声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：51-1196/TP
国际刊号：1001-3695
发布日期:
作者：许伦凡,熊敏,肖永浩,
单位：中国工程物理研究院计算机应用研究所,四川绵阳621900；
关键词：执行时间预测,作业调度,遗传算法,K近邻,
基金：国家重点研发计划资助项目(2016YFB0201504)；；
传统基于用户预估的执行时间通常准确性较差。结合分类和基于实例的学习方法，综合使用模板相似和数值相似方法，在历史调度数据中获取当前作业的相似作业，并使用其历史信息预测当前作业执行时间。使用调度历史中的用户名、分组名、队列名、应用名、用户请求处理器数、用户请求（预估）执行时间和用户请求内存量等属性进行训练和预测，算法中涉及的参数使用遗传算法确定。数值实验表明，相较于已有文献，本方法在使用更少参数的前提下得到了与文献结果中相近的低估率，并获得了更低的平均绝对误差。在HPC2N04和HPC2N05日志数据集上，平均绝对误差分别降低了43%和77%。研究了使用在线预测替换用户估计对作业调度的影响，对结果进行了初步分析并指出了今后的改进方向。
来源：2020年第3期
《计算机应用研究》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。