25、DEEP-SaM模型的数值实验

DEEP-SaM模型的数值实验

1 引言

DEEP-SaM（能效配置策略）模型旨在通过最大化社会福利，同时考虑能源成本和客户满意度，来优化计算任务的分配。为了评估该模型的有效性和优越性，本博客将详细介绍一系列数值实验。这些实验采用定量方法，通过模拟验证DEEP-SaM模型在不同条件下的性能，并与基准模型LaFi进行对比。

2 数据生成

在数值实验中，资源需求和特征是使用对数正态分布随机抽取的。对数正态分布 ( \log IR^+_0(\mu, \sigma^2) ) 确保了参数值始终为正，并且分布假定为偏斜，即均值周围的方差很小。这使得模拟更贴近现实情况。具体的数据生成步骤如下：

1. 参数定义 ：定义参数 (\mu) 和 (\sigma^2)，以生成对数正态分布的随机数。
2. 随机抽取 ：使用对数正态分布 ( \log IR^+_0(\mu, \sigma^2) ) 抽取资源需求和特征。
3. 工作负载追踪 ：结合工作负载追踪参数与创建的人工出价和估价，以生成更贴近实际工作环境的数据。

例如，对于每个任务 ( j )，我们需要生成以下参数：
- ( v_j )：任务 ( j ) 的单位容量估价。
- ( c_j )：任务 ( j ) 所需的计算单元（CPU）。
- ( m_j )：任务 ( j ) 所需的内存。
- ( f_j )：任务 ( j ) 首次需要资源的时间。
- ( l_j )：任务 ( j ) 最后需