带截止期约束的复杂依赖任务的智能调度优化

摘要

农作物分类、种植面积估计、需水量/蓄水量的预测等是农业领域水资源高效利用的重要任务．当前天-地协同水资源管理中，不同设备（天基卫星、空基遥感、地面观测）所产生的异构数据间紧密关联．用户提交的不同任务通常由一系列相互依赖的子任务构成，且要求在给定的截止期前完成．故提出一种基于图注意力网络和元学习的调度优化策略，通过均衡子任务间的传输时间和计算时间以最小化所有作业的完工时间．为更好提取异构数据间的紧密关联，采用改进多头注意力机制的图注意力网络有效提取子任务间的依赖和关联关系．同时，利用指数平滑改进的元学习方法进行网络参数优化以提高模型的适应性．与现有深度学习调度算法相比，所提调度策略在截止期前完成的作业数量比率平均提升7.52%.

关键词

图注意力网络 / 元学习 / 截止期 / 依赖任务 / 智能调度