LEA

  • Leitung:
    Prof. Dr. Susanne Albers
  • Modul: IN0014, IN2107, IN8901, TUMonline
  • Bereich:
    2 SWS Seminar im Bereich Informatik III (Theoretische Informatik)
  • Anmeldung:
    Für die Anmeldung muss der Student sich mit der Seminarleitung in Verbindung setzen. Die Studenten, die ein Thema bekommen haben, werden dann von der Seminarleitung in TUMonline angemeldet. Wer sicher einen Platz erhalten möchte, sollte zur Vorbesprechung erscheinen, da die dort erscheinenden Personen priorisiert werden. Falls ihr Interesse habt, meldet euch bitte zusätzlich kurz bei Susanne Albers (albers@in.tum.de), damit die Teilnehmerzahl besser abgeschätzt werden kann.
  • Vorbesprechung:
    Montag, 27.1.2014, 11:00-12:00 im Seminarraum MI 03.11.018
    Folien der Vorbesprechung

Zusammenfassung

Energie ist eine teure und zugleich knappe Ressource geworden. Dies trifft insbesondere auch auf Computersysteme zu. Rechen- und Datenzentren klagen über stark gestiegene Energiekosten. In tragbaren Geräten wie Laptops und Mobiltelefonen steht jeweils nur ein begrenzter Energievorrat zur Verfügung, sodass Energiesparmechanismen dort von großem Interesse sind. Das Seminar behandelt algorithmische Techniken, um Energie zu sparen. Schwerpunkt liegt auf den folgenden Themen .

  • Abschaltmechanismen: Ist ein System über einen Zeitraum nicht aktiv, so wird es in Standby- oder Schlafmodi mit geringerem Energieverbrauch transferiert.
  • Dynamic Speed Scaling: Moderne Microprozessoren können auf verschiedenen Frequenzen bzw. Geschwindigkeiten betrieben werden. Eine hohe Geschwindigkeit impliziert eine hohe Leistung aber auch einen hohen Energieverbrauch. Ziel ist es, das volle Geschwindigkeitsspektrum so zu nutzen, dass, wenn immer möglich, niedrige Geschwindigkeiten eingesetzt werden.
  • Netzwerke: Untersucht werden Datenübertragungsprobleme mit dem Ziel, den Energieverbrauch in Netzwerken zu minimieren.

Die Vorträge können auf Deutsch oder Englisch gehalten werden.

Literatur

  1. S. Irani, S. K. Shukla and R. K. Gupta. Online strategies for dynamic power management in systems with multiple power-saving states. ACM Trans. Embedded Comput. Syst. 2(3): 325-346, 2003.
  2. J. Augustine, S. Irani, and C. Swamy. Optimal power-down strategies. SIAM J. Comput, 37(5): 1499-1516, 2008.
  3. P. Baptiste. Scheduling unit tasks to minimize the number of idle periods: A polynomial time algorithm for offline dynamic power management. Proc. 17th Annual ACM-SIAM Symposium on Discrete Algorithms, 364-367, 2006.
  4. F. Yao, A. Demers and S. Shenker. A scheduling model for reduced CPU energy. Proc. 36th Annual Symposium on Foundations of Computer Science, 374-382, 1995.
  5. M. Li, F. F. Yao. An efficient algorithm for computing optimal discrete voltage schedules. MFCS 2005: 652-663.
  6. N. Bansal, D. P. Bunde, H., Kirk Pruhs. Average rate speed scaling. LATIN 2008: 240-251.
  7. N. Bansal, T. Kimbrel and K. Pruhs. Speed scaling to manage energy and temperature. J. ACM 54(1): 2007.
  8. S. Albers, F. Müller and S. Schmelzer. Speed scaling on parallel processors. Proc. 19th Annual ACM Symposium on Parallel Algorithms and Architectures, 289 - 298, 2007.
  9. K. Pruhs, P. Uthaisombut, G. Woeginger. Getting the best response for your erg. ACM Trans. Algorithms, 4(3), 2008: 1-17.
  10. N. Bansal, H. Chan, K. Pruhs. Speed scaling with an arbitrary power function. SODA 2009: 693-701.
  11. D. P. Bunde. Power-aware scheduling for makespan and flow. J. Scheduling 12(5): 489-500 (2009).
  12. S. Irani, S. Shukla and R. Gupta. Algorithms for power savings. ACM Transactions on Algorithms 3(4), 2007.
  13. S. Albers and A. Antoniadis: Race to idle: New algorithms for speed scaling with a sleep state. SODA 2012: 1266-1285
  14. L. Becchetti, P. Korteweg, A. Marchetti-Spaccamela, M. Skutella, L. Stougie and A. Vitaletti. Latency-Constrained Aggregation in Sensor Networks. ACM Transactions on Algorithms 6(1), 2009.
  15. M. Andrews, S. Antonakopoulos and L. Zhang. Minimum-cost network design with (dis)economies of scale. FOCS 2010: 585-592.