公开(公告)号：CN111612124A

公开(公告)日：2020-09-01

申请号：CN202010274864.8

申请日：2020-04-09

Applicant: 杭州电子科技大学

Inventor： 程雨夏 ,  谭惟予 ,  刘奎 ,  吴卿

IPC: G06N3/04 ,  G06N3/08 ,  G06N3/12 ,  H04L12/24 ,  G06F9/48

Abstract: 本发明公开了一种面向任务智能调度的网络结构自适应优化方法，克服了现有技术的系统不必要开销大、连接的时间和资源开销大的问题，相比于传统启发式或基于普通全连接神经网络的调度模型和算法，本发明根据不同任务模型使神经网络向不同方向进化，自适应能力强，节点和连接数极少，节省资源与时间开销，既能改变节点和连接的拓扑关系，也可以改变连接权重值，变化方式灵活。本发明提出的进化神经网络结合强化学习的调度模型结构简单，可节省大量资源与时间开销，同时能使神经网络的拓扑结构自适应进化成适合做调度的网络结构，缩短任务完成的最大完成时间，提高任务的调度效率。

公开(公告)号：CN111209095A

公开(公告)日：2020-05-29

申请号：CN201910769326.3

申请日：2019-08-20

Applicant: 杭州电子科技大学

Inventor： 程雨夏 ,  刘奎 ,  吴志伟 ,  吴卿

IPC: G06F9/48 ,  G06F9/50

Abstract: 本发明公开了一种DAG并行任务调度中基于树搜索的剪枝方法，所述方法包括步骤:选择阶段：根结点s0开始，选择路径上UCT值最大的子结点s，直到到达叶子结点，对UCT值最大的子结点s进行判断；剪枝阶段：对从根结点到当前结点的路径上的所有结点的makespan值和未调度的关键路径任务结点在各自最快完成的处理器上执行时间的累加值做判断；扩展阶段：判断S4步骤选中的叶子结点是不是终止结点，依据判断结果创建新的子结点，添加到搜索树上，更新新的子结点的标记；模拟阶段：从扩展结点开始，将剩余的任务进行模拟任务调度的过程；回传阶段：模拟结束后，将所得信息回传到根结点上。本发明提供一种加入剪枝的蒙特卡洛树搜索的DAG任务调度方法。