Аннотация:
В гетерогенных вычислительных средах эффективное планирование задач, особенно тех, которые формируют направленные ациклические графы, имеет решающее значение. Это особенно актуально для различных задач облачных и граничных вычислений, а также для обучения больших языковых моделей. В данной работе представлен новый подход к составлению расписания с помощью адаптивной нейронной гиперэвристики. Используя нейронную сеть, обученную с помощью генетического алгоритма, наш метод направлен на минимизацию времени выполнения расписания. Подход двухуровневый: на первом уровне приоритеты задач определяются с помощью адаптивной эвристики, а на втором уровне ресурсы распределяются на основе алгоритма Earliest Finish Time (EFT). Тесты показали, что этот метод значительно превосходит традиционные эвристики планирования и другие подходы, основанные на машинном обучении. Он сокращает время выполнения на 6.7% для малых и на 28.49% для больших направленных ациклических графов по сравнению с лидирующим алгоритмом DONE Кроме того, он достигает близости от 84.08 до 96.43% к оптимальным решениям, полученным с помощью методов решения задач смешанного целочисленного линейного программирования, демонстрируя свою эффективность в различных условиях.
