-
公开(公告)号：CN115145383A
公开(公告)日：2022-10-04
申请号：CN202210834359.3
申请日：2022-07-14
Applicant: 桂林理工大学
Abstract: 本发明涉及异构计算技术领域，具体涉及一种面向CPU/GPU服务器的自适应节能选择方法，采用A3C算法对集群的任务分配进行优化，构建出基于A3C深度强化学习的节能调度算法，即EE‑A3C算法，其中通过A3C算法让多个线程并行执行，可以去除训练过程中过程转移样本之间的关联性，提高训练稳定性，减小对内存和GPU的要求，同时使用DVFS策略和处理器策略共同组成了任务分配方式，把所有可能的任务分配方式作为EE‑A3C算法的动作空间，通过不断地与环境交互学习，EE‑A3C算法能够针对不同类型的任务集环境，自适应地选取合适的任务分配方法以达到节能效果。
-
公开(公告)号：CN111562837B
公开(公告)日：2023-05-05
申请号：CN202010368714.3
申请日：2020-05-02
Applicant: 桂林理工大学
IPC: G06F1/3234 , G06F1/329 , G06F9/48
Abstract: 一种多CPU/GPU异构服务器的功耗控制方法。首先用户将作业提交到服务器功耗控制框架，其中的作业调度器接收到作业后初始化，获取作业信息；接着，作业调度器将作业信息发送到功耗控制器，对信息进行绑定后，功耗控制器内部的最佳选择方法按照作业信息选取一种策略给每个处理组件分配功率预算。然后每个处理组件向功耗控制器返回功耗情况，按照返回的功耗情况，功耗控制器中的最佳选择方法自我更新，完成后方法重置。本发明以服务器吞吐量最大化为目标，提出了一种采用强化学习的功耗控制方法，其时间复杂度是多项式时间，可以适用于处理在线的、大规模作业；采用强化学习的方法自动选取策略，能够自我学习、自我更新，可以适用于各种不同场景。
-
Patent Agency Ranking
公开(公告)号：CN112214295A
公开(公告)日：2021-01-12
申请号：CN202011007696.2
申请日：2020-09-23
Applicant: 桂林理工大学
Abstract: 本发明公开了一种多CPU/GPU异构服务器集群的低能耗作业调度方法。首先接收用户提交的作业，根据该作业在CPU和GPU上的执行时间情况对该作业进行分类，然后调用动态分配方法对该作业进行分配。动态分配方法的中心思想在于尽可能把任务分配到偏好的处理器上以确保较好的执行效果，无法分配时把尝试把处理器的任务队列中异构比较小的任务替换出来，必要时可以通过DVFS技术调高处理器频率的方法强行分配，通过这种方法达到少开服务器以降低能耗的效果。本发明以最小化集群完成任务所需能耗为目的，在满足作业时限的前提下，实现在线的调度作业，该方法计算简单、运算速度快，适用于在线、大规模的服务请求场景。
-
公开(公告)号：CN112214295B
公开(公告)日：2024-02-06
申请号：CN202011007696.2
申请日：2020-09-23
Applicant: 桂林理工大学
Abstract: 本发明公开了一种多CPU/GPU异构服务器集群的低能耗作业调度方法。首先接收用户提交的作业，根据该作业在CPU和GPU上的执行时间情况对该作业进行分类，然后调用动态分配方法对该作业进行分配。动态分配方法的中心思想在于尽可能把任务分配到偏好的处理器上以确保较好的执行效果，无法分配时把尝试把处理器的任务队列中异构比较小的任务替换出来，必要时可以通过DVFS技术调高处理器频率的方法强行分配，通过这种方法达到少开服务器以降低能耗的效果。本发明以最小化集群完成任务所需能耗为目的，在满足作业时限的前提下，实现在线的调度作业，该方法计算简单、运算速度快，适用于在线、大规模的服务请求场景。
-
公开(公告)号：CN111885546B
公开(公告)日：2023-03-14
申请号：CN202010734978.6
申请日：2020-07-28
Applicant: 桂林理工大学
Abstract: 本发明公开了一种基于协作干扰和人工噪声的车载物理层安全传输方法，属于无线通信领域，包括如下步骤，相邻车载用户通过V2V的通信方式实现私密信号的传输，同时存在随机分布的若干个被动窃听节点和协作干扰节点；将动态车载环境下的不完美信道信息建模为一阶高斯马尔科夫过程；设计不完美信道信息下基于协作干扰和人工噪声协助的车载通信物理层安全传输机制；根据V2V链路目的节点以及窃听端的信干噪比分别计算V2V链路与窃听链路的连通中断概率与安全中断概率；根据V2V链路的连通中断概率与安全中断概率，构建V2V链路安全吞吐量的优化模型；通过优化V2V链路源节点的功率分配因子实现车载通信链路安全吞吐量最大化，保障车载通信链路的物理层安全。
-
公开(公告)号：CN111885546A
公开(公告)日：2020-11-03
申请号：CN202010734978.6
申请日：2020-07-28
Applicant: 桂林理工大学
Abstract: 本发明公开了一种基于协作干扰和人工噪声的车载物理层安全传输方法，属于无线通信领域，包括如下步骤，相邻车载用户通过V2V的通信方式实现私密信号的传输，同时存在随机分布的若干个被动窃听节点和协作干扰节点；将动态车载环境下的不完美信道信息建模为一阶高斯马尔科夫过程；设计不完美信道信息下基于协作干扰和人工噪声协助的车载通信物理层安全传输机制；根据V2V链路目的节点以及窃听端的信干噪比分别计算V2V链路与窃听链路的连通中断概率与安全中断概率；根据V2V链路的连通中断概率与安全中断概率，构建V2V链路安全吞吐量的优化模型；通过优化V2V链路源节点的功率分配因子实现车载通信链路安全吞吐量最大化，保障车载通信链路的物理层安全。
-
公开(公告)号：CN111562837A
公开(公告)日：2020-08-21
申请号：CN202010368714.3
申请日：2020-05-02
Applicant: 桂林理工大学
IPC: G06F1/3234 , G06F1/329 , G06F9/48
Abstract: 一种多CPU/GPU异构服务器的功耗控制方法。首先用户将作业提交到服务器功耗控制框架，其中的作业调度器接收到作业后初始化，获取作业信息；接着，作业调度器将作业信息发送到功耗控制器，对信息进行绑定后，功耗控制器内部的最佳选择方法按照作业信息选取一种策略给每个处理组件分配功率预算。然后每个处理组件向功耗控制器返回功耗情况，按照返回的功耗情况，功耗控制器中的最佳选择方法自我更新，完成后方法重置。本发明以服务器吞吐量最大化为目标，提出了一种采用强化学习的功耗控制方法，其时间复杂度是多项式时间，可以适用于处理在线的、大规模作业；采用强化学习的方法自动选取策略，能够自我学习、自我更新，可以适用于各种不同场景。
-
-
-
-
-
-
Search Results
7
records
(took 0.016 seconds)
