-
公开(公告)号：CN118519752A
公开(公告)日：2024-08-20
申请号：CN202410971556.9
申请日：2024-07-19
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
Abstract: 本发明涉及基于深度强化学习的两阶段工作流调度方法和系统，属于深度强化学习技术领域。包括：1）根据用户提供的工作流和数据传输信息，构建工作流池，并初始化每个工作流的状态和任务数量；2）利用TD2QN算法循环遍历每个工作流，并将入口任务加入到就绪队列中；将进入到就绪任务队列中的任务，利用TD2QN算法进行动态地选择，并为任务分配适当的计算资源，从而最大化整个工作流的效率和性能；3）当工作流成功完成时，生成并返回有关已完成工作流的详细信息，为用户提供全面的调度结果和性能评估。本发明综合考虑成本和通信时间，提高了系统效率和性能。
-
公开(公告)号：CN117131781A
公开(公告)日：2023-11-28
申请号：CN202311148735.4
申请日：2023-09-07
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06F30/27 , G06F18/214 , G06F18/2411 , G06N3/006 , G06F119/06 , G06F119/08
Abstract: 本发明涉及一种基于协变量与mRMR‑IMFO‑SVR的制冷系统能耗预测方法，属于机器学习算法技术领域。该方法为：首先获取制冷系统原始能耗数据，对原始数据进行预处理和归一化，将同一时间各指标参数进行匹配，去除不规则数据；利用最大相关与最小冗余(mRMR)方法提取制冷系统能耗的关键特征；通过引入非线性自适应权重改善飞蛾扑火算法(MFO)容易陷入局部最优的问题，得到改进的飞蛾扑火算法(IMFO)；结合历史天气预报温度协变量，使用IMFO优化支持向量回归(SVR)参数(C，γ)；将最优参数、测试数据输入SVR进行预测。本发明对数据集的需求少，预测精度高，满足制冷系统能耗预测的需求。
-
Patent Agency Ranking
公开(公告)号：CN113487117B
公开(公告)日：2023-10-17
申请号：CN202110957980.4
申请日：2021-08-20
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06Q10/04 , G06Q30/0601
Abstract: 本发明涉及一种基于多维度用户画像的电商用户行为数据模拟的方法及系统，包括以下步骤：步骤1：构建电商平台基础数据集；电商平台基础数据集是指包括电商平台各种商品信息的集合，步骤2：构建商品间的关联规则表；商品间的关联规则是用来描述两个或多个商品之间的关联性；步骤3：构建多维度用户画像；先设计一个多维度用户画像框架，再利用该多维度用户画像框架依据使用者的不同需求实例出具体的多维度用户画像；步骤4：模拟生成电商用户行为数据；包括用户基本信息、用户购物数据和用户浏览记录数据。本发明能够快速模拟出大量电商用户的行为数据，大大降低了大数据教学和科研人员获取实验数据的难度。
-
公开(公告)号：CN115756804A
公开(公告)日：2023-03-07
申请号：CN202211525386.9
申请日：2022-11-30
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学
IPC: G06F9/48 , G06F9/455 , G06F18/214 , G06N3/0464 , G06N3/0442
Abstract: 本发明涉及一种用于混合HPC集群场景下的多元资源需求预测方法和系统，包括：(1)初始化：搭建用于采集HPC应用运行数据的运行环境；部署HPC应用；(2)数据集获取：对运行环境分别部署监控，获取HPC应用在不同运行环境下运行时的数据特征；对得到的数据特征进行数据清洗和数据处理，得到用于多元资源需求预测模型训练的HPC数据集；(3)构建、训练并验证符合多输出预测的多元资源需求预测模型即MRDP模型；(4)通过训练好的MRDP模型进行多元资源需求预测；本发明解决了高性能计算领域内HPC作业资源需求的预测问题，以便于为混合HPC集群环境中HPC任务的感知调度方案提供决策。
-
公开(公告)号：CN112068943B
公开(公告)日：2022-11-25
申请号：CN202010933828.8
申请日：2020-09-08
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明涉及一种复杂异构环境下的微服务调度方法及其实现系统，包括：(1)第一级调度：实时获取所有物理服务器、虚拟机、服务及微服务的基本信息，将有调用关系的微服务调度到关系距离更近的虚拟机中；保证各个微服务之间调用的高性能；(2)第二级调度：在业务应用运行过程中，统计一个时间段内虚拟机之间通信的延时和微服务之间的调用频繁程度，动态更新虚拟机之间的关系距离矩阵，周期性检查并迁移符合条件的微服务，保证调用频繁的微服务迁移到关系距离较近的虚拟机上。通过对微服务的两级调度之后，保证微服务能够被调度到合适的虚拟机上，尽量减少微服务跨虚拟机、跨物理服务器、跨网段调用，达到微服务之间高效调用的效果。
-
公开(公告)号：CN115129477A
公开(公告)日：2022-09-30
申请号：CN202210918942.2
申请日：2022-08-01
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明公开了一种资源高效与服务质量感知的推理服务系统自适应调度方法，包括：深度学习模型自动选择模块利用协同过滤方法预测推理工作负载在不同深度学习模型上运行的推理性能；深度学习模型自动选择模块利用贪婪算法选择满足用户服务质量需求的最优深度学习模型，并将最优深度学习模型部署至容器中为推理服务系统中的推理工作负载服务；协同管理模块利用深度强化学习方法，根据推理工作负载的动态变化，协同地调整GPU资源分配和批量大小设置，本发明可根据用户的需求自动地选择深度学习模型，可根据推理工作负载的动态变化协同地调整GPU资源的分配和批量大小的设置。
-
公开(公告)号：CN113487117A
公开(公告)日：2021-10-08
申请号：CN202110957980.4
申请日：2021-08-20
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明涉及一种基于多维度用户画像的电商用户行为数据模拟的方法及系统，包括以下步骤：步骤1：构建电商平台基础数据集；电商平台基础数据集是指包括电商平台各种商品信息的集合，步骤2：构建商品间的关联规则表；商品间的关联规则是用来描述两个或多个商品之间的关联性；步骤3：构建多维度用户画像；先设计一个多维度用户画像框架，再利用该多维度用户画像框架依据使用者的不同需求实例出具体的多维度用户画像；步骤4：模拟生成电商用户行为数据；包括用户基本信息、用户购物数据和用户浏览记录数据。本发明能够快速模拟出大量电商用户的行为数据，大大降低了大数据教学和科研人员获取实验数据的难度。
-
-
-
-
-
-
Search Results
37
records
(took 0.044 seconds)
