[發明專利]一種智能動態調整多圖形處理器負載的控制系統

在審

• 申請號: 201710178780.2
• 申請日: 2017-03-23
• 公開（公告）號: CN106886463A
• 公開（公告）日: 2017-06-23
• 發明（設計）人: 韋興平
• 申請（專利權）人: 西華大學
• 主分類號: G06F9/50
• 分類號: G06F9/50
• 代理公司: 北京眾合誠成知識產權代理有限公司11246
• 代理人: 夏艷

1.一種智能動態調整多圖形處理器負載的控制系統，其特征在于，所述智能動態調整多圖形處理器負載的控制系統包括：

接收模塊，用于接收編碼數據；

所述接收模塊的無線信任值計算方法包括以下步驟：

步驟一，采集節點間不同時間片的交互次數，根據得到的數據建立時間序列，通過三次指數平滑法來預測節點間下一個時間片的交互次數，將交互次數預測值與實際值的相對誤差作為節點的直接信任值；采集網絡觀測節點i與節點j之間的n個時間片的交互次數：

選取一定時間間隔t作為一個觀測時間片，以觀測節點i和被測節點j在1個時間片內的交互次數作為觀測指標，真實交互次數，記作y_t，依次記錄n個時間片的y_n，并將其保存在節點i的通信記錄表中；

預測第n+1個時間片的交互次數：

根據采集到的n個時間片的交互次數建立時間序列，采用三次指數平滑法預測下一個時間片n+1內節點i和j之間的交互次數，預測交互次數，記作計算公式如下：

${\hat{y}}_{n+1}=a_n+b_n+c_n;$

預測系數a_n、b_n、c_n的取值可由如下公式計算得到：

$a_n=3{\hat{y}}_{n+1}^{\left(1\right)}-3{\hat{y}}_{n+1}^{\left(2\right)}+{\hat{y}}_{n+1}^{\left(3\right)};$

$b_n=\frac{\mathrm{\α}}{2{(1-\mathrm{\α})}^2}\[(6-5\mathrm{\α}){\hat{y}}_{n+1}^{\left(1\right)}-2(5-4\mathrm{\α}){\hat{y}}_{n+1}^{\left(2\right)}+(4-3\mathrm{\α}){\hat{y}}_{n+1}^{\left(3\right)}\];$

$c_n=\frac{{\mathrm{\α}}^2}{2{(1-\mathrm{\α})}^2}\[{\hat{y}}_{n+1}^{\left(1\right)}-2{\hat{y}}_{n+1}^{\left(2\right)}+{\hat{y}}_{n+1}^{\left(3\right)}\];$

其中：分別是一次、二次、三次指數平滑數，由如下公式計算得到：

$\begin{array}{c}{\hat{y}}_{n+1}^{\left(1\right)}=\mathrm{\α}\×y_n+(1-\mathrm{\α})\×{\hat{y}}_n^{\left(1\right)}\\ {\hat{y}}_{n+1}^{\left(2\right)}=\mathrm{\α}\×{\hat{y}}_{n+1}^{\left(1\right)}+(1-\mathrm{\α})\×{\hat{y}}_n^{\left(2\right)}\\ {\hat{y}}_{n+1}^{\left(3\right)}=\mathrm{\α}\×{\hat{y}}_{n+1}^{\left(2\right)}+(1-\mathrm{\α})\×{\hat{y}}_n^{\left(3\right)}\end{array};$

是三次指數平滑法的初始值，其取值為：

${\hat{y}}_0^{\left(1\right)}={\hat{y}}_0^{\left(2\right)}={\hat{y}}_0^{\left(3\right)}=\frac{y_1+y_2+y_3}{3};$

α是平滑系數，0＜α＜1，體現信任的時間衰減特性，即離預測值越近的時間片的y_t權重越大，離預測值越遠的時間片的y_t權重越小；如果數據波動較大，且長期趨勢變化幅度較大，呈現明顯迅速的上升或下降趨勢時α應取較大值0.6～0.8，增加近期數據對預測結果的影響；當數據有波動，但長期趨勢變化不大時，α在0.1～0.4取值；如果數據波動平穩，α應取較小值，0.05～0.20；

計算直接信任值：

節點j的直接信任值TD_ij為預測交互次數和真實交互次數y_n+1的相對誤差，

步驟二，采用多路徑信任推薦方式而得到的計算式計算間接信任值；收集可信節點對節點j的直接信任值：

節點i向所有滿足TD_ik≤φ的可信關聯節點詢問其對節點j的直接信任值，其中φ為推薦節點的可信度閾值，根據可信度的要求精度，φ的取值范圍為0～0.4；

計算間接信任值：

綜合計算所收集到的信任值，得到節點j的間接信任值TR_ij，其中，Set(i)為觀測節點i的關聯節點中與j節點有過交互且其直接信任值滿足TD_ik≤φ的節點集合；

步驟三，由直接信任值和間接信任值整合計算得出綜合信任值，綜合信任值(T_ij)的計算公式如下：T_ij＝βTD_ij+(1-β)TR_ij，其中β(0≤β≤1)表示直接信任值的權重，當β＝0時，節點i和節點j沒有直接交互關系，綜合信任值的計算直接來自于間接信任值，判斷較客觀；當β＝1時，節點i對節點j的綜合信任值全部來自于直接信任值，在這種情況下，判斷較為主觀，實際計算根據需要確定β的取值；

拆分模塊，與接收模塊連接，用于將所述編碼數據按數據幀進行拆分；

收集模塊，與拆分模塊連接，用于收集各個圖形處理器的負載情況；

分配模塊，與收集模塊連接，用于根據負載情況，將所述數據幀分配到所述各個圖形處理器；所述分配模塊的分配方法包括：

第一步：初始化已選圖形處理器通信渠道集合為空集，候選圖形處理器通信渠道集合為圖形處理器通信渠道全集，隨著調度過程的進行，已選圖形處理器通信渠道集合和候選圖形處理器通信渠道集合的元素不斷更新，A_n和S_n分別為在第n次迭代結束時候選和已選圖形處理器通信渠道集合，n＝1,…,N_T為迭代的次數，初始化n＝1；

第二步：分配模塊對圖形處理器通信渠道k反饋的信道信息矩陣H_k進行奇異值分解其中，λ_k,1表示第k個圖形處理器通信渠道的信道矩陣的奇異值，表示維度1×(N_T-1)的零向量，和分別由與非零奇異值λ_k,1和零奇異值對應的右奇異值向量構成，因為rank(H_k)＝1，所以V_i⁽¹⁾＝v_i,1，v_i,1為V_i的第一個列向量，其中，rank(·)表示求矩陣的秩；

第三步：分配模塊根據分解后的矩陣構造中間矩陣和以及其中，diag(·)表示對角化操作；

第四：分配模塊構造相關矩陣R，R為L×L方陣，第i行第j列的元素為其中，|·|表示求模運算；

第五：從R中選擇出與已經調度的n-1個圖形處理器通信渠道對應的n-1列，構成矩陣將剩余的部分分別對行元素進行升序排列，得到矩陣即

第六步：計算圖形處理器通信渠道的相關因子即對R_n中每一行的前ξ個元素分別求和并取倒數，等效于簡化得到列向量ψ_n＝[ψ_1,n … ψ_L,n]^Η；

第七步：按照公式選擇第n個圖形處理器通信渠道；

第八步：若n＜N_T，返回第五步；否則調度完成，根據被調度的圖形處理器通信渠道受到的實際干擾計算相關因子ψ_k；若圖形處理器通信渠道未被調度ψ_k＝0，并按照公式更新圖形處理器通信渠道k，k∈{1,…,L}平均相關因子，用于計算下一個傳輸周期中的圖形處理器通信渠道調度權重，調度完成后，分配模塊通知激活圖形處理器通信渠道并進行下行數據通信，在下一個傳輸周期(t+1)的開銷時隙階段，重復執行第一步～第八步。