GA-Sim:一种基于分类和实例学习相结合的作业运行时间预测算法

来源 :计算机工程与科学 | 被引量 : 0次 | 上传用户:accpaccp1234
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
在高性能计算作业调度系统中,许多调度算法依赖于对作业运行时间的准确估计,尤其是以EASY为代表的回填算法,而使用用户提供的作业运行时间往往会降低调度性能。提出了一种基于分类和实例学习相结合的作业运行时间预测算法--GA-Sim,该算法在考虑预测准确性的同时考虑了低估问题。在两个实际调度日志上的数值实验结果表明,相较于IRPA和TRIP算法,GA-Sim在取得更高预测精度的同时降低了低估率。对数值实验结果进行了深入分析,并给出了不同情形下选择恰当预测算法的建议。
其他文献
近年来,以神经网络为代表的机器学习领域快速发展,已广泛地应用于语音识别和图像识别等各个工业领域。随着应用环境越来越复杂,精度要求越来越高,网络规模也越来越大。大规模
在我国,汽车服务业是一个被公认的朝阳产业,特别是我国加入WTO在即,更促使汽车服务业成为了一个投资的热点。 然而,汽车服务行业却存在着诸多问题。例如:汽配行业连主管部门