基于梯度提升决策树的多任务计划进度预测系统
摘要文本
本发明涉及计算机技术领域，本发明公开了基于梯度提升决策树的多任务计划进度预测系统，包括数据获取模块，用于收集历史任务进度样本数据以及历史节点确定样本数据；模型训练模块，用于训练出第一GBDT模型；以及训练出第二GBDT模型；第一模型求解模块，用于根据实时任务进度特征数据和第一GBDT模型，获得每个任务的任务计划进度；第二模型求解模块，用于基于实时任务调度特征数据和第二GBDT模型，获得初匹配云计算节点集合；方案生成模块，用于根据任务计划进度和初匹配云计算节点集合进行分析，获取任务调度方案；根据任务调度方案将任务分别分发至每个对应的云计算节点进行计算处理。
申请人信息
- 申请人:中国电子科技集团公司第十五研究所
- 申请人地址:100083 北京市海淀区北四环中路211号
- 发明人: 中国电子科技集团公司第十五研究所
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于梯度提升决策树的多任务计划进度预测系统 |
| 专利类型 | 发明申请 |
| 申请号 | CN202410071167.0 |
| 申请日 | 2024/1/18 |
| 公告号 | CN117608809A |
| 公开日 | 2024/2/27 |
| IPC主分类号 | G06F9/48 |
| 权利人 | 中国电子科技集团公司第十五研究所 |
| 发明人 | 高硕; 肖龙斌; 姜阳; 史艳超; 程丹丹; 王文博; 李新新; 苏琳; 黄寅 |
| 地址 | 北京市海淀区北四环中路211号 |
专利主权项内容
1.基于梯度提升决策树的多任务计划进度预测系统，其特征在于，所述系统包括：数据获取模块，用于预先收集历史任务进度样本数据以及历史节点确定样本数据；模型训练模块，用于基于历史任务进度样本数据，训练出用于执行预测的第一GBDT模型；以及基于历史节点确定样本数据，训练出用于执行分类的第二GBDT模型；第一模型求解模块，用于获取T时刻下业务端上传的Q个任务，以及获取系统对Q个任务分配的初始云计算节点，基于Q个任务和初始云计算节点获取实时任务进度特征数据，根据实时任务进度特征数据和第一GBDT模型，获得每个任务的任务计划进度；第二模型求解模块，用于获取实时任务调度特征数据，基于实时任务调度特征数据和第二GBDT模型，获得初匹配云计算节点集合，所述初匹配云计算节点集合包含多个待分配云计算节点；方案生成模块，用于根据任务计划进度和初匹配云计算节点集合进行分析，以获取任务调度方案；所述任务调度方案包含Q个任务对应的云计算节点；任务分发模块，用于根据任务调度方案将多个任务分别分发至每个对应的云计算节点进行计算处理。 来源：百度马 克 数据网