[发明专利]一种基于贝叶斯网络的分布式计算任务调度算法有效
申请号: | 201810989541.X | 申请日: | 2018-08-28 |
公开(公告)号: | CN109298921B | 公开(公告)日: | 2020-04-28 |
发明(设计)人: | 辛宇;王亚迪 | 申请(专利权)人: | 哈尔滨理工大学 |
主分类号: | G06F9/48 | 分类号: | G06F9/48;G06K9/62;G06F16/901 |
代理公司: | 哈尔滨市阳光惠远知识产权代理有限公司 23211 | 代理人: | 刘景祥 |
地址: | 150080 黑龙*** | 国省代码: | 黑龙江;23 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: |
本发明是一种基于贝叶斯网络的分布式计算任务调度算法,利用HEFT算法对有向无环图调度,得到调度结果,进一步构建数据集D |
||
搜索关键词: | 一种 基于 贝叶斯 网络 分布式 计算 任务 调度 算法 | ||
【主权项】:
1.一种基于贝叶斯网络的分布式计算任务调度算法,其特征是:包括以下步骤:步骤一:利用HEFT调度算法对随机生成的有向无环图进行调度,得到每个有向无环图所有的子任务分配不同CPU编号的结果,所述每个有向无环图所有的子任务分配不同CPU编号的结果为HEFT调度算法的调度结果;步骤二:取待调度的有向无环图中的单个子任务,取所述单个任务在不同CPU上的处理时间和Rank值,作为数据集D1的特征值,取HEFT算法的调度结果作为数据集D1的分类结果,生成数据集D1;步骤三:利用构建的贝叶斯网络模型对数据集D1进行处理,得到数据集D1每个子任务调度到不同CPU上处理的概率;步骤四:将步骤三中得到的所述数据集D1中的每个子任务在不同CPU上处理的概率作为新的特征,加入到数据集D1中,构成新的数据集D2;步骤五:计算数据集D2中每个任务调度到不同CPU上的先验概率P(c);步骤六:取待调度的有向无环图中的一个子任务,计算所述子任务在数据集D2中在不同CPU上的处理时间和Rank值,再计算所述子任务调度到不同CPU上的条件概率P(xi|c);步骤七:待得到所述子任务调度到不同CPU上的先验概率和条件概率后,利用贝叶斯网络模型对所述有向无环图中子任务调度到不同CPU的结果进行预测;步骤八:重复步骤六到七,直至待调度的有向无环图中的所有子任完成条件概率的计算,并完成贝叶斯网络模型对所述有向无环图中所有子任务的调度到不同CPU结果的预测;步骤九:当对待调度的有向无环图的所有子任调度结果预测结束,输出甘特图,完成调度任务。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于哈尔滨理工大学,未经哈尔滨理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201810989541.X/,转载请声明来源钻瓜专利网。