摘要 | 第5-6页 |
ABSTRACT | 第6页 |
第1章 绪论 | 第13-21页 |
1.1 论文研究背景 | 第13-15页 |
1.1.1 集群计算的发展 | 第13-14页 |
1.1.2 云中计算型任务的发展 | 第14-15页 |
1.2 论文研究问题的提出 | 第15-19页 |
1.2.1 计算型任务资源需求的预测 | 第18-19页 |
1.2.2 基于迭代的计算型任务的收敛性判定 | 第19页 |
1.3 论文主要研究工作 | 第19-20页 |
1.3.1 论文研究内容 | 第19-20页 |
1.3.2 论文组织结构 | 第20页 |
1.4 本章小结 | 第20-21页 |
第2章 相关研究与知识 | 第21-29页 |
2.1 资源需求预测算法 | 第21-24页 |
2.1.1 基于时间序列的预测算法 | 第21-22页 |
2.1.2 传统机器学习预测算法 | 第22-23页 |
2.1.3 深度学习预测算法 | 第23-24页 |
2.2 基于迭代的VASP任务 | 第24-27页 |
2.2.1 迭代算法 | 第24页 |
2.2.2 VASP任务相关知识 | 第24-27页 |
2.3 本章小结 | 第27-29页 |
第3章 基于Stacking模型的自适应资源需求预测算法 | 第29-49页 |
3.1 问题形式化描述 | 第29-32页 |
3.2 基于线性Stacking的资源需求预测算法 | 第32-41页 |
3.2.1 子模型选择与训练 | 第32-38页 |
3.2.2 线性Stacking集成学习 | 第38-41页 |
3.3 实验与分析 | 第41-48页 |
3.3.1 数据集选取与预处理 | 第41-43页 |
3.3.2 评价标准 | 第43-44页 |
3.3.3 实验结果 | 第44-48页 |
3.4 本章小结 | 第48-49页 |
第4章 基于时间序列的VASP收敛性判定算法 | 第49-65页 |
4.1 问题形式化描述 | 第49-50页 |
4.2 算法设计 | 第50-55页 |
4.2.1 特征提取 | 第50页 |
4.2.2 任务运行中两阶段判定算法 | 第50-55页 |
4.2.3 算法伪代码 | 第55页 |
4.3 实验与分析 | 第55-64页 |
4.3.1 数据预处理 | 第55-57页 |
4.3.2 评价标准 | 第57-59页 |
4.3.3 实验结果 | 第59-64页 |
4.4 本章小结 | 第64-65页 |
第5章 总结与展望 | 第65-67页 |
5.1 论文工作总结 | 第65-66页 |
5.2 未来研究展望 | 第66-67页 |
参考文献 | 第67-71页 |
致谢 | 第71-73页 |
在读期间发表的学术论文与取得的研究成果 | 第73页 |