移动云计算的任务迁移方法

移动设备在移动过程中受到网络波动的影响很大,由于工作流中任务会传输到云端执行,会带来传输与接收的能耗,再加上所处云域中微云受到不同请求数、剩余资源等因素的影响,造成了微云响应延迟、任务等待执行时间延迟和网络活跃能量损耗,再加上异构网络对数据传输造成的切换延迟影响,使任务迁移延迟更加严重,所以在上传与接收阶段采用延时传输的策略,在保证总完成时间的基础上减少传输时间;在任务迁移阶段提出了微云跳跃选择算法和网络切换算法相结合的MJSA-NHA算法,通过跳跃选择找到合适的微云以减少不必要的响应与等待延迟,并且通过切换网络空闲—活跃状态减少网络能量损耗;并在延时传输基础上加入移动速度调节算法(MSAA),在发生网络变化过程中变换移动设备的速度,这样可以在减少网络切换次数的同时减少网络切换延迟。实验结果证明,延时传输策略比Random算法在总完成时间和移动端总能耗问题上优化了很多;MJSA-NHA比MuSIC算法、task delegation和code-offloading在迁移时间上分别优化了66%~86%、36%~56%和5%~8%,在能耗方面分别优化了56%~78%、25%~46%和6%~8%;MSAA比MuSIC算法、task delegation和code-offloading在网络切换延迟上优化了50%。     

基于移动代理的普适计算模型研究与设计

针对普适环境下移动IP协议的局限性,将集智能性、移动性,安全性等诸多特性于一身的移动代理引入普适计算,详细地阐述了实现过程并进行性能分析与仿真实验.结果表明,普适移动设备在引入移动代理后,能够快速平滑地实现切换,从而大大减少了切换延迟和传输过程中的状态信息量,降低了移动设备在切换期间的丢包率,有效地改善了网络的性能.     

移动云计算中基于延时传输的多目标工作流调度

云计算和移动互联网的不断融合,促进了移动云计算的产生与发展.在移动云计算环境下,用户可将工作流的任务迁移到云端执行,这样不但能够提升移动设备的计算能力,而且可以减少电池能源消耗.但是不合理的任务迁移会引起大量的数据传输,这不仅损害工作流的服务质量,而且会增加移动设备的能耗.基于此,本文提出了基于延时传输机制的多目标工作流调度算法MOWS-DTM.该算法基于遗传算法,结合工作流的调度过程,在编码策略中考虑了工作流任务的调度位置和执行排序.由于用户在不断移动的过程中,移动设备的无线网络信号也在不断变化.当传输一定大小的数据时,网络信号越强则需要的时间越少,从而移动设备的能耗也越少.而且工作流结构中存在许多非关键任务,延长非关键任务的执行时间并不会对工作流的完工时间造成影响.因此,本文在工作流调度过程中融入了延时传输机制DTM,该机制能够同时有效地优化移动设备的能耗和工作流的完工时间.仿真结果表明,相比MOHEFT算法和RANDOM算法,MOWS-DTM算法在多目标性能上更优.     

融合模糊逻辑与马尔可夫决策过程的边缘计算切换策略

在边缘计算切换策略中,针对马尔可夫决策过程（Markov decision process,MDP）传输时延高且环境适应能力差等问题,提出了一种融合模糊逻辑与马尔可夫决策过程的边缘计算切换策略。采用模糊逻辑算法将系统参数模糊化,并且将模糊值引入适应度函数,保证系统参数能够有效融合;利用差分进化算法求解适应度函数最大值,从而选取出该环境的最优规则,提高边缘计算对环境的适应能力;将适应度函数引入MDP,提高系统综合性能。该方案将移动智能设备作为任务卸载发起方,将边缘服务器作为任务卸载对象,对一维MDP切换策略、一维仅时延MDP切换策略、二维MDP切换策略、模糊逻辑MDP切换策略、最小距离切换算法和最小时延切换算法进行仿真。仿真结果表明,模糊逻辑MDP的边缘计算切换策略的任务执行平均时长为608.8 s,较一维MDP切换策略、一维仅时延MDP切换策略、二维MDP切换策略、最小距离切换算法和最小时延切换算法分别降低了27.2%、8.6%、37.1%、41%和22.3%。该方案在提高了基于MDP的边缘计算切换策略的环境适应性的同时,大幅降低了边缘计算的传输时延。     

一种面向信息质量的移动群智感知协作方法

现有的感知信息质量研究主要集中在节点的招募、选择和感知任务的分配阶段,缺少对感知任务执行过程的优化。为此,借鉴移动设备云中的感知任务迁移理念,设计基于效用的感知任务迁移算法,提出一种移动群体内节点间直接协作的感知方法。对感知任务的执行阶段进行优化,以解决移动设备的异构性与感知信息质量需求之间的矛盾。实验结果表明,与随机选择算法和基于多任务的参与者选择算法相比,该算法可有效提高感知数据覆盖率和感知任务完成率。     

网格资源发现中移动Agent路径优化的研究

在对动态网格资源发现模型研究的基础上,改进了移动Agent在网格环境中的动态巡游策略.分析和比较了路径优化算法,在遗传算法和蚁群算法融合的基础上,提出了基于Agent的网格资源发现机制中进行路径优化的新方法,解决移动Agent为完成用户指定的资源发现任务在网格动态环境中移动时的迁移路径问题.实验结果表明了该算法的可行性,适应网格的动态性,以及提高网格资源发现的效率.     

普适计算中基于移动代理的应用follow—me迁移技术

为了更好地利用普适计算环境中的计算资源、减少人为干预、提高工作效率,提出了应用的follow-me迁移需求,即计算可以随着用户的移动在异构设备和计算环境中移动,让移动中的用户能够体验到不间断的计算。提出了基于移动代理的普适计算中间件FollowMeAgent。结合情境感知技术,利用软件代理所具备的移动性实现应用的自主迁移,并根据应用特点对迁移策略进行了细分。在此平台上开发了若干应用,通过性能测试证明其可行性和有效性。     

普适计算中基于移动代理的应用follow me迁移技术*

为了更好地利用普适计算环境中的计算资源、减少人为干预、提高工作效率,提出了应用的follow-me迁移需求,即计算可以随着用户的移动在异构设备和计算环境中移动,让移动中的用户能够体验到不间断的计算。提出了基于移动代理的普适计算中间件FollowMeAgent。结合情境感知技术,利用软件代理所具备的移动性实现应用的自主迁移,并根据应用特点对迁移策略进行了细分。在此平台上开发了若干应用,通过性能测试证明其可行性和有效性。     

基于分层和分组的移动网格资源选择算法*

针对移动网格的特殊环境,利用统计学中多次线性回归函数提出一种基于分层和分组的移动网格资源选择算法,该算法考虑了移动设备电池能量低、移动性及其处理能力弱等特征。算法中将移动资源分成不同级别层次并分成K组,将任务同时分配到符合资源请求的n组（n相似文献   

普适计算中的无缝迁移策略

针对分布式计算环境已有的一些迁移机制,都无法满足普适计算模式下任务迁移时对无缝性的要求,研究了任务的形式化描述,Agent的分类以及任务的迁移粒度问题.基于MobileAgent的任务无缝迁移策略,解决了迁移过程中的迁移算法、迁移时延、迁移失效等问题.其特点在于基于合理的迁移粒度和更小的迁移时延,通过MobileAgent的移动保证迁移的无缝性.多个应用场景中的测试实践表明了该策略的有效性.     

A resource aware software partitioning algorithm based on mobility constraints in pervasive grid environments

Pervasive computing suffers from resource limitations of mobile devices, while grid computing can utilize almost unlimited resources distributed in the whole Internet. The conjunction of such two paradigms generates a new promising one, called pervasive grid computing, where mobile users can use handheld devices to access abundant resources and services in the grid. In this paper, a novel software partitioning algorithm is presented, which is suitable for pervasive grid to optimally allocate software components between a mobile device and one or more servers, with the goal of saving the resources of mobile devices. The algorithm takes into account component mobility constraints to not only prevent violating execution requirements of the application, but also to fully exploit component mobility, replication and rebinding to conserve more resources as compared to previous works. Another distinguishing feature of the algorithm is its generality, which can be applied to minimize network bandwidth usage, response time and energy consumption, respectively or simultaneously. Extensive simulation results have demonstrated the validity and effectiveness of the proposed algorithm in various environments.     

面向边缘计算的目标追踪应用部署策略研究

目标追踪算法已在诸多领域得到广泛应用,然而由于实时性和功耗问题,使得基于深度学习模型的算法难以在移动终端设备上部署应用.本文结合边缘计算技术,从应用部署优化的角度,对目标追踪算法在移动设备上的部署策略进行研究.通过对目标追踪应用特点、移动设备特性以及边缘云网络架构的分析,提出一种面向边缘计算的目标追踪应用部署策略.通过任务分割策略将目标追踪应用的计算任务合理卸载至边缘云并利用信息融合策略对计算结果进行分析融合,此外,利用运动检测进一步降低终端节点的计算压力和功耗.通过对不同部署策略进行对比实验,实验结果表明,相比计算任务本地计算,该部署策略明显降低了任务响应时间,相比完全卸载至边缘云,该部署策略降低了相同计算任务的处理时间.     

Collaboration among mobile agents for efficient energy allocation in mobile grid

The use of mobile devices in grid environments may have two interaction aspects: devices are considered as users of grid resources or as grid resources providers. Due to the limitation constraints on energy and processing capacity of mobile devices, their integration into the Grid is difficult. In this paper, we investigate the cooperation among mobile devices to balance the energy consumption and computation workloads. Mobile devices can have different roles such as buyer devices and seller devices. In the mobile grid, the energies of mobile devices are uneven, energy-poor devices can exploit other devices with spare energy. Our model consists of two actors: A buyer device agent represents the benefits of mobile buyer device that intends to purchase energy from other devices. A seller device agent represents the profits of mobile seller device that is willing to sell spare energy to other devices. The objective of optimal energy allocation in mobile grid is to maximize the utility of the system without exceeding the energy capacity, expense budget and the deadline. A collaboration algorithm among mobile agents for efficient energy allocation is proposed. In the simulation, the performance evaluation of collaboration algorithm among mobile agents is conducted.     

基于蚂蚁算法的网格任务调度研究

在多目标的任务条件下,网格任务调度不仅要完成多目标的优化工作,还要提升蚂蚁算法的资源利用率。基于蚂蚁算法的网格任务调度,属于集群计算机处理系统,其中每个数据库分布节点都有着较高的独立性。本文主要对基于蚂蚁算法的网格任务调度进行研究,通过分析蚂蚁算法的改进策略,得出蚂蚁算法的网格任务调度的有效性与仿真结果。     

基于普适计算的文化网格

普适计算是一种将嵌入式系统、网络计算、移动计算技术相结合形成一个以人为本的信息服务智慧空间环境,人们能够在智慧空间中自由活动,享受无所不在的信息服务。网格计算的目标是使得网络上的各种资源能象电力网络一样将计算和信息的使用变得简单易用。在普适计算与网格计算的支持下,智慧空间可以不断拓展成为按需服务的信息文化基础设施网格,即文化网格。探讨了文化网格的体系结构、层次模型及关键技术。     

网格任务的脉冲响应模型与预测控制调度策略

采用反馈控制策略,处理网格环境中的任务调度问题.利用任务并行度等内部结构信息,在任务接纳速度与网格计算资源使用量之间,建立了任务脉冲响应模型.采用预测控制策略对任务接纳速度进行在线调节,以消除网格动态不确定性因素对于任务执行的影响.采用人工免疫算法进行优化求解,最大化网格吞吐能力.仿真结果验证了模型的正确性和本文算法的有效性.     

An economics-based negotiation scheme among mobile devices in mobile grid

In this paper, we propose an economics-based distributed negotiation scheme among mobile devices in mobile grid. In our model, there are energy negotiation and transactions between buyer devices and seller devices. Dynamic allocation of energy resources in mobile grid is performed through online transactions within markets. Mobile devices can be sellers and buyers that use optimization algorithms to maximize predefined utility functions during their transactions. Seller device agents sell the underlying energy resources of the mobile device. Buyer device agent makes buying decisions within the budget constraints to acquire energy resources. An economics-based negotiation algorithm among mobile devices is proposed. The proposed algorithm decomposes mobile grid system optimization problem into a sequence of two sub-problems. In the simulation, the performance evaluation of economics-based negotiation algorithm is evaluated.     

Joint contexts optimization for mobile grid

This paper presents joint contexts optimization in mobile grid. The paper describes device context information for context-aware services in the mobile device collaboration. The objective of the paper is to dynamically deliver services to mobile grid users according to current context of mobile grid environment. A utility function is used as objective function that expresses values for the current contexts. The optimization is carried out by the joint context parameter optimizer with respect to an objective function. A joint contexts optimization algorithm is proposed which decomposes mobile grid system optimization problem into sub-problems. In the experiment, the performance evaluation of joint contexts optimization algorithm is conducted.