[0078] 用一个二维数组EV表示转换的实际效率值，EV[i][j]表示从状态i转换到状态j的效率值（其中i
[0079] 用一个一维数组TSA保存各功耗平均维持时间，TSA[i]为处于功耗状态i的平均维持时间
[0080] 用一个二维数组TBA保存功耗状态转换前处于高功耗的平均时间，TBA[i][j]表示转入低功耗状态j前处于较高功耗i的平均时间；
[0081] 辅助数组更新实现：
[0082] a表示当前状态，b表示要转换到的状态，time表示状态a维持的时间，伪代码如下：
[0083]
[0084] 评估参数更新实现：
[0085] 伪代码实现如下：
[0086]
[0087]
[0088]
[0089] 下面基于笔记本电脑对硬盘进行动态电源管理，利用本发明的策略性能评估方法对动态电源管理经典策略---超时策略、指数平均策略、半马尔科夫模型策略、更新理论模型策略进行性能评估，并根据评估结果对各个策略进行比较。
[0090] 1）测试环境如下表1所示：
[0091] 表1测试环境
[0092]
[0093] 2）硬盘状态转换时间和功耗表
[0094] 表2硬盘各状态功耗表
[0095]State △T Power
Active NA 2.5W
idle 1.0ms 2.0W
Standby 2.0s 0.25W
Sleep 6.0s 0.1W
[0096] 表3硬盘状态转换功耗表
[0097]
[0098] 3）实验方法
[0099] 测试时间大约8分钟（500秒），在此时间内播放一段长约5分20秒的视频，接着编写一段helloworld代码，启动gcc编译helloworld代码，执行此代码，最后大约一分半钟什么都不做。此方法可同时测试算法在以下情况的性能：第一，硬盘在一段时间内较忙；第二，硬盘空闲。
[0100] 4）实验结果
[0101] ●能耗评估参数
[0102] 表4策略能耗评估表
[0103]策略 P(W) E01 E02 E12
Timeout(2s) 1.72 0.8 0.199 0.227
自适应Timeout 1.63 0.8 0.118 0.195
指数平均算法 1.85 0.8 0.153 0.233
DTMDP 1.90 0.8 0.294 0.457
更新理论模型 1.60 0.8 0.179 0.236
[0104]
[0105] 表5策略效率比较表
[0106]策略 E01-EVI01 E02-EVI02 E12-EVI12
Timeout(2s) 0.000 0.099 0.102
自适应Timeout 0.000 0.018 0.070
指数平均算法 0.000 0.053 0.108
DTMDP 0.000 0.194 0.332
更新理论模型 0.000 0.079 0.111
[0107] 由于由active与idle的转换时间是微秒级的，可忽略不计，因此E01-EVI01均为0，从平均功耗P列可看出，更新理论模型节能效果最好，且从表5可看出更新理论模型效率值与理想效率值差值不大，综合看，在能耗评估参数下，更新理论的节能效果最好。
[0108] ●时间评估参数
[0109] 表6策略低功耗时间比较表
[0110]
[0111]
[0112] TSA值越大，策略性能越好，这表明设备处于低功耗状态的时间更长,而TBA值越小，策略性能好,表明策略对低功耗转换的反映更快，能减少等待转换过程中消耗的能量，因此从表6看，更新理论的响应是最快的，且处于低功耗的时间较理想，所以更新理论模型效果最好。
[0113] 3）转换次数评估参数
[0114] 表7策略状态转换次数评估参数
[0115]策略 N01 N02 N10 N12 N20 N21 Nwd
Timeout(2s) 160 0 144 35 16 19 23
自适应Timeout 136 0 134 17 3 14 11
指数平均算法 134 0 129 17 5 12 11
DTMDP 151 0 143 25 8 17 18
更新理论模型 156 0 141 40 15 25 21
[0116] N01的转换是设备硬件实现的，策略控制的是idle到standby的转换，即N12，算法应该尽量降低Nwd的值从而使N12中有效进入低功耗状态次数更多，更新理论模型中Nwd的值在N12中的比重是最小。综合上述实验结果，无论从能耗、时间或状态转换次数来看，更新理论模型的性能是最好的。
