基于历史运行数据预测并行程序运行时间的方法

摘要

本发明公开了一种基于历史运行数据预测并行程序运行时间的方法，针对小规模历史运行数据预测大规模运行时间的问题，建立了使用随机森林和多任务套索回归的两层模型，随机森林可以拟合复杂的模型，而使用多任务套索回归，将相关性强的任务放在一起训练，可以降低内推模型预测的随机误差带来的影响。本发明提出的两层模型相较于之前已有的简单模型，在运行时间和程序输入参数之间的关系比较复杂时不会失效，可以得到准确的预测结果。同时，两层模型的训练和预测不需要任何专家知识，也无需对特征进行处理，可以对整个训练预测流程进行自动化。