[发明专利]一种协同环境下基于时间感知的移动终端任务迁移方法

权利要求书

1.一种协同环境下基于时间感知的移动终端任务迁移方法，其特征在于，包括如下步骤：

步骤1，获取协同环境下的计算任务信息，以及边缘服务器的部署情况；

步骤2，计算每一迁移策略下的计算任务的平均迁移延迟；

步骤3，计算每一个边缘服务器的能耗水平；

步骤4，通过标准化和归一化方法，计算每一迁移策略的效用值，选取最优的迁移策略；

步骤1包括：设定边缘-云协同环境：设定一个边缘服务器覆盖M个移动设备，M个移动设备连接到部署在一个云服务器上，对于较远地区的移动应用程序，每个移动应用程序形式化为一个工作流，表示为一个有向无环图DAG，工作流包含受数据或者控制约束的计算任务；

DAG_m(V_m,ED_m)表示在第m个移动设备上运行的工作流，其中，m＝{1,2,..M}，V_m＝{v_m,i|1≤i≤|V_m|}表示第m个工作流中的计算任务集，ED_m＝{(v_m,i,v_m,j)|v_m,i,v_m,j∈V_m∧i≠j}描述第i个计算任务v_m,i和第j个计算任务v_m,j之间的依赖关系；

让处理每个计算任务的需求受限数据表示为元组(d_m,i,w_m,i)，其中，d_m,i和w_m,i分别表示输入数据以及计算任务的大小；pre(v_m,i)表示第i个计算任务v_m,i的前置任务，只有集合pre(v_m,i)中所有的计算任务均完成，任务v_m,i才执行；

步骤1中，在设定的边缘-云协同环境下，工作流中的计算任务能够由移动设备、边缘服务器或云服务器通过任务迁移来执行，其表示如下：

x_m,i代表任务v_m,i的任务迁移决策；

步骤2包括：

步骤2-1，计算卸载时延T^L(x_m,i)与计算时延T^E(x_m,i)，对于采用了计算策略x_m,i的计算任务v_m,i，其卸载时延T^L(x_m,i)的计算表达式如下：

其中，L_LAN、L_WAN分别代表在局域网LAN网络环境下的延迟与广域网WAN网络环境中的时延；

第m个工作流中所有计算任务的卸载延迟T^L(X_m)的计算表达式如下：

其中X_m表示第m个工作流的混合卸载策略；

对计算任务v_m,i，其计算时延T^E(x_m,i)的计算表达式如下：

其中，f_local，f_cl，f_c分别表示移动设备、边缘服务器和远程云的计算频率；

获得计算时延后，第m个工作流中所有计算任务的计算延迟T^E(X_m)的计算表达式如下：

A_i表示2个计算任务间的传输策略；

步骤2-2，(v_m,i,v_m,j)∈A₃指通过广域网WAN在移动设备与云之间或边缘服务器与云之间进行的数据传输，第i个计算任务v_m,i与第j个计算任务v_m,j之间的传输时间T^T(x_m,_i,x_m,j)的计算表达式如下：

其中，B_L、B_W分别代表LAN网络的带宽数据和WAN网络的带宽数据，A₁、A₂、A₃代表3个工作流程中的任务间依赖关系；d_m,i、d_m,j分别代表在工作流m中第i个任务的数据大小和第j个任务的数据大小；

步骤2-3，第m个工作流中各任务的通信时间由如下公式计算：

其中，ED_M表示第m个工作流的依赖集；

步骤2-4，计算工作流的总执行时间T_m(X_m)；

步骤2-1中，A_i计算表达式如下：

步骤2-4中，通过如下公式计算工作流的总执行时间T_m(X_m)：

T_m(X_m)＝T^L(X_m)+T^E(X_m)+T^T(X_m)；

步骤3包括：

步骤3-1，对于采用了计算策略x_m,i的第i个计算任务v_m,i，第m个移动设备的传输能耗由E^L(x_m,i)表示，其计算表达式如下：

E^L(x_m,i)＝T^L(x_m,i)·p_I，

其中，P_I表示移动设备的空闲功耗；

计算第m个移动设备在执行第m个工作流时的传输能耗E^L(X_m)，其计算表达式如下：

步骤3-2，对第i个计算任务v_m,i，其计算过程所产生的能耗被表示为E^E(x_m,i)，计算E^E(x_m,i)的计算公式如下：

其中，p_A表示移动设备的有效功耗；

根据如下公式计算移动终端任务迁移环境中第m个移动设备的计算能耗E^E(X_m)：

步骤3-3，E^T(x_m,i,x_m,j)表示任务v_m,i与v_m,j之间的通信能耗，其计算方式如下：

E^T(x_m,i,x_m,j)＝T^T(x_m,i,x_m,j)·p_t

其中，P_t表示表示移动设备的通信功耗；执行第m个工作流产生的通信能耗表示为E^T(X_m)；

步骤3-4，计算第m个移动设备所带来的总能耗E_m(X_m)；

步骤3-3中，E^T(X_m)的计算方式如下：

步骤3-4中，第m个移动设备所带来的总能耗E_m(X_m)计算方式如下：

E_m(X_m)＝E^L(X_m)+E^E(X_m)+E^T(X_m)；

步骤4包括：

步骤4-1，根据步骤2与步骤3得到的平均时延T_m(X_m)和能耗E_m(X_m)，得到每一迁移策略的目标函数：

步骤4-2，对平均时延和能耗数据进行标准化处理：

其中，TAX_m,j，TIN_m,j分别表示在第m个工作流中第j个调度中所消耗的时间的最大值和最小值；EAX_m,j，EIN_m,j分别表示第m个移动设备在第m个工作流的第j个调度中能耗的最大值和最小值；X_m,j表示m个工作流中第j个调度中任务的迁移策略；

步骤4-3，根据简单加权法SAW，将目标函数归一化后得到效用值函数U(C_i,j)：

U(C_i,j)＝w₁·U(T_m,j)+w₂·U(E_m,j)(1≤i≤S)

s.t.w₁+w₂＝1

其中，w₁和w₂分别表示时延和能耗在任务迁移策略中所设置的权重；S是指在实验中所采用的遗传算法中染色体的个数；

步骤4-4，依据最优原则，在S个染色体中选择具有最大效用值作为最优迁移策略，如下所示：

maxU(C_i,j)。