 13th IEEE Symposium on Embedded Systems for Real-time Multimedia: October 8-9, 2015, Amsterdam, Netherlands, Amsterdam, Netherlands, 2015, pp. 1–10.

[113] T. Wei, P. Mishra, K. Wu, and J. Zhou, “Quasi-static fault-tolerant scheduling schemes for energy-efficient hard real-time systems,” Journal of Systems and Software, sv. 85, č. 6, pp. 1386–1399, 2012.

[114] M. J. Ryan, “A Case Study on the Impact of Convergence on Physical Architectures—The Tactical Communications System,”

[115] Y. Huang and D. P. Palomar, “Randomized Algorithms for Optimal Solutions of Double-Sided QCQP With Applications in Signal Processing,” IEEE Trans. Proces signálu., sv. 62, č. 5, pp. 1093–1108, 2014.

[116] X. Cai, W. Hu, T. Ma, and R. Ma, “A hybrid scheduling algorithm for reconfigurable processor architecture,” in Proceedings of the 13th IEEE Conference on Industrial Electronics and Applications (ICIEA 2018): 31 May-2 June 2018 Wuhan, China, Wuhan, 2018, pp. 745–749.

[117] P.-A. Hsiung and J.-S. Shen, Dynamic reconfigurable network-on-chip design: Innovations for computational processing and communication. Hershey, Pa.: IGI Global, 2010.

[118] R. Misener and C. A. Floudas, “Global optimization of mixed-integer quadratically-constrained quadratic programs (MIQCQP) through piecewise-linear and edge-concave relaxations,” Matematické programování, sv. 136, č. 1, pp. 155–182, 2012.

[119] D. Axehill, “Applications of integer quadratic programming in control and communication,” Institutionen för systemteknik, 2005.

[120] A. Nemirovskii, “Several NP-hard problems arising in robust stability analysis,” Matematika. Control Signal Systems, sv. 6, č. 2, pp. 99–105, 1993.

[121] A. Sarwar, “Cmos power consumption and cpd calculation,” Proceeding: Design Considerations for Logic Products, 1997.

[122] S. Kaxiras and M. Martonosi, “Computer Architecture Techniques for Power-Efficiency,” Synthesis Lectures on Computer Architecture, sv. 3, č. 1, pp. 1–207, 2008.

[123] D. Kouzoupis, G. Frison, A. Zanelli, and M. Diehl, “Recent Advances in Quadratic Programming Algorithms for Nonlinear Model Predictive Control,” Vietnam Journal of Mathematics, sv. 46, č. 4, pp. 863–882, 2018.

[124] R. Fourer, “Strategies for “Not Linear” Optimization,” Houston, TX, Mar. 6 2014.

[125] L. A. Cortes, P. Eles, and Z. Peng, “Quasi-Static Scheduling for Multiprocessor Real-Time Systems with Hard and Soft Tasks,” in 11th IEEE International Conference on Embedded and Real-Time Computing Systems and Applications: 17-19 August 2005, Hong Kong, China : proceedings, Hong Kong, China, 2005, pp. 422–428.

[126] L. Benini, “Platform and MPSoC Design,”

[127] R. Obermaisser and P. Peti, “A Fault Hypothesis for Integrated Architectures,” in Proceedings of the Fourth Workshop on Intelligent Solutions in Embedded Systems: Vienna University of Technology, Vienna, Austria, 2006 June 30, Vienna, Austria, 2005, pp. 1–18.

[128] R. Obermaisser a kol., “Adaptive Time-Triggered Multi-Core Architecture,” Designy, sv. 3, č. 1, s. 7, https://www.mdpi.com/2411-9660/3/1/7/pdf, 2019.

[129] IBM, IBM ILOG CPLEX Optimization Studio CPLEX User’s Manual: IBM, 1987-2016.

[130]   Chart Component and Control Library for .NET (C#/VB), Java, C++, ASP, COM, PHP, Perl, Python, Ruby, ColdFusion. [Online] Available: https://www.advsofteng.com/product.html. Accessed on: Jan. 10 2019.

[131] J. Ellson, E. Gansner, L. Koutsofios, S. C. North, and G. Woodhull, “Graphviz—open source graph drawing tools,” in Mezinárodní sympozium o kreslení grafů, 2001, pp. 483–484.

[132] T. Lei and S. Kumar, “Algorithms and tools for network on chip based system design,” in Chip in sampa, Sao Paulo, Brazil, 2003, pp. 163–168.

[133] G. D. Micheli and L. Benini, “Powering networks on chips: energy-efficient and reliable interconnect design for SoCs,” in isss, 2001, pp. 33–38.