移动云计算中的一种能效计算迁移算法

"基于移动云计算的计算迁移能效算法，通过应用任务的计算迁移来减少执行延时并提升移动设备的能效。面对多云站点选择的难题，提出了一种新的能效计算迁移算法，该算法包括三个步骤：应用分割、迁移模块调度和性能缩放。CTTPO算法用于根据用户的时间和代价偏好分割应用；MTS算法运用教与学最优化方法进行云端多站点间的迁移模块调度；ESM算法通过动态电压缩放降低能耗。实验表明，该算法在执行效率、代价和能耗方面优于其他算法。" 本文主要探讨了移动云计算环境下计算迁移的能效优化问题。移动云计算允许移动设备将计算任务转移到云端，以减轻设备负担，但多云站点的选择和迁移策略设计是个复杂的问题，属于NP问题。为了解决这一问题，研究者提出了一种创新的能效计算迁移算法。 首先，该算法引入了用户偏好考虑，采用CTTPO（Cost-Time Tradeoff Partitioning Optimization）算法，依据用户对于执行时间和成本的优先级，将应用程序分割成两部分：一部分是适合在云端执行的迁移模块，另一部分则保留在移动设备上执行的非迁移模块。这种分割策略旨在平衡任务执行的时间和成本。 其次，为了实现高效的任务调度，研究者利用教与学最优化（Teaching-Learning-Based Optimization, TLO）方法设计了MTS（Migration Task Scheduling）算法。MTS算法可以优化多云站点之间的迁移模块调度，寻找执行效率最高的解决方案，确保在满足截止期限和预算约束的同时，最大化应用的执行效率。 最后，为降低应用执行的能耗，研究者提出了ESM（Efficient Scaling Method）算法。该算法基于动态电压缩放技术，可以根据多云站点的性能状况调整执行速度，从而降低整体能耗。这种性能缩放策略使得应用在保持高效运行的同时，能更节能地完成任务。 通过两种随机应用结构图的仿真实验，新算法的性能得到了验证。实验结果显示，相比于其他对比算法，该算法在执行效率、执行代价以及执行能耗上均表现出显著优势。这表明，该算法是解决移动云计算环境下计算迁移问题的有效手段，有望在实际应用中提高服务质量和用户体验，同时降低运营成本和环境影响。 总结来说，本文提出的能效计算迁移算法是移动云计算领域的一个重要进展，它通过综合考虑任务分割、调度优化和性能缩放，为移动设备在云环境中的计算迁移提供了一个全面且高效的解决方案。这一工作对于推动移动云计算技术的发展，特别是在能效优化方面，具有重要的理论和实践意义。