[发明专利]基于李雅普诺夫优化的移动云计算随机任务序列调度方法

权利要求书

1.一种基于李雅普诺夫优化的移动云计算随机任务序列调度方法，其特征是应用于由移动端、cloudlet微云、远端云所组成的网络环境中，并按如下步骤进行：

步骤1、根据随机任务序列的特性建立移动端的任务队列模型：

设Z(r)＝{Z₁(r),Z₂(r),...,Z_i(r),...,Z_I(r)}表示移动端内I个应用程序在第r个时间片内的数据积压量；其中，Z_i(r)表示在第r个时间片内第i个应用程序任务的数据积压量；i∈{0,1,2,...,I}，I表示应用程序总数；r∈{0,1,2,...,R}，R表示时间片总数；

利用式(1)建立针对移动端中第i个应用程序的任务队列数据积压量的动态变化关系：

Z_i(r+1)＝max[Z_i(r)+A_i(r)-D_i(r),0] (1)

式(1)中，A_i(r)表示在第r个时间片内第i个应用程序到达任务队列Z_i(r)的任务数据量；D_i(r)为在第r个时间片内第i个应用程序离开等待任务队列Z_i(r)的任务数据量；

步骤2、建立移动端总能耗与总执行时间的模型，并构建联合优化目标函数；

步骤2.1、对于第i个应用程序的任务存在三种执行调度模式s∈{0,1,2}；s＝0表示任务卸载到cloudlet微云执行；s＝1表示任务直接在移动端本地执行；s＝2表示任务通过cloudlet微云传输到远端云执行；

利用式(2)得到在第r个时间片内第i个应用程序离开任务队列Z_i(r)的任务数据量D_i(r)：

D_i(r)＝s_i(r)D_i,m(r)+|1-s_i(r)|D_i,c(r)+H(s_i(r)-2)D_i,r(r) (2)

式(2)中，s_i(r)表示在第r个时间片内第i个应用程序的执行模式，D_i,m(r)表示在第r个时间片内第i个应用程序在移动端本地执行的任务数据量，D_i,c(r)表示在第r个时间片内第i个应用程序在cloudlet微云执行的任务数据量，D_i,r(r)表示在第r个时间片内第i个应用程序在远端云执行的任务数据量，H(·)表示Hardlim函数；

步骤2.2、利用式(3)得到第r个时间片内的总执行时间T(r)：

式(3)中，T_i,m(r)代表第r个时间片内第i个应用程序的任务在移动端的执行时间,T_i,c(r)代表第r个时间片内第i个应用程序的任务卸载到cloudlet微云的执行时间，T_i,r(r)代表第r个时间片内第i个应用程序的任务通过cloudlet微云卸载到远端云的执行时间；

步骤2.3、利用式(4)得到移动端在第r个时间片内的总能耗E(r)：

E(r)＝E_m(r)+E_t(r) (4)

式(4)中，E_m(r)代表第r个时间片内在移动端本地执行的能耗，并有：

式(5)中，P_m代表移动端处理任务时的功率；

式(4)中，E_t(r)代表第r个时间片内移动端传输数据的能耗，并有：

式(6)中，P_t代表移动端任务传输至cloudlet微云的功率；T_i,t(r)代表第r个时间片内第i个应用程序卸载任务所用的传输时间；

步骤2.4、利用式(7)构建联合优化目标函数，并利用式(8)构建约束条件：

min c_r＝E(r)+aT(r) (7)

式(7)中，为时间性能的加权值，c_r代表第r个时间片内的目标函数；

式(8)中，表示平均时间数据积压量；

步骤3、利用式(9)构造李雅普诺夫函数L(Z[r])：

式(9)中，Z[r]表示在第r个时间片内所有应用程序任务的数据积压量，L(Z[r])表示在第r个时间片的李雅普诺夫函数；

利用式(10)定义李雅普诺夫漂移函数Δ(Z[r])：

Δ(Z[r])＝E{L(Z[r+1])-L(Z[r])|Z[r]} (10)

式(10)中，L(Z[r+1])表示在第r+1个时间片的李雅普诺夫函数，E表示期望；

构建李雅 普诺夫漂移-惩罚函数为：Δ(Z[r])+VE[c_r]，其中，V是一个非负的控制参数；

利用式(11)得到漂移-惩罚界限：

式(11)中，B为常数；

利用式(12)建立目标函数，并对所述目标函数求解最小值，从而以最小值所对应的调度策略作为最优调度策略：