Технология интеллектуальной организации процесса выполнения неоднородных композитных приложений в глобальной вычислительной среде

Расширение области применения вычислительных приложений в научных и промышленных исследованиях определяет необходимость интенсивного роста вычислительных систем (ВС) однако потребность в вычислительных мощностях растет значительно быстрее. Эффективное использование комплексных ВС осложняет необходимость обеспечения взаимодействия разнородных режимов вычислений (пакетный, потоковый и итеративный режимы). Это обусловило формирование понятия неоднородного композитного приложения (НКП).Целью работы является повышение эффективности выполнения НКП в ВС, совмещающих пакетный, потоковый и итеративный режимы исполнения. Одним из основных компонентов ВС для оптимизации процесса выполнения приложений является планировщик. В ходе анализа существующих решений определены перспективы применения технологий машинного обучения для решения задачи планирования (пакетный режим), а также обнаружены недостатки существующих методов планирования для потокового и итеративного режимов, как и отсутствия общей схемы совмещения режимов.Разработаны алгоритмы NNS (Neural Network Scheduler), SSGA (Stream Scheduling Genetic Algorithm), IMSGA (Iterative Multiagent Scheduling Genetic Algorithm), позволяющие оптимизировать планирование выполнения композитных приложений в пакетном, потоковом и итеративном режимах. NNS основан на принципах обучения с подкреплением. SSGA и IMSGA в качестве ядра оптимизации используют эволюционные подходы.Исследование эффективности разработанных алгоритмов показало прирост производительности до 20, 11 и 55 % для NNS, SSGA и IMSGA соответственно. На базе разработанных семейств алгоритмов разработана интеллектуальная технология планирования НКП.