任务调度路径选择方法的研究与仿真

摘要：

研究任务调度路径最优选择是资源调度领域中的一个关键问题,合理的选择任务调度路径可以大幅提高机器学习过程的效率.但是,在复杂的机器学习过程中,任务调度过程约束过多,甚至相互矛盾,无法形成线性的最优选择关系,选择过程中约束条件的选取无法做到自适应,一些关键条件的判断还是采用的传统方法的人工约束条件,限制了其应用性.提出一种新的调度路径最优选择方法.先依据Bezler曲线思想理论,并构建调度路径最优选择的目标函数,将调度路径最优选择的非线性有约束优化问题转换为非线性无约束优化问题,利用机器学习算法选取隐含最优路径信息量最大的样本,获得路径最优选择知识进行学习,将学习的结果构造成决策树的形式,作为输入向量定义调度路径最优选择的超平面,完成对调度路径最优选择.仿真结果表明,采用机器学习的调度路径最优选择方法能准确并快速地寻找到最优路径.

关键词：路径规划、曲线、机器学习

所属期刊栏目：33

分类号：TP242.6(自动化技术及设备)

资助基金：山西省科学技术厅软科学研究项目2013041049-03

在线出版日期：2016-08-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：340-343