嵌入式系统的高速发展，使高性能和低功耗的矛盾日益突出，低功耗技术与系统级的电源管理正成为研究的热点。动态电源管理(DPM)是一种设计方法，它根据请求服务和性能要求，通过对电子系统的动态的配置，启动尽可能少的元组或让这些元组处于适当的能耗状态，从而实现对能耗的有效利用。 电源管理系统可以看成是不同种类的电源管理组件的集合，它们被电源管理器所控制。电源管理器通过对系统负载统计信息的分析做出相应的电源控制策略。随着对DPM的深入研究，一个标准化的动态电源管理框架和支持不同电源管理策略的策略框架日益变得重要，它为不同系统的DPM实现提供一个基本的框架，为各个策略优化算法的实现提供DPM接口，可以大大推进DPM的标准化与整合不同的策略优化算法，为策略优化算法的验证提供基础设施。本文提出了DPM框架和支持不同电源管理策略的策略框架的实现，并指定了DPM框架与策略优化算法之间的交互接口与方式，实现了策略优化算法的“可插拔”性。 策略优化是DPM的重点，目前涌现出了各种各样的优化算法。一般分为基于预测的算法和随机优化算法两大类。预测性算法常见的有Timeout算法、PAST算法、PEAK算法和AVG算法。而随机优化算法一般利用马尔可夫决策过程对DPM进行模拟，分别对服务提供者、系统环境、性能约束和能耗约束等进行建模，是一种具有严谨性和全局优化性的策略优化解决方案。本文以支持Enhanced Intel SpeedStep技术的Intel Pentium M处理器做为研究载体，实现了指数平均算法(AVG)和随机模型算法。对于随机模型算法，本文提出了对Pentium M处理器的性能约束和能耗约束的定义，并对Pentium M处理器的负载和Pentium M处理器操作点的转变采用了马尔可夫过程进行建模，最后用马尔可夫决策优化算法在多项式时间内得到了DPM的最优策略。实验结果表明，由于对实际系统进行了逼真的模拟，在性能和能耗的约束下，DPM随机模型获得了比其它策略算法更值得信任的优化策略。实验结果也给出了性能约束与能耗约束之间的关系曲线图，它符合递降凸函数的性质。同时，两种策略优化算法的实现验证了DPM框架与策略框架的可行性。