基于机器学和统计模型检验的工作流最优配置寻优方法

摘要

本发明公开了一种基于机器学和统计模型检验的工作流最优配置寻优方法，包括以下步骤：可行RAI生成，获取工作流配置的所有可能组合实例，并经用户需求筛选得到所有符合要求的解；可行RAI的特征化，提取资源分配实例的特征以获取特征向量，并使用统计模型检验工具获取执行成功率；RAI预测，使用机器学方法对选定的测试集进行训练得到回归函数，对测试集中的数据进行预测并对预测结果排序；预测结果验证，将预测结果反馈至统计模型检验工具，获得成功率的实际仿真值，并最终得到近似最优解。本发明在较短的时间内获得成功率高度可靠的工作流资源分配实例，提高用户体验。

主权项

基于机器学习和统计模型检验的工作流最优配置寻优方法，其特征在于，该方法包括以下步骤：a）可行RAI生成使用深度优先遍历算法获取工作流配置的所有可能组合实例，并经指定的用户需求筛选得到所有符合要求的解；b）可行RAI的特征化提取资源分配实例的特征，获取每一个资源分配实例对应的特征向量，并使用统计模型检验工具获取其对应的目标值，即执行成功率；c）RAI预测使用机器学习中主流的监督学习方法，对选定的测试集进行训练得到回归函数，对测试集中的数据进行预测，并对预测结果进行排序；预测结果验证将预测结果反馈至统计模型检验工具，获得成功率的实际仿真值，并最终返回仿真结果大于阈值的解即近似最优解；其中：所述RAI是一个部署好具体配置的工作流任务，不同的RAI具有不同的执行时间、执行价格和执行误差。