自适应应用程序组件映射：可变环境中的并行计算卸载优化

"这篇论文提出了一种自适应应用程序组件映射算法，用于可变环境中的并行计算卸载，以优化计算成本和通信成本。在移动计算环境中，传统的将计算任务卸载到单一服务器的方法可能无法充分利用多个可用计算资源。论文提出的算法解决了这一问题，通过动态映射应用程序组件到周围资源，适应不断变化的通信和计算条件。它将多分区问题转化为图映射模型，并借助基于精英移民机制的遗传算法进行求解，以适应环境变化和提高搜索效率。模拟结果显示，该算法在性能上显著优于传统方法，特别是在动态环境中。" 在并行计算卸载领域，该研究关注的是如何在不断变化的环境中有效地分配计算任务。传统的计算卸载策略通常依赖于将整个应用的计算部分转移到一台服务器上，而新的方法则考虑利用多个计算资源，如移动设备或边缘服务器，以提高整体性能。然而，这种并行计算卸载面临着通信和计算资源的不稳定性，这可能导致静态映射策略的效率下降。 为了解决这个问题，论文提出了一个自适应的应用程序组件映射算法。该算法首先将多分区问题抽象为图映射问题，即寻找最佳的组件分配方式，使得计算负载和通信开销达到最小。接着，它利用遗传算法来解决这个组合优化问题，遗传算法是一种模拟自然选择和遗传的搜索技术。在该算法中，引入了精英移民机制，允许优秀的解决方案（即个体）在种群中传播，从而加速找到适应环境变化的优质解。 实验结果显示，这种自适应映射算法在应对环境变化时能快速调整，降低算法执行成本，同时保持解决方案的有效性。与传统的静态映射策略相比，该算法在可变环境中展现出更好的性能，证明了其在动态计算环境中的优势。 该研究受到了国家自然科学基金、广东省创新创业团队项目以及中央高校基本科研业务费的支持，并在《KSIIT Transactions on Internet and Information Systems》期刊上发表。这项工作由北京邮电大学电子工程学院的研究人员完成，其中文版摘要强调了在可变环境中自适应映射的重要性及其在并行计算卸载中的潜力。