基于程序插桩技术的程序运行时间预测方法
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 选题背景 | 第12-14页 |
| 1.2 研究现状 | 第14-17页 |
| 1.2.1 基于数学模型的预测 | 第14-15页 |
| 1.2.2 基于相似性的预测 | 第15-16页 |
| 1.2.3 基于骨架程序的预测 | 第16页 |
| 1.2.4 基于部分执行的预测 | 第16-17页 |
| 1.2.5 基于历史数据的预测 | 第17页 |
| 1.3 本文研究内容 | 第17-18页 |
| 1.4 本章小结 | 第18-20页 |
| 第2章 研究方法 | 第20-30页 |
| 2.1 前言 | 第20-21页 |
| 2.2 问题定义 | 第21-22页 |
| 2.3 研究目标 | 第22-24页 |
| 2.4 研究方案 | 第24-26页 |
| 2.5 相关工作 | 第26-28页 |
| 2.5.1 Mantis | 第26页 |
| 2.5.2 ParaVT | 第26-27页 |
| 2.5.3 Extra-P | 第27页 |
| 2.5.4 PEMOGEN | 第27-28页 |
| 2.6 本章小结 | 第28-30页 |
| 第3章 程序插桩 | 第30-40页 |
| 3.1 程序插桩技术简述 | 第30-31页 |
| 3.2 程序插桩的任务目标 | 第31-36页 |
| 3.2.1 主干特征提取 | 第32-33页 |
| 3.2.2 赋值语句 | 第33-34页 |
| 3.2.3 MPI函数 | 第34-35页 |
| 3.2.4 特征数据的输出 | 第35-36页 |
| 3.3 探针效应的控制 | 第36-37页 |
| 3.4 其他讨论 | 第37-38页 |
| 3.5 本章小结 | 第38-40页 |
| 第4章 建立模型 | 第40-48页 |
| 4.1 预测模型 | 第40-44页 |
| 4.1.1 多元线性回归 | 第40-41页 |
| 4.1.2 岭回归 | 第41页 |
| 4.1.3 LASSO | 第41-42页 |
| 4.1.4 人工神经网络 | 第42页 |
| 4.1.5 随机森林 | 第42-44页 |
| 4.2 特征筛选 | 第44-47页 |
| 4.2.1 根据时间筛选 | 第44-45页 |
| 4.2.2 根据重要性筛选 | 第45-47页 |
| 4.2.3 方法分析 | 第47页 |
| 4.3 本章小结 | 第47-48页 |
| 第5章 实验分析 | 第48-58页 |
| 5.1 实验配置 | 第48-50页 |
| 5.2 Graph500 | 第50-53页 |
| 5.3 GalaxSee | 第53-56页 |
| 5.4 实验小结 | 第56-57页 |
| 5.5 本章小结 | 第57-58页 |
| 第6章 总结和展望 | 第58-64页 |
| 6.1 总结 | 第58-59页 |
| 6.2 仍存在的问题 | 第59-61页 |
| 6.2.1 进程的对称性 | 第59页 |
| 6.2.2 插桩问题 | 第59-61页 |
| 6.2.3 其他 | 第61页 |
| 6.3 展望 | 第61-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-70页 |
| 在读期间发表的学术论文与取得的研究成果 | 第70页 |
