基于移动设备云迁移的节能决策算法(EPVAD)

主要参数
β r
（t）：无线网络带宽
γ ：压缩单位数据所使用的执行时间 ：数据压缩比 C ：任务执行时间
D ：任务的数据总量
Pl ：移动设备任务执行时功耗 Pl'：移动设备数据压缩时功耗 Ptr：单位时间网络传输功耗
任务划分&对应功耗
给定一个任务集合 T = {τ1, τ2, . . . , τn}, T 中的每个任务 τi在移动终端上的执行时 间为 Ci, 数据总量 Di, 任务数据压缩比 ri. 每个任务按序执行, 并且在每个时刻网络接 口只能发送一个任务的数据.在正常联网情况下, 当一个任务 τi就绪时, 移动终端在以 下 3 种执行方式中作决策:
局部区段的递归定义如下: 假设观察到 [t,t ’] 时刻的无 线网络带宽值, 并且当前的局部区段为 Lc，检查从时间 t 开 始的 k 个单位时间的网络带宽的期望值，如果这 k 个带宽 的期望值与局部区段 Lc的期望值 Ec的差值在阈值 p 以内, 就认为这个观察到的无线网络带宽值属于 Lc, 并且将这 k 个带宽值加入 Lc, 重新计算 Ec；如果这 k 个带宽的期望值 与当前局部区段的期望值的差值在阈值 p 以外, 那这 k 个 网络带宽数据就构成一个新的局部区段并替换原来的局部 区段, 替换后重新计算期望 Ec。
基于移动设备云迁移的 节能决策算法——EPVAD
师玉林
EPVAD 算法
EPVAD 算法是一种基于带宽期望估计的算法, 其 核心思想: 比较任务在不同执行方式下的功耗期望, 采 用其中功耗期望最小的方式执行任务。 主要方法是将功耗期望的比较转化为带宽阈值和 带宽期望估计的比较. 算法主要可以分为 3 个部分: 1) 任务到达时, 根据任务的参数计算 3 个网络阈值; 2) 比较网络的局部区段, 估计出未来时段的网络带宽 期望; 3) 比较计算出来的阈值和带宽期望估计值, 并做出决 策。
[Pl ·Ci,Ptr·Di/β （t）,Pl'·γ i·[Di·（1-ri）]+Ptr·Diri/β （t）]·xiT
i 1 n
决策的数学模型
由上所述，任务 τi 的 M1 、 M2 、 M3 方式执行的功耗期望依 次是：
决策与无线带宽期望大小的对应关系
Байду номын сангаас
当给定一个任务的参数时，可以计算得到
网络带宽的估计
根据期望局部性,未来一段时间的带宽很大可能从属于 当前的局部区段.因此可以用当前局部区段的期望作为未来 一段时间的期望估计,即 Ef[β (t)] = E[β (Lc)]。
1）本地执行任务（M1） 功耗E1=Pl ·Ci 2）终端直接将数据发送到云端执行（M2） 功耗E2=Ptr·[Di/β （t）] 3）终端将数据压缩后发送到云端执行（M3）
功耗E3=Pl'·γ i·[Di·（1-ri）]+Ptr·Diri/β （t）
压缩用的时间
压缩的数据量
压缩后的数据总量
总功耗
对应每个任务τi都有一个决策向量 xi. 当任务在本地执行时, 对应的决策向量 xi= {1, 0, 0}; 相应地, 对于直接远端执行和数据 压缩后远端执行, 分别有 xi= {0, 1, 0} 和xi= {0, 0, 1}。对应整个 任务集，得到一个决策集Ψ。 Ψ ={x1，x2，……,xn} 设对应的总功耗为Esum， Esum=
这 3 个值被称为带宽阈值。为了实现决策过程, 需要得到未来一 段时间 E[β(t)] 的估计值, 并且与带宽阈值比较后, 完成决策过程.
网络带宽的估计
基于带宽期望局部性原理，引入局部区段的概念来估 计 Ef[β(t)]的大小。即将网络数据划分成多个区间 (局部区 段)，并根据局部区段预测未来一段时间的带宽期望。局部 区段的确定涉及到两个参数：粒度参数 k 和阈值参数 p。 粒度参数 k 作为局部区段组成的最小单位. 例如当 k = 3 时, 局部区段的大小为 3 的倍数。