2018 华为软件精英挑战赛

和室友一起参加了2018 华为软件精英挑战赛，现在来写写参赛感受吧。很遗憾，都没能进复赛，所以只参加了初赛，江山赛区64强，离进复赛只有一点点，当时江山和西北赛区还流传着，如果在其他赛区就可以进了，都是后话。写这个纯粹记录研究生生活吧。

1、初赛赛题

由于租户对ECS实例(虚拟机,VM)请求的行为具有一定规律,可以通过对历史ECS实例请求的分析,预测到未来一段时间的ECS实例请求,然后对预测的请求分配资源(如图1所示),这样可以找到一个接近最优的分配策略,实现资源最大化利用,同时也能参考预测的结果制定云数据中心的建设计划。

题目大概就是如图所示，第一步根据历史请求数据，预测未来一段时间的请求，第二步则根据预测进行虚拟机分配。得分也是由这两部分组成。

官方给了简单的思路，预测阶段，使用线性回归找关联性；放置阶段类似装箱背包问题使用贪心算法即首次适应。

时间序列有很多算法，如
长短期记忆网络：Long Short-Term Memory（LSTM）
马尔科夫过程
移动平均法（滑动平均）
指数平滑法(HoltWinters)
局部加权回归法（LOESS）
自回归整合移动平均（ARIMA）

我们使用了很简单的移动平均法是用一组最近的实际数据值来预测未来一期或几期内公司产品的需求量、公司产能等的一种常用方法。移动平均法适用于即期预测。当产品需求既不快速增长也不快速下降，且不存在季节性因素时，移动平均法能有效地消除预测中的随机波动，是非常有用的。移动平均法根据预测时使用的各元素的权重不同，可以分为：简单移动平均和加权移动平均。
听别人说有人用指数平均也不错的。

放置算法：
静态：
贪心算法
动态规划算法

动态：
蚁群算法
布谷鸟算法

我们使用了动态规划，效果也还行。

初赛阶段一直根据数据在编程，但华为没有将完整数据给我们，只给了一点点的较早的数据。根据数据编程，当时是想着预测多一点比预测少一点较好，所以我们采用了在放置阶段多加一点，看提交结果定参数。初赛结束之后，我才想到，应该比较的是增加预测数量让虚拟机利用率增大和减少预测数量让虚拟机利用率也可以增大，少考虑了一个方面。

复赛和决赛也就没有看了。

希望这次可以积累经验，下次再战吧。

代码开源地址：https://github.com/yuace/codecraft