[发明专利]一种基于最先适应算法和遗传算法的计算任务卸载方法

说明书

本发明涉及一种基于最先适应算法和遗传算法的计算任务卸载方法，所述方法包括：步骤S1、对Q时间内累计产生的计算任务使用遗传算法得出卸载位置并进行卸载；步骤S2、初始化TLIMIT＝t₀+TMAX和y＝0；步骤S3、获取产生的最新计算任务，并计算该最新计算任务的计算时间t，判断时间t是否小于TLIMIT和累计值y是否小于PMAX是否都成立，如果都成立则执行步骤S4，否则执行步骤S5；步骤S4、对该最新计算任务使用最先适应算法进行计算卸载，并将该最新计算任务的惩罚值累加到y上，并转到步骤S3；步骤S5、判断是否结束对计算任务的卸载，如果不结束则转到步骤S1继续执行，如果结束则结束运行。使用本发明，能够使得总体卸载达到最优。

技术领域

本发明涉及计算任务卸载技术领域，具体涉及一种基于最先适应算法和遗传算法的计算任务卸载方法。

背景技术

近些年，随着物联网技术的快速发展与人们对生活质量要求的提高，出现了许多新型物联网设备，并且广泛地得到了使用，如智能手机、智能手环、智能家居、共享单车等。并且随着计算机科学的不断进步，新兴算法的计算量越来越大，如机器学习、自然语言处理、深度学习等。然而移动设备的计算能力较低，电池容量较小，这就导致了移动设备的许多计算任务无法完成。计算卸载中的移动边缘计算和云计算可以有效的解决该问题。移动边缘计算利用无线接入网络就近为移动设备的用户提供计算服务，而云计算通过网络“云”将巨大的数据计算处理程序分解成无数个小程序，然后通过多部服务器组成的系统进行处理和分析这些小程序得到结果并返回给用户。因为移动设备的电源使用的是电池或其他功耗较低的供电方式，其功耗得到了限制，且由于移动设备的便携性其体积也得到了限制，所以边缘服务器与云服务器的计算能力通常远高于移动设备。移动设备将任务卸载到边缘服务器和云服务器可以有效的缩短任务的计算时间和减少移动设备的能量消耗。

通过本发明的发明人研究发现，计算任务在本地计算、卸载到边缘服务器或者卸载到云服务器的计算时延和能量消耗差异很大；应该让计算量小、时延敏感型的任务在本地计算，将计算量大、非时延敏感型任务的任务卸载到边缘服务器或云服务器；因此，有必要提出一种计算任务卸载方法，来实现这个目的。

发明内容

本发明的目的在于提出一种基于最先适应算法和遗传算法的计算任务卸载方法，以实现让计算量小、时延敏感型的任务在本地计算，将计算量大、非时延敏感型任务的任务卸载到边缘服务器或云服务器。

为实现上述目的，本发明的实施例提出一种基于最先适应算法和遗传算法的计算任务卸载方法，包括：

步骤S1、对Q时间内多个移动设备累计产生的多个计算任务，使用遗传算法进行计算得出卸载位置并进行卸载；其中，Q为预先设定的遗传算法的处理时间；

步骤S2、初始化TLIMIT＝t₀+TMAX和y＝0；其中，TMAX为最先适应算法最大的处理时间，t₀为Q时间内多个移动设备累计产生的计算任务的时间消耗；

步骤S3、获取产生的最新计算任务，并计算该最新计算任务的时间消耗t，判断时间消耗t是否小于TLIMIT和累计值y是否小于PMAX是否都成立，如果都成立则执行步骤S4，否则执行步骤S5；其中，PMAX为预先设置的惩罚值上限；

步骤S4、对该最新计算任务使用最先适应算法进行计算卸载，将该最新计算任务的惩罚值累加到y，并转到步骤S3；

步骤S5、判断是否结束对计算任务的卸载，如果不结束则转到步骤S1继续执行，如果结束则结束运行。

可选地，所述步骤S4包括：

步骤S41、计算该最新计算任务在当前卸载位置计算的消耗t；

步骤S42、判断该消耗t是否小于该最新计算任务所要求的消耗最大值；