移动云计算中的能效计算迁移算法

"这篇论文详细探讨了一种基于移动云计算的计算迁移能效算法，旨在解决在多云站点选择中的计算迁移决策难题。论文作者谢兵提出了一个三步优化策略，以实现时间、代价和能耗的多目标优化。首先，通过CTTPO算法，依据用户对时间和成本的偏好对应用进行分割，生成适合于移动设备和云端执行的模块。其次，利用教与学最优化方法的MTS算法进行云端站点间的模块调度，以找到最有效的执行方案。最后，采用动态电压缩放的ESM算法，通过调整多个云站点的性能，进一步降低应用程序的执行能耗。实验表明，该算法在执行效率、代价和能耗方面均优于其他比较算法。" 这篇论文关注的是移动云计算环境下的计算迁移技术，这是一种能够有效减少移动设备执行延迟并提高能源效率的方法。计算迁移涉及到将计算任务从移动设备迁移到云服务器上，以减轻本地设备的负担。然而，如何在多个云站点之间做出最佳迁移决策是一个复杂的问题，属于NP难度。 论文提出的算法通过三个主要步骤来解决这个问题。第一步，CTTPO算法考虑了用户对于时间效率和成本效益的偏好，将应用程序分割成两部分：一部分在移动设备上运行（非迁移模块），另一部分在云端执行（迁移模块）。这样可以灵活地分配计算任务，适应不同的设备条件和网络环境。 第二步，MTS算法采用了教与学最优化方法，这是一种优化工具，用于在云端站点之间调度迁移模块，以确保整体执行效率最大化。这种方法考虑了任务间的依赖关系和资源的可用性，从而生成最优的执行计划。 最后一步，ESM算法引入了动态电压缩放技术，它可以根据负载变化实时调整云服务器的性能，以降低能源消耗。这一策略使得在满足执行时间和预算限制的同时，进一步降低了整体能耗。 通过模拟实验，谢兵的算法显示出了显著的优势，无论是在执行效率、执行成本还是在能耗控制上，都优于所对比的其他算法。这表明，该算法为移动云计算环境中的计算迁移提供了一种高效且节能的解决方案，对于移动设备的能效管理具有重要的实践意义。