基于集成学习的计算集群作业时长预测与调度方法

【目的】本文的研究是为了提升作业时长预测的准确度,改善作业回填调度的性能,进而提高计算集群的计算资源利用率。【应用背景】作业调度在提升计算集群计算资源利用率方面发挥着重要作用,而作业时长预测是作业回填调度策略的关键判断依据。【方法】本论文基于集成学习方法对计算集群作业时长进行预测,集成了支持向量回归、随机森林、梯度提升回归树和自动机器学习等算法,并且采用本论文预测的作业时长进行了作业回填调度实验。【结果】采用本方法分别在HPC2N、CEA Curie和KIT FH2三个典型数据集上进行了测试,作业时长预测值的均方根误差比用户预估方法分别降低60.30%、51.91%、63.51%,比线性回归方法分别降低44.37%、31.98%、52.69%。【结论】作业回填调度模拟实验结果表明,本方法能够大幅提升作业时长预测的准确度,作业平均等待时间比用户预估方法分别降低9.07%、8.80%、1.83%,并且能够改善作业回填调度的性能,平均有界减速值比用户预估方法分别降低7.72%、0.96%、9.05%,提高了计算集群的计算资源利用率。

马尔科夫链蒙特卡洛算法并行化及其应用

为使高性能计算助力群体遗传学和系统地理学研究,提出一种基于MPI(message passing interface)的群体遗传学分析软件,利用集群中多个CPU核心的计算能力加速群体遗传学分析。进行正确性验证,对并行加速比和并行效率进行评估,在保证计算结果正确性前提下,利用256个CPU核心时可以得到最好的并行加速比(185.16),在利用128个CPU核心时可以得到最好的并行效率(93.68%)。实验结果表明,利用高性能计算能够进行快速有效的群体遗传学分析。

空间位置的关联分析及其向量化表示方法

理解地理空间位置的空间相关性,对于地理信息检索、推荐系统,城市交通管理,居民出行模式探究等应用研究具有重要支撑作用.为更具体表义空间位置及其关联关系,本文基于多种居民出行轨迹数据,提出一种基于深度学习的空间位置向量化表示方法,而后通过空间位置向量的向量运算,可计算得到空间位置的关联程度.首先将长、短距离出行轨迹进行匹配连接,构建大规模交通网络,覆盖多种出行模式,得到对不同位置间空间关联信息的完整识别.然后基于图神经网络模型,本文提出融合位置特征与轨迹信息的空间向量化表示方法,并优化其训练学习中节点采样方法,提高空间向量的表达能力.最后以北京市共享单车轨迹数据与公共交通路网数据进行实证分析,实验结果表明基于本文提出方法生成的空间向量在空间位置的关联分析、聚类分析中相比DeepMove等已有方法拥有更好的效果.

隔离迁移(Isolation with Migration)模型数值计算的并行实现

在群体遗传学和分子生态学研究中,种群的分化分析是一个重要的内容。IM(Isolation with Migration)模型以DNA序列数据为基础同时评估两个种群分化过程中分化时间和迁移概率。IM模型能够模拟许多真实世界中一个种群分行为两个种群的现象。IM模型应用MCMC(Markov Chain Monte Carlo)方法进行参数的推断。然而马尔科夫链需要经过漫长的时间才能达到一个稳定的概率分布,并且参数推断所需要的空间可能超过一个计算机的内存。本文利用MPI(Message Passing Interface)实现了基于数据并行的IM模型,在减少单个计算机内存使用和总的运行时间方面都有很好的效果。

引起两起手足口病聚集性疫情的柯萨奇病毒A6的VP1基因特征及其分子流行病学研究

目的了解两起疫情的Cox A6的VP1基因特征的异同,研究其分子流行病学特征。方法测定其VP1基因全序列,用分析软件对VP1基因做适应性进化分析。结果从两起聚集性疫情中分离到的Cox A6分别属于2013年流行的2个流行亚群,其中1个亚群在氨基酸254位发生R→K的突变,该突变被推测是受正向选择作用的结果。而且两起聚集性病例的分枝分化时间分别是在2012年第3季度-第4季度和2012年第4季度-2013年第1季度。结论在本地区2013年流行的手足口肠道病毒Cox A6的2个主要的流行亚群的分化时间在2010年冬季-2011年春季,经过2年～3年的低流行期后目前在本地区进入高流行期,并在本市分别引起了两起手足口病聚集性疫情。

一种特殊稀疏矩阵的LU分解加速技巧

随着待求解问题的维数的增加以及网格的加密，在数值计算过程中产生的稀疏线性方程组的求解便成了计算过程中最消耗计算资源的模块。在本文中我们根据问题本身所产生的矩阵的特殊结构，设计了一种精巧的 PR （Permutation and Reduction）置换约减算法，可以有效地减少矩阵的维数，减少矩阵分解过程中的填充，加快了分解的速度。

两类相场方程的紧致指数时间差分法设计

本文针对相场方程提出稳定的高阶紧致指数时间差分算法.该算法具有完全显式的特性,从而避免了求解线性或非线性方程组.算法使用精确指数时间差分和多步法近似以保证精确性;通过线性算子分裂控制刚性非线性项以增强稳定性;同时引入有限差分格式的紧致表示大大降低了指数时间差分法的存储需求和计算量.算法的精确性和高效性通过CahnHilliard方程和Willmore问题相场模型的大规模三维模拟进行了验证.

蛋白质序列及其翻译后修饰鉴定的盲搜索算法评价

蛋白质翻译后修饰鉴定是计算蛋白质科学的重要研究方向,研发速度快和精度高的鉴定算法及软件,是该方向的一个主要问题。本文回顾了蛋白质翻译后修饰鉴定的各类算法,并主要对蛋白质序列及其翻译后修饰鉴定的盲搜索算法和软件进行研究。通过对具有代表性的两个盲搜索软件InsPecT和SIMS,以及限定性搜索软件pFind的对比分析,对盲搜索算法在蛋白质序列及其翻译后修饰方面的瓶颈。