[发明专利]一种智能动态调整多图形处理器负载的控制系统

权利要求书

1.一种智能动态调整多图形处理器负载的控制系统，其特征在于，所述智能动态调整多图形处理器负载的控制系统包括：

接收模块，用于接收编码数据；

所述接收模块的无线信任值计算方法包括以下步骤：

步骤一，采集节点间不同时间片的交互次数，根据得到的数据建立时间序列，通过三次指数平滑法来预测节点间下一个时间片的交互次数，将交互次数预测值与实际值的相对误差作为节点的直接信任值；采集网络观测节点i与节点j之间的n个时间片的交互次数：

选取一定时间间隔t作为一个观测时间片，以观测节点i和被测节点j在1个时间片内的交互次数作为观测指标，真实交互次数，记作y_t，依次记录n个时间片的y_n，并将其保存在节点i的通信记录表中；

预测第n+1个时间片的交互次数：

根据采集到的n个时间片的交互次数建立时间序列，采用三次指数平滑法预测下一个时间片n+1内节点i和j之间的交互次数，预测交互次数，记作计算公式如下：

${\hat{y}}_{n+1}=a_n+b_n+c_n;$

预测系数a_n、b_n、c_n的取值可由如下公式计算得到：

$a_n=3{\hat{y}}_{n+1}^{\left(1\right)}-3{\hat{y}}_{n+1}^{\left(2\right)}+{\hat{y}}_{n+1}^{\left(3\right)};$

$b_n=\frac{\mathrm{\α}}{2{(1-\mathrm{\α})}^2}\[(6-5\mathrm{\α}){\hat{y}}_{n+1}^{\left(1\right)}-2(5-4\mathrm{\α}){\hat{y}}_{n+1}^{\left(2\right)}+(4-3\mathrm{\α}){\hat{y}}_{n+1}^{\left(3\right)}\];$

$c_n=\frac{{\mathrm{\α}}^2}{2{(1-\mathrm{\α})}^2}\[{\hat{y}}_{n+1}^{\left(1\right)}-2{\hat{y}}_{n+1}^{\left(2\right)}+{\hat{y}}_{n+1}^{\left(3\right)}\];$

其中：分别是一次、二次、三次指数平滑数，由如下公式计算得到：

$\begin{array}{c}{\hat{y}}_{n+1}^{\left(1\right)}=\mathrm{\α}\×y_n+(1-\mathrm{\α})\×{\hat{y}}_n^{\left(1\right)}\\ {\hat{y}}_{n+1}^{\left(2\right)}=\mathrm{\α}\×{\hat{y}}_{n+1}^{\left(1\right)}+(1-\mathrm{\α})\×{\hat{y}}_n^{\left(2\right)}\\ {\hat{y}}_{n+1}^{\left(3\right)}=\mathrm{\α}\×{\hat{y}}_{n+1}^{\left(2\right)}+(1-\mathrm{\α})\×{\hat{y}}_n^{\left(3\right)}\end{array};$

是三次指数平滑法的初始值，其取值为：

${\hat{y}}_0^{\left(1\right)}={\hat{y}}_0^{\left(2\right)}={\hat{y}}_0^{\left(3\right)}=\frac{y_1+y_2+y_3}{3};$

α是平滑系数，0＜α＜1，体现信任的时间衰减特性，即离预测值越近的时间片的y_t权重越大，离预测值越远的时间片的y_t权重越小；如果数据波动较大，且长期趋势变化幅度较大，呈现明显迅速的上升或下降趋势时α应取较大值0.6～0.8，增加近期数据对预测结果的影响；当数据有波动，但长期趋势变化不大时，α在0.1～0.4取值；如果数据波动平稳，α应取较小值，0.05～0.20；

计算直接信任值：

节点j的直接信任值TD_ij为预测交互次数和真实交互次数y_n+1的相对误差，

步骤二，采用多路径信任推荐方式而得到的计算式计算间接信任值；收集可信节点对节点j的直接信任值：

节点i向所有满足TD_ik≤φ的可信关联节点询问其对节点j的直接信任值，其中φ为推荐节点的可信度阈值，根据可信度的要求精度，φ的取值范围为0～0.4；

计算间接信任值：

综合计算所收集到的信任值，得到节点j的间接信任值TR_ij，其中，Set(i)为观测节点i的关联节点中与j节点有过交互且其直接信任值满足TD_ik≤φ的节点集合；

步骤三，由直接信任值和间接信任值整合计算得出综合信任值，综合信任值(T_ij)的计算公式如下：T_ij＝βTD_ij+(1-β)TR_ij，其中β(0≤β≤1)表示直接信任值的权重，当β＝0时，节点i和节点j没有直接交互关系，综合信任值的计算直接来自于间接信任值，判断较客观；当β＝1时，节点i对节点j的综合信任值全部来自于直接信任值，在这种情况下，判断较为主观，实际计算根据需要确定β的取值；

拆分模块，与接收模块连接，用于将所述编码数据按数据帧进行拆分；

收集模块，与拆分模块连接，用于收集各个图形处理器的负载情况；

分配模块，与收集模块连接，用于根据负载情况，将所述数据帧分配到所述各个图形处理器；所述分配模块的分配方法包括：

第一步：初始化已选图形处理器通信渠道集合为空集，候选图形处理器通信渠道集合为图形处理器通信渠道全集，随着调度过程的进行，已选图形处理器通信渠道集合和候选图形处理器通信渠道集合的元素不断更新，A_n和S_n分别为在第n次迭代结束时候选和已选图形处理器通信渠道集合，n＝1,…,N_T为迭代的次数，初始化n＝1；

第二步：分配模块对图形处理器通信渠道k反馈的信道信息矩阵H_k进行奇异值分解其中，λ_k,1表示第k个图形处理器通信渠道的信道矩阵的奇异值，表示维度1×(N_T-1)的零向量，和分别由与非零奇异值λ_k,1和零奇异值对应的右奇异值向量构成，因为rank(H_k)＝1，所以V_i⁽¹⁾＝v_i,1，v_i,1为V_i的第一个列向量，其中，rank(·)表示求矩阵的秩；

第三步：分配模块根据分解后的矩阵构造中间矩阵和以及其中，diag(·)表示对角化操作；

第四：分配模块构造相关矩阵R，R为L×L方阵，第i行第j列的元素为其中，|·|表示求模运算；

第五：从R中选择出与已经调度的n-1个图形处理器通信渠道对应的n-1列，构成矩阵将剩余的部分分别对行元素进行升序排列，得到矩阵即

第六步：计算图形处理器通信渠道的相关因子即对R_n中每一行的前ξ个元素分别求和并取倒数，等效于简化得到列向量ψ_n＝[ψ_1,n … ψ_L,n]^Η；

第七步：按照公式选择第n个图形处理器通信渠道；

第八步：若n＜N_T，返回第五步；否则调度完成，根据被调度的图形处理器通信渠道受到的实际干扰计算相关因子ψ_k；若图形处理器通信渠道未被调度ψ_k＝0，并按照公式更新图形处理器通信渠道k，k∈{1,…,L}平均相关因子，用于计算下一个传输周期中的图形处理器通信渠道调度权重，调度完成后，分配模块通知激活图形处理器通信渠道并进行下行数据通信，在下一个传输周期(t+1)的开销时隙阶段，重复执行第一步～第八步。