[发明专利]一种基于遗传算法的任务联合执行方法

说明书

一种基于遗传算法的任务联合执行方法，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：用户模块的工作过程；服务模式选择模块的工作过程；遗传算法优化模块的工作过程；首先，本发明提出了一种新的时间序列匹配方法，以获取与用户请求相一致且时间间隔最小的用户请求历史记录，为未来服务模式的选择提供指导；其次，本发明提出了映射级服务模式和云端级服务模式，实现服务的无缝切换，保证服务的可靠性；最后，遗传算法被用来寻找最优任务联合执行策略。本发明能够有效地实现低能耗和高可靠的目标，避免了移动终端资源局限的固有缺陷，向用户提供了更低耗、连续、优质、可靠的服务。

技术领域

本发明属于移动微学习领域，更具体地说，涉及一种基于遗传算法的任务联合执行方法。

背景技术

绿色和可靠的任务联合执行策略是指在服务提供的过程中，综合考虑移动用户的个性化需求和移动终端的资源，在满足用户性能的前提下，寻求能耗代价最小和可靠性最高的方案。因此，立足于本地云和公共云协同服务提供过程，研究服务提供过程中的低能耗和高可靠问题，是目前移动微学习发展中的关键。

移动微学习是随着云计算、移动互联网的不断发展与融合而产生的一种新型学习模式，可被定义为一种通过移动网络以按需、易扩展的方式从云端获得所需的学习资源或信息服务，并借助移动终端设备呈现学习内容的学习模式。移动微学习的核心目标是保证学习者不受时间和空间的限制方便快捷地访问并获取云服务平台所提供的各种在线学习资源。移动微学习的提供与完成需要能量、存储和计算资源之间的持续性支持，但移动终端的移动性很大程度上限制了其尺寸和重量，导致它的处理能力、内存容量、网络连接和电池容量等方面的问题日益突出。

现有对移动微学习的研究主要集中在移动微学习学习者的学习风格和偏好的挖掘，移动微学习学习轨迹的挖掘，移动微学习学习资源的组织和管理，移动微学习学习平台的搭建，移动微学习学习框架的研究等，但针对移动微学习服务提供过程中能耗问题的研究屈指可数。所以，如何在当前移动微学习资源多样化，移动终端用户需求呈动态性、个性化、爆炸式增长趋势的背景下，立足移动终端的固有缺陷即资源局限的问题，向合法用户提供低耗、连续的服务，对于促进移动微学习的推广和发展显得尤为重要。

发明内容

有鉴于此，为解决上述现有技术的不足，本发明的目的在于提供一种基于遗传算法的任务联合执行方法，首先，本发明提出了一种新的时间序列匹配方法，以获取与用户请求相一致且时间间隔最小的用户请求历史记录，为未来服务模式的选择提供指导；其次，本发明提出了映射级服务模式和云端级服务模式，实现服务的无缝切换，保证服务的可靠性；最后，遗传算法被用来寻找最优任务联合执行策略。本发明能够有效地实现低能耗和高可靠的目标，避免了移动终端资源局限的固有缺陷，向用户提供了更低耗、连续、优质、可靠的服务，促进了移动微学习的发展。

为实现上述目的，本发明所采用的技术方案是：

一种基于遗传算法的任务联合执行方法，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进行初级服务模式的选择：

B11：表示用户要求服务在映射级服务模式进行；

B12：表示用户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；