我正在执行一项操作，我们称它为 CalculateSomeData。 CalculateSomeData 在连续的“世代”中运行，编号为 1..x。整个运行中的世代数由 CalculateSomeData 的输入参数固定，并且是先验已知的。一代需要 30 分钟到 2 小时才能完成。其中一些可变性是由于输入参数造成的，无法控制。然而，这种可变性的一部分是由于硬件容量、来自其他进程的 CPU 负载、网络带宽负载等因素造成的。每代可以控制的一个参数是 CalculateSomeData 使用的线程数。现在这是固定的并且可能不是最佳的。我想跟踪每一代所花费的时间，然后使用一些算法来调整线程数，以便每一代都改进上一代的计算时间(最小化时间)。我应该使用什么方法？遗传算法的适用性如何？直觉告诉我，这个范围会相当小——在双四核处理器机器上可能有 1 到 16 个线程。
非常感谢任何指针、伪代码等。
最佳答案
进化算法怎么样。
从猜测开始。每个 CPU 核心 1 个线程似乎不错，但取决于手头的任务。
测量生成中每个任务的平均时间。将其与上一代所花费的时间进行比较。 (假设第 0 代有效无限时间和 0 个线程)。
如果最近一代任务的平均时间比前一代更好，继续按照上一步的相同方向更改线程数(因此，如果上一代的线程比前一代线程多，则添加新一代的线程，但如果它更少，则少使用一个(显然下限为 1 个线程)。
如果最近一代的任务平均比上一代花费的时间更长，则以相反的方向改变线程数(所以如果增加线程数导致时间更糟，下次使用更少的线程) .
只要最佳线程数不太接近 1，那么您最终可能会在 3 个都合理接近最佳值的值之间摇摆不定。如果您要处理大量代数，您可能想要明确检测这种情况并将自己锁定在中心值中。
关于multithreading - 优化计算中使用的 # 个线程的算法，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/3761646/