МЕТОДОЛОГИЯ ИНТЕГРАЦИИ ОБЪЯСНИМЫХ МОДЕЛЕЙ МАШИННОГО ОБУЧЕНИЯ В ПОДСИСТЕМЫ ПЛАНИРОВАНИЯ ЗАДАЧ И РАСПРЕДЕЛЕНИЯ КВАДРАТУРНЫХ РЕСУРСОВ МНОГОЯДЕРНЫХ ОПЕРАЦИОННЫХ СИСТЕМ

Аннотация

В представленном научном исследовании осуществляется глубокий теоретический и экспериментальный анализ применения методов объяснимого искусственного интеллекта в алгоритмах планирования задач современных многоядерных и многопроцессорных операционных систем. Рассматривается фундаментальная проблема эффективного распределения вычислительных потоков по гетерогенным ядрам процессора в условиях высокой динамики параллельных процессов и жестких требований к минимальной задержке отклика. Авторами предложена архитектура интеллектуального планировщика ресурсов ядра, сочетающая скорость работы градиентно-бустированных деревьев решений с фоновым модулем локальной интерпретируемости. В работе детально описан механизм трансформации внутренних весовых коэффициентов и градиентных оценок в понятные причинно-следственные связи распределения потоков. Проведена серия нагрузочных испытаний, демонстрирующая существенное сокращение накладных расходов на переключение контекста и предотвращающая деградацию производительности при межпотоковой конкуренции за ресурсы кэш- памяти.