[发明专利]基于集成学习的复杂系统仿真运行时间预测方法与设备

权利要求书

1.一种基于集成学习的复杂系统仿真运行时间预测方法，其特征在于，所述方法包括：

收集仿真应用运行的运行参数，得到入模运行参数；

生成候选模型组合，并获取预设的待训练元模型；

利用所述入模运行参数对各所述候选模型组合以及所述待训练元模型进行集成训练，得到候选集成模型；

对各所述候选集成模型进行评估，确定仿真运行时间预测模型，利用所述运行时间预测模型预测仿真应用的运行时间；

所述利用所述入模运行参数对各所述候选模型组合以及所述待训练元模型进行集成训练，得到候选集成模型，包括：

将所述入模运行参数为输入、所述入模运行参数对应的运行时间为目标，分别独立训练所述候选模型组合中的各个模型；利用训练好的所述候选模型组合中的各个模型分别进行运行时间的预测；将所述候选模型组合中的各个模型预测的运行时间以及所预测的运行时间对应的输入运行参数融合到原训练集中，得到融合训练集；根据所述融合训练集训练所述待训练元模型，得到训练好的候选集成模型。

2.根据权利要求1所述的方法，其特征在于，所述收集仿真应用运行的运行参数，得到入模运行参数，包括：

利用云计算节点监控和收集仿真应用的运行前参数和运行时参数，得到仿真应用的运行参数；

对所述运行参数进行特征选择，筛选得到入模运行参数。

3.根据权利要求2所述的方法，其特征在于，所述对所述运行参数进行特征选择，筛选得到入模运行参数，包括：

利用方差选择法分别对各所述运行参数进行特征选择，得到各所述运行参数的特征重要性；

根据所述特征重要性筛选对各所述运行参数排序，筛选得到入模运行参数。

4.根据权利要求1所述的方法，其特征在于，所述对各所述候选集成模型进行评估，确定仿真运行时间预测模型，包括：

各所述候选集成模型分别利用验证运行参数预测运行时间，得到评估预测时间；

确定所述验证运行参数对应的真实运行时间，以及计算各所述真实运行时间的平均值，得到平均运行时间；

根据所述评估预测时间、所述真实运行时间以及所述平均运行时间得到各所述候选集成模型的评估值；

根据各所述候选集成模型的评估值确定仿真运行时间预测模型。

5.根据权利要求4所述的方法，其特征在于，所述验证运行参数是收集的用于对所述候选集成模型进行预测能力评估的运行参数，包括运行前参数和运行时参数。

6.根据权利要求1所述的方法，其特征在于，利用K折交叉验证独立训练所述模型组合中的各个模型。

7.根据权利要求1所述的方法，其特征在于，所述生成候选模型组合，包括：

获取配置的模型集合；

随机从所述模型集合中选择预设数量的模型组成候选模型组合。

8.一种基于集成学习的复杂系统仿真运行时间预测装置，其特征在于，所述装置包括：

数据收集模块，用于收集仿真应用运行的运行参数，得到入模运行参数；

模型生成模块，用于生成候选模型组合，并获取预设的待训练元模型；

集成训练模块，用于将所述入模运行参数为输入、所述入模运行参数对应的运行时间为目标，分别独立训练所述候选模型组合中的各个模型；利用训练好的所述候选模型组合中的各个模型分别进行运行时间的预测；将所述候选模型组合中的各个模型预测的运行时间以及所预测的运行时间对应的输入运行参数融合到原训练集中，得到融合训练集；根据所述融合训练集训练所述待训练元模型，得到训练好的候选集成模型；

评估应用模块，用于对各所述候选集成模型进行评估，确定仿真运行时间预测模型，利用所述运行时间预测模型预测仿真应用的运行时间。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。