-
公开(公告)号：CN112948087A
公开(公告)日：2021-06-11
申请号：CN202110252562.5
申请日：2021-03-09
Applicant: 湖南大学
IPC: G06F9/48
Abstract: 本发明公开了一种基于拓扑排序的任务调度方法及系统，属于计算机系统技术领域。包括：获取大规模有向无环任务调度图，并基于拓扑排序的粗化算法对大规模有向无环任务调度图进行多级粗化处理，以获得对应的有向无环初始调度图；基于小规模调度算法对有向无环初始调度图进行初始划分，以获得有向无环初始调度图的粗化图划分结果；基于细化算法将粗化图划分结果映射回大规模有向无环任务调度图，并进行细化调整，以获得大规模有向无环任务调度图的任务调度划分结果。由于预先对大规模有向无环任务调度图进行了多级粗化处理，对任务进行了聚类，从而对于大规模任务调度场景，使用任务调度算法也能够有效缩小处理量，进而降低运算复杂度。
-
公开(公告)号：CN112612613A
公开(公告)日：2021-04-06
申请号：CN202011574923.X
申请日：2020-12-28
Applicant: 湖南大学
Abstract: 本发明公开了一种虚拟分布式异构环境下实现多GPU调度的方法，其根据OpenStack创建的虚拟环境下的GPU集群，将GPU本地任务划分为更细粒度的GPU本地子任务，然后根据数据本地性以及从节点上所有GPU的流状态和内存资源状态将GPU本地子任务调度到指定GPU上执行，并对超过GPU硬件工作队列数量的CUDA流进一步调整主机调度任务的顺序消除“虚假依赖”，以及对机器学习/深度学习每次迭代产生的中间数据进一步处理来提高GPU内存利用率从而充分平衡各个GPU上的工作负载，降低OpenStack创建的虚拟环境下GPU应用程序的执行时间。本发明能解决现有分布式异构OpenStack处理框架创建的多GPU环境中存在的吞吐量低、无法有效利用多个GPU、以及由于缺乏有效GPU负载均衡策略导致时间开销大的技术问题。
-
公开(公告)号：CN110162400B
公开(公告)日：2021-01-26
申请号：CN201910421598.4
申请日：2019-05-21
Applicant: 湖南大学
Abstract: 本发明公开了一种复杂网络环境下实现MAS系统中智能体合作的方法，包括：获取复杂网络拓扑图，从复杂网络拓扑图中确定多个初始关键节点，获取每个初始关键节点的追随节点数量，按照追随节点数量的大小将所有初始关键节点进行排序，并对排序结果进行筛选，筛选结果构成初始关键节点集合，对得到的初始关键节点集合中的每个关键节点，将其和复杂网络拓扑图中所有与其连接、且不在初始关键节点集合中的节点组成初始联盟，所有初始联盟作为当前联盟构成当前联盟集合。本发明不仅能够根据拓扑结构上的关键节点形成相关的合作联盟，并且能够根据动态拓扑结构的改变对当前联盟进行调整，从而形成新的更高合作水平的联盟以带来更高的合作效率。
-
公开(公告)号：CN111045987A
公开(公告)日：2020-04-21
申请号：CN201911296941.3
申请日：2019-12-17
Applicant: 湖南大学
IPC: G06F16/13 , G06F16/182 , G06K9/62
Abstract: 本发明公开了一种基于Ceph分布式文件系统加速元数据访问的方法，包括：利用时间戳链表获取每个文件元数据的访问次数；采集每个元数据的时间属性和访问次数；重复使用K-Means算法对这些元数据进行聚类，找到两个聚类中心点；利用上述两个聚类中心，设置预取门槛值，当某个文件的点击次数达到门槛值就去MDS预取。并在MDS服务器中选择符合要求的元数据；本发明能够解决现有Ceph分布式文件系统元数据访问机制中存在的缓存命中率低、元数据传输次数过多、元数据的查询效率低的技术问题。
-
公开(公告)号：CN110955732A
公开(公告)日：2020-04-03
申请号：CN201911294970.6
申请日：2019-12-16
Applicant: 湖南大学
Abstract: 本发明公开了一种用于在Spark环境中实现分区负载均衡的方法，包括：接收用户发送的Spark应用程序，对该Spark应用程序进行解析，以得到表征多个弹性分布式数据集RDD之间关系的RDD图、以及调度阶段的有向无环图DAG，根据DAG图依次确定每两个相邻调度阶段之间的依赖关系，并对得到的所有依赖关系中的宽依赖关系进行编号，设置计数器cnt＝1，判断cnt是否大于宽依赖关系的总数，如果不是则对第cnt个宽依赖关系对应的Map端中最后一个RDD中的所有分区中的数据进行采样，以得到表征数据键分布的、每个分区对应的哈希表，将得到的所有分区对应的哈希表进行合并。本发明能够在解决大数据计算中数据倾斜问题的同时，优化计算资源的分配，缩短程序运行时间。
-
Patent Agency Ranking
公开(公告)号：CN110263707A
公开(公告)日：2019-09-20
申请号：CN201910531711.4
申请日：2019-06-19
Applicant: 湖南大学
Abstract: 本申请具体涉及一种图像识别方法、装置、计算机设备和存储介质。方法包括：通过获取待识别图像，并将待识别图像输入训练完成的深度卷积神经网络；其中深度卷积神经网络通过在卷积层进行数据并行，而在全连阶层进行模型并行的训练方案训练获得。本申请图像识别方法通过在深度卷积神经网络的训练过程中，通过在卷积层采取数据并行，在全连接层进行模型并行的训练方法，通过多重并行训练缩短有效地缩短了深度卷积神经网络的训练周期，进而整体提高了图像识别过程的处理效率。
-
公开(公告)号：CN110232437A
公开(公告)日：2019-09-13
申请号：CN201910460741.0
申请日：2019-05-30
Applicant: 湖南大学
IPC: G06N3/04
Abstract: 本申请涉及一种基于CNN的时间序列预测方法和模型确定方法。所述预测方法包括：获取历史时间序列数据，根据历史时间序列数据的周期特性，确定周期参数，周期参数包括周期类型及其对应的周期时长；基于预测时间点、历史时间序列数据、周期参数以及预设循环跨度，确定预测时间点在历史时间序列数据中对应的分量数据，分量数据包括最接近时间段数据和周期数据；采用确定好的CNN模型对分量数据进行预测，得到预测时间点对应的预测结果。采用本方法能够高效准确地预测出之后的时间序列信息。
-
公开(公告)号：CN110177383A
公开(公告)日：2019-08-27
申请号：CN201910428013.1
申请日：2019-05-22
Applicant: 湖南大学
Abstract: 本发明公开了一种移动边缘计算中基于任务调度和功率分配的效率优化方法，包括：接收所有的移动设备发来的数据信息，包括待处理数据量及单位数据工作量，将所有的移动设备以随机的方式平均分配给所有MEC服务器，针对每台MEC服务器，根据来自各台移动设备的数据信息计算分配给该MEC服务器的各台移动设备对该MEC服务器使用的每个子信道的偏好程度，将该移动设备加入最大偏好程度对应的子信道的请求列表中，针对每台MEC服务器的每个子信道，计算该子信道对其请求列表中各台移动设备的偏好程度，并使该子信道与得到的多个偏好程度中最大偏好程度对应的移动设备匹配。本发明适用于多个MEC服务器、多用户、单任务的移动边缘计算系统，且优化效率高。
-
公开(公告)号：CN110119317A
公开(公告)日：2019-08-13
申请号：CN201910426632.7
申请日：2019-05-22
Applicant: 湖南大学
Abstract: 本发明公开了一种基于遗传算法的云计算任务调度方法，包括：从客户端接收资源分配请求，根据资源分配请求为所有子任务随机生成概率矩阵λ，采用广度优先搜索算法对步骤(1)中的任务依赖关系图进行处理，从而得到多个子任务序列，依次将每个子任务序列中的每个子任务分配给概率矩阵中该子任务所属任务单元所在行的最大随机概率值所对应的物理机，进而形成父种群，计算每个物理机处理对应的任务单元的时间开销和能量开销，根据该时间开销和能量开销获取父种群中每个元素所对应的所有物理机的总时间开销和总能量开销，从而构成向量集合。本发明能解决现有云计算领域缺乏一种能同时实现降低云计算时间开销和云数据中心能耗的有效机制的技术问题。
-
公开(公告)号：CN103593192B
公开(公告)日：2016-08-17
申请号：CN201310585227.2
申请日：2013-11-19
Applicant: 湖南大学
Abstract: 本发明公开了一种基于SLURM调度的算法集成与评测平台及方法，该平台包括封装模块、调度接口模块、上传下载模块、编译模块、算法集成模块及算法性能统计模块。在SLURM中心守护进程和监控进程运行过程中，利用该平台用户可动态的进行调度方法集成。当用户使用该平台的时候，只需要了解平台封装模块下提供的公共变量、结构体以及基础函数库文件，实现平台对外的两个子函数接口网上提交至服务器即可，无需关心该软件其它部分的源码以及平台中各个模块的协作关系，使SLURM开发人员或者高性能计算用户更方便的集成各自的调度算法而忽略对该软件其它模块源码的研究，在真实的环境下检测算法的性能、灵活运用各种调度算法。
-
-
-
-
-
-
-
-
-
Search Results
194
records
(took 0.024 seconds)
