[发明专利]一种基于遗传算法的任务联合执行方法

权利要求书

1.一种基于遗传算法的任务联合执行方法，其特征在于：该执行方法用到的执行系统，包括用户模块、服务模式选择模块和遗传算法优化模块，该执行方法包括以下步骤：

A：用户模块的工作过程：

A1：针对每一个用户请求，收集用户请求；

A2：针对每一个用户请求，提取用户的个性化需求，该个性化需求用CSM_i表示；

B：服务模式选择模块的工作过程：

B1：根据步骤A中用户模块提取出来的个性化需求CSM_i进行初级服务模式的选择：

B11：CSM_i＝0，表示用户i要求服务在映射级服务模式进行；

B12：CSM_i＝1，表示用户i要求服务在云端级服务模式下进行；

B2：基于步骤B1，若没有提取出明确的用户个性化需求CSM_i，则采用时间序列匹配方法去挖掘用户请求的内部相似性，找到与当前用户请求完全一致的请求历史记录；

B21：定义参数：定义当前请求成功匹配的长度为M_length，M_length的权重为P_length，完全匹配的长度为T_length，当前请求匹配成功的次数为M_count，M_count的权重为P_count，匹配的总次数为T_count；定义匹配成功的请求数量为A，请求总数量为G，则时间序列匹配方法的计算过程如下：

其中，用户请求之间的关联系数为Sc、匹配算法的准确率为I_AR、完全匹配的长度为T_length；

B3：基于步骤B2，若该用户请求历史记录不存在，则直接将该用户请求交付给云端级服务模式来完成；若步骤B2中的用户请求历史记录存在，则获得请求历史记录中完成该用户请求的资源代价和时间代价，并转入步骤B4；

B4：获取请求历史记录中完成该用户请求的资源代价和时间代价：和T_th，其中，是历史记录中用户在时刻完成任务的CPU资源消耗量，是历史记录中用户在时刻完成任务的内存资源消耗量，是历史记录中用户在时刻完成任务的带宽资源消耗量，T_th是完成任务的时间阈值；

B5：利用监控系统，获得当前系统中的可用资源量：和其中，是系统在时刻完成用户的任务时的可用CPU资源，是系统在时刻完成用户的任务时的可用内存资源，是系统在时刻完成用户的任务时的可用带宽资源；

B6：基于步骤B5，判断系统当前可用资源量和用户请求历史记录中的资源消耗量的关系；

B7：基于步骤B6，若系统当前可用资源量大于用户请求历史记录中的资源消耗量，即将该用户请求交付特定的Cloudlet，定义C_let＝{c₁,c₂,…,c_m}来表示Cloudlet的集合，其中，c_m表示第m个Cloudlet；

B8：计算本地执行时间T_map-level是否超过用户设定的完成任务的时间阈值T_th：若T_map-levelT_th，系统自动中断映射级服务模式提供服务的机会，否则，若没有中断，系统执行任务卸载过程，将用户的服务请求迁移至云端级服务模式，进行服务提供；

B9：基于步骤B8，若T_map-level＜T_th，用户的请求继续在本地云上运行，直至超过时间阈值或获得服务；

C：遗传算法优化模块的工作过程：

C1：能耗函数的构建过程：

C11：映射级服务模式下，任务执行的时间代价为：任务执行的能耗代价为：

C12：云端级服务模式下，任务执行的时间代价为：任务执行的能耗代价为：

C2：当映射级服务模式不能为用户提供服务时，用户请求将会被卸载到云端级服务模式执行，则任务从移动终端卸载到云端的卸载代价计算如下：

C21：定义卸载过程的时间代价为：卸载过程的能耗代价为：

C22：用户从云端级服务模式获得服务的时间代价为：用户从云端级服务模式获得服务的能耗代价为：

C23：用户从映射级服务模式获得服务的总时间代价为：用户从映射级服务模式获取服务的总能耗为：

C24：用户从云端级服务模式获得服务的总时间代价为：用户从云端级服务模式获取服务的总能耗代价为：

C3：当Cloudlet资源不足或移动终端超出了Cloudlet的服务范围时，寻找一个合适的的服务模式来执行操作，定义在时刻执行用户的任务所需的CPU、内存和带宽分别是定义二进制函数当时，表示在时刻用户的任务在上执行，反之，则不在；

C31：经过一段时间，系统的可用资源如CPU、内存和带宽分别是则

C32：对CPU、内存、带宽分别进行归一化：

C321：CPU的归一化过程为：其中，是第个Cloudlet的最大CPU消耗量，是第个Cloudlet的最小CPU消耗量，

C322：内存的归一化过程为：其中，是个Cloudlet的最大内存消耗量，是第个Cloudlet的最小内存消耗量，

C323：带宽的归一化过程为：其中，是第个Cloudlet的最大带宽消耗量，是第个Cloudlet的最小带宽消耗量，

C33：因此，如果第个Cloudlet在时刻执行用户的请求那么系统的可用资源量为：其中，α∈[0,1],β∈[0,1],γ∈[0,1]是各种资源所占的权重；

C4：定义任务成功率作为系统的评价指标：其中，O表示成功执行的任务数量，V表示系统中总的任务数量；

C5：根据最优任务联合执行策略，综合考虑效用函数和系统约束，得到：

系统的最低能耗代价为：

服务的可靠性最大值为：F_max＝max{I_OSR}；

约束为：约束用于保证数字是具有实际意义的自然数；

不超过系统提供的可用资源量的CPU范围为：

不超过系统提供的可用资源量的内存范围为：

不超过系统提供的可用资源量的带宽范围为：

任务执行时间不超过时间阈值：其中，表示联合执行策略所消耗的时间代价。

2.根据权利要求1所述的一种基于遗传算法的任务联合执行方法，其特征在于：所述步骤B8中的任务卸载过程与所述步骤C2中的卸载过程相同。