[發明專利]基于集成學習的分布式計算環境性能預測方法

在審

• 申請號: 201410205434.5
• 申請日: 2014-05-15
• 公開（公告）號: CN104008426A
• 公開（公告）日: 2014-08-27
• 發明（設計）人: 曹健;楊定裕;董樑;顧驊;沈琪駿;王烺
• 申請（專利權）人: 上海交通大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04
• 代理公司: 上海漢聲知識產權代理有限公司 31236
• 代理人: 胡晶

1.一種基于集成學習的分布式計算環境性能預測方法，其特征在于，對預測器進行優化和集成，以得到預測結果；

對預測器進行優化包括：

S11、對每種預測器維持一候選集合，候選集合包含若干預測器，每個預測器對應唯一的一組參數值；

S12、從候選集合選擇若干預測誤差最小的預測器；

S13、每隔一定時間執行一次S12，從候選集合中剔除預測誤差最大的若干預測器，同時對候選集合進行補充，以保持候選集合內參數值的組合數量不變；

對預測器進行集成包括：

S21、采用Scoring算法為每個預測器都建立一個分數，每次預測前對預測器上次的預測結果進行評價，根據預測結果的好壞，對分數進行相應的增加或降低，選擇分數高于一上限值的預測器作為預測器代表，預測器代表的輸出作為最終的預測結果；

或者，S22、選擇分數最高的若干預測器，對他們賦予不同的權重進行加權平均，每一預測器的權重等于(所選擇的分數最高的若干預測器中預測誤差最大值-次預測器的誤差值)/(所選擇的分數最高的若干預測器中預測誤差最大值-所選擇的分數最高的若干預測器中預測誤差最小值)；

S23、預測結果為

其中，L為所選擇的分數最高的若干預測器的數量，α_i為L個預測器中預測器i的權重，P_i(x)為預測器i的預測值。

2.根據權利要求1所述的基于集成學習的分布式計算環境性能預測方法，其特征在于，預測器的預測誤差采用平均相對誤差。

3.根據權利要求1所述的基于集成學習的分布式計算環境性能預測方法，其特征在于，平均相對誤差采用交叉驗證的方法，將所有誤差值分為K組，其中K-1組作為訓練集，剩余一組作為測試集，在K次實驗后將K個誤差值求平均值，作為預測器的平均相對誤差。

4.根據權利要求1所述的基于集成學習的分布式計算環境性能預測方法，其特征在于，S13中所述同時對候選集合進行補充包括：為每組候補集合中預測器的參數值增加一個隨機的沖量。

5.根據權利要求1所述的基于集成學習的分布式計算環境性能預測方法，其特征在于，S21中，一旦選出預測器代表，則對所有分數進行重置，在預測器代表的分數低于一下限時重新選擇分數最高的預測器作為預測器代表。

6.根據權利要求1所述的基于集成學習的分布式計算環境性能預測方法，其特征在于，預測器的分數的增幅或降幅為：

增幅或降幅＝2/(候選集合的預測器的數量-1)。