Open Access

Andreas Lund

• This thesis deals with the subject of autonomous, decentralized task allocation in a large scaled multi-core network. The self-organization of such interconnected systems becomes more and more important for upcoming developments. It is to be expected that the complexity of those systems becomes hardly manageable to human users. Self-organization is part of a research field of the Organic Computing initiative, which aims to find solutions for technical systems by imitating natural systems and their processes. Within this initiative, a system for task allocation in a small scaled multi-core network was already developed, researched and published. The system is called the Artificial Hormone System (AHS), since it is inspired by the endocrine system of mammals. The AHS produces a high amount of communication load in case the multi-core network is of a bigger scale. The contribution of this thesis is two new approaches, both based on the AHS in order to cope with large scaled architectures. The major idea of those two approaches is to introduce a hierarchy into the AHS in order to reduce the produced communication load. The first and more detailed researched approach is called the Hierarchical Artificial Hormone System (HAHS), which orders the processing elements in clusters and builds an additional communication layer between them. The second approach is the Recursive Artificial Hormone System (RAHS), which also clusters the system’s processing elements and orders the clusters into a topological tree structure for communication. Both approaches will be explained in this thesis by their principle structure as well as some optional methods. Furthermore, this thesis presents estimations for the worst case timing behavior and the worst-case communication load of the HAHS and RAHS. At last, the evaluation results of both approaches, especially in comparison to the AHS, will be shown and discussed.
• Die vorliegende Dissertation handelt vom Thema der Taskallokation in einem autonomen und dezentralisierten Multi-Core Netzwerk. Die Selbst-Organisation solcher Systeme wird angesichts neuer technischer Entwicklungen immer wichtiger. Es ist zu erwarten, dass die Komplexität solcher Systeme die Wartbarkeit durch menschliche Benutzer unmöglich macht. Selbstorganisation ist ein Teil-Forschungszweig der im Zusammenhang mit der Organic Computing Initiative steht. Dabei wird versucht, Lösungen für technische Probleme zu finden, indem Konzepte der Biologie imitiert werden. Hieraus entstand unter anderem das Künstliche Hormonsystem (KHS), welches das Problem der Taskallokation in kleinskalierten Multi-Core Systemen dezentral löst. Benannt wurde es nach dem endokrinen System von Säugetieren, dessen Funktionsprinzip es imitiert. Für hochskalierte Systeme produziert das KHS aber eine zu hohe Kommunikationslast. Diese Dissertation präsentiert zwei neue Systeme, die einerseits beide auf dem KHS aufbauen, aber andererseits auch für hoch-skalierte Architekturen geeignet sind. Die Idee beider Systeme ist es, hierarchische Konzepte zu nutzen, um die Kommunikationslast zu reduzieren. Das erste System, das Hierarchische Künstliche Hormonsystem (HiKüHos), teilt die Prozessoreinheiten in Cluster ein und baut zwischen diesen eine zusätzliche Kommunikationsebene auf. Das zweite System, das Rekursive Künstliche Hormonsystem (ReKüHos), baut ebenso mehrere Cluster aus Prozessoreinheiten auf und ordnet diese in eine Baumstruktur für die Kommunikation ein. Die prinzipielle Struktur beider Systeme sowie ihre optionalen Methoden beziehungsweise Unterkonzepte werden in dieser Dissertation ausgeführt. Weiterhin werden Abschätzungen zur Worst-Case Laufzeit und Worst-Case Kommunikationslast präsentiert. Letztendlich werden die durchgeführten Evaluationen vorgestellt und diskutiert.