CN106254454A - 基于移动分布式计算的在线图形化网络文学编辑系统 - Google Patents

Abstract

本发明公开了一种基于移动分布式计算的在线图形化网络文学编辑系统，包括设置在移动终端的文字编辑单元、处理单元和通信单元以及设置在远程服务器的数据处理单元；所述的文字编辑单元包括文字编辑区域和存储表示特定对话语句的对话块的对话元素库；工作时，从所述的对话元素库中拖拽所述的对话块至文字编辑区域排列组合形成对话块序列，所述的对话块序列具有特定的文字含义；处理单元采集所述的对话块序列表示的文字含义，通过所述的通信单元将含义发送至远程服务器中的数据处理单元；根据历史活动中心将系统内的手机分配成簇。

Description

基于移动分布式计算的在线图形化网络文学编辑系统

技术领域

本发明涉及一种基于移动分布式计算的在线图形化网络文学编辑系统。涉及专利分类号H04电通信技术H04L数字信息的传输，例如电报通信H04L29/00H04L 1/00至H04L27/00单个组中不包含的装置、设备、电路和系统H04L29/02通信控制；通信处理H04L29/06以协议为特征的H04L29/08传输控制规程，例如数据链级控制规程。

背景技术

相对于家用桌面级处理器近年来的近乎停滞的缓慢发展，移动端的精简指令集处理器的处理能力有了长足的发展，单纯的浮点计算能力与桌面处理器的处理能力的差距已经缩短至2-3年。

除去处理器和图形处理器的跨越式发展之外，智能终端的诸如内存、存储空间以及供电等性能，散热能力已经追上和超过了桌面系统，而且系统软件在厂商坚持不懈的努力下，对系统的要求也在不断降低。总体上硬件的发展速度已经将手机系统软件的性能需求，形成了性能冗余。

发明内容

根据现有技术存在的问题，本发明公开了一种基于移动分布式计算的在线图形化网络文学编辑系统，其特征在于包括设置在移动终端的文字编辑单元、处理单元和通信单元以及设置在远程服务器的数据处理单元；

所述的文字编辑单元包括文字编辑区域和存储表示特定对话语句的对话块的对话元素库；

工作时，从所述的对话元素库中拖拽所述的对话块至文字编辑区域排列组合形成对话块序列，所述的对话块序列具有特定的文字含义；

处理单元采集所述的对话块序列表示的文字含义，通过所述的通信单元将含义发送至远程服务器中的数据处理单元；

所述的数据处理单元分析所述的文字含义，对代码的运算任务进行分解；

同时采用分布式队列服务的方法实施采集系统内部的其它空闲手机装他器，对手机位置的流式数据进行抽样存储，采用时间衰减算法估计手机的历史活动区域中心，根据历史活动中心将系统内的手机分配成簇；

然后将分解后的任务发送至簇内的移动终端，由移动终端进行分解任务的计算并将计算结果返回至所述的远程服务器的数据处理单元，由数据处理单元汇总后，生成最终的运算结果，存储并将运算结果发送至编辑图形的移动终端，完成图像化变成。

作为优选的实施方式，所述的数据处理单元采用分布式队列服务方法实时采集系统内注册的非编程任务手机的配置信息和编程任务手机上传的计算任务信息：对手机的位置流式数据进行抽样存储形成手机的历史活动区域；

根据需要任务分解的计算任务的类型和系统手机的运载条件对手机和计算任务信息进行筛选：将同类型的配置信息和同类型的计算任务信息分别集中整理，同时对已经集中整理的手机和计算任务信息进行实时更新；

对每一个手机任务类型数据集进行微聚类：在设置好的时间窗内使用聚类算法对上述每一个手机任务类型数据集按距离进行聚类，使每一个手机任务类型数据集产生多个微簇；

针对每一个微簇计算匹配方案：在预先设置的时间窗内，对所述的微簇采用进化算法对其进行手机任务供需匹配组合优化，形成手机任务匹配方案并保存。

更进一步的，对每一个手机任务类型数据集进行微聚类具体采用如下方式：初始化微簇

在初始时刻，针对每一个VC_type数据集使用基于距离的聚类算法形成q个初始微簇，q为聚类算法初始化时指定，且

q＝μ*|VC_type|

其中0＜μ＜0.25，|VC_type|为手机任务类型数据集VC_type的规模，使用M₁...M_q表示某一时刻的全部q个微簇；

对于每一个微簇，若簇内仅有手机或仅有任务数据，则删除该微簇，并计算该微簇中手机历史活动区域中心位置或任务位置与其他微簇中心的距离，找到最近的微簇M_p，并将该数据点置于微簇M_p中。

更进一步的，针对每一个微簇计算匹配方案，具体采用如下方式：建立手机任务匹配模型：若某微簇M_p中有K(k＝1,2,3….K)个手机和I(i＝1,2，…,I)个计算任务数据，由所有匹配x_ki组成的矩阵VCM为手机任务匹配问题的一个解。

VCM每一个行向量对应每一个手机的匹配方案，每一个列向量对应每一个计算任务分解需求的匹配方案，其中

手机任务匹配组合优化数学模型为

max Z＝w₁R+w₂(C+1)^-1 (2)

同时满足以下约束条件：

限制每个计算任务分解需求至多有M_I个匹配手机；

限制每个手机至多匹配M_K个计算任务分解需求；

要求每个手机匹配的所有的计算任务分解需求的总体计算任务重量要小于gb_k；

给每个手机推荐的每个方案中的计算任务重量都小于任务分解手机的任务接收量；

其中i＝1,2,...,I，k＝1,2,...,K

其中每个手机的任务分解能力为b_k，每个计算任务需求为d_i，w₁和w₂为信息资源利用率R和总体匹配成本C两个指标的偏好程度,且w₁+w₂＝1，其中信息资源利用率R的计算公式为：

$R=\frac{{\Σ}_{i=1}^I{\Σ}_{k=1}^K{x}_{ki}}{K\×I}$

C为总体匹配成本，在仅考虑距离成本的条件下，C的计算公式为

$C={\Σ}_{i=1}^I{\Σ}_{k=1}^K{l}_{ik}{x}_{ki}$

通过采用上述技术方案，本发明公开的一种基于移动分布式计算的在线图形化网络文学编辑系统，通过将但一个手机创建的任务传输至服务器进行分解，由系统将分解后的任务发送至特定区域范围内的手机进行分布式计算，极大的提高了空闲手机的利用效率，为扩展手机的运算性能开辟了新的路径。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的系统模块图

具体实施方式

为使本发明的技术方案和优点更加清楚，下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚完整的描述：

实施例：

如图1所示的一种基于移动分布式计算的在线图形化网络文学编辑系统，其特征在于包括设置在移动终端的文字编辑单元、处理单元和通信单元以及设置在远程服务器的数据处理单元；

所述的文字编辑单元包括文字编辑区域和存储表示特定对话语句的对话块的对话元素库；

工作时，从所述的对话元素库中拖拽所述的对话块至文字编辑区域排列组合形成对话块序列，所述的对话块序列具有特定的文字含义；

处理单元采集所述的对话块序列表示的文字含义，通过所述的通信单元将含义发送至远程服务器中的数据处理单元；

所述的数据处理单元分析所述的文字含义，对代码的运算任务进行分解；

同时采用分布式队列服务的方法实施采集系统内部的其它空闲手机装他器，对手机位置的流式数据进行抽样存储，采用时间衰减算法估计手机的历史活动区域中心，根据历史活动中心将系统内的手机分配成簇；

然后将分解后的任务发送至簇内的移动终端，由移动终端进行分解任务的计算并将计算结果返回至所述的远程服务器的数据处理单元，由数据处理单元汇总后，生成最终的运算结果，存储并将运算结果发送至编辑图形的移动终端，完成图像化变成。

所述的数据处理单元分析所述的文字含义，对代码的运算任务进行分解，发送至特定范围的特定移动终端，由移动终端进行分解任务的计算并将计算结果返回至所述的远程服务器的数据处理单元，由数据处理单元汇总后，生成最终的运算结果，存储并将运算结果发送至编辑图形的移动终端，完成图像化变成。

所述的数据处理单元采用分布式队列服务方法实时采集系统内注册的非编程任务手机的配置信息和编程任务手机上传的计算任务信息：对手机的位置流式数据进行抽样存储形成手机的历史活动区域；

根据需要任务分解的计算任务的类型和系统手机的运载条件对手机和计算任务信息进行筛选：将同类型的配置信息和同类型的计算任务信息分别集中整理，同时对已经集中整理的手机和计算任务信息进行实时更新；

对每一个手机任务类型数据集进行微聚类：在设置好的时间窗内使用聚类算法对上述每一个手机任务类型数据集按距离进行聚类，使每一个手机任务类型数据集产生多个微簇；

针对每一个微簇计算匹配方案：在预先设置的时间窗内，对所述的微簇采用进化算法对其进行手机任务供需匹配组合优化，形成手机任务匹配方案并保存。

更进一步的，对每一个手机任务类型数据集进行微聚类具体采用如下方式：初始化微簇

在初始时刻，针对每一个VC_type数据集使用基于距离的聚类算法形成q个初始微簇，q为聚类算法初始化时指定，且

q＝μ*|VC_type|

其中0＜μ＜0.25，|VC_type|为手机任务类型数据集VC_type的规模，使用M₁...M_q表示某一时刻的全部q个微簇；

对于每一个微簇，若簇内仅有手机或仅有任务数据，则删除该微簇，并计算该微簇中手机历史活动区域中心位置或任务位置与其他微簇中心的距离，找到最近的微簇M_p，并将该数据点置于微簇M_p中。

作为优选的实施方式，针对每一个微簇计算匹配方案，具体采用如下方式：建立手机任务匹配模型：若某微簇M_p中有K(k＝1,2,3….K)个手机和I(i＝1,2，…,I)个计算任务数据，由所有匹配x_ki组成的矩阵VCM为手机任务匹配问题的一个解。

VCM每一个行向量对应每一个手机的匹配方案，每一个列向量对应每一个计算任务分解需求的匹配方案，其中

手机任务匹配组合优化数学模型为

max Z＝w₁R+w₂(C+1)^-1 (2)

同时满足以下约束条件：

限制每个计算任务分解需求至多有M_I个匹配手机；

限制每个手机至多匹配M_K个计算任务分解需求；

要求每个手机匹配的所有的计算任务分解需求的总体计算任务重量要小于gb_k；

给每个手机推荐的每个方案中的计算任务重量都小于任务分解手机的任务接收量；

其中i＝1,2,...,I，k＝1,2,...,K

其中每个手机的任务分解能力为b_k，每个计算任务需求为d_i，w₁和w₂为信息资源利用率R和总体匹配成本C两个指标的偏好程度,且w₁+w₂＝1，其中信息资源利用率R的计算公式为：

$R=\frac{{\Σ}_{i=1}^I{\Σ}_{k=1}^K{x}_{ki}}{K\×I}$

C为总体匹配成本，在仅考虑距离成本的条件下，C的计算公式为。

$C={\Σ}_{i=1}^I{\Σ}_{k=1}^K{l}_{ik}{x}_{ki}$

对于具体的匹配合理程度的问题，作为优选的实施方式，进行初始化P个量子个体，每个量子个体有K×I个量子比特位，每个量子比特位两个概率幅，形式如下

$\[\left.\begin{array}{c}{\mathrm{\α}}_1\\ {\mathrm{\β}}_1\end{array}\right|\left.\begin{array}{c}{\mathrm{\α}}_2\\ {\mathrm{\β}}_2\end{array}\right|\left.\begin{array}{c}\mathrm{...}\\ \mathrm{...}\end{array}\right|\begin{array}{c}{\mathrm{\α}}_n\\ {\mathrm{\β}}_n\end{array}\]$

其中α,β为复数，分别表示|0>和|1>的概率幅度，且满足|α|²+|β|²＝1，量第n个比特位的α_n在初始状态随机给出，第n个量子比特位测量值为

$Q_n^{\mathrm{\&psi;}}=\{\begin{array}{cc}1,& {\mathrm{th}}_n\&GreaterEqual;{{\mathrm{\&alpha;}}_n}^2\\ 0,& {\mathrm{th}}_n<{{\mathrm{\&alpha;}}_n}^2\end{array}---\left(13\right)$

其中th_n为每次量子进化后，针对每一个比特位随机给出的阈值，且满足0<th_n<1，α_n越小量子个体的第n量子比特位表现为1的概率越大。

量子个体测量值由每一个量子比特位测量值组成

$Q^{\mathrm{\&psi;}}=\{Q_1^{\mathrm{\&psi;}},Q_2^{\mathrm{\&psi;}},...,Q_{K\&times;I}^{\mathrm{\&psi;}}\}---\left(14\right)$

对车货匹配问题采用二进制编码设计，使每个量子个体测量值代表一种匹配方案，并与车货匹配矩阵对应。解码过程需要将量子个体的每一个比特位的测量值与VCM矩阵的每一项元素进行映射，映射关系为

$x_{ki}=Q_{(k-1)\&times;I+i}^{\mathrm{\&psi;}}---\left(15\right)$

则每一个量子个体的测量值对应一个车货匹配问题的解。

(2)量子目标函数设计

根据手机匹配模型的目标函数公式(2)定义量子个体的适应度函数为：

$F\left(Q^{\mathrm{\&psi;}}\right)=\frac{w_1{\&Sigma;}_{n=1}^{K\&times;I}{Q}_n^{\mathrm{\&psi;}}}{K\&times;I}+\frac{w_2}{1+{\&Sigma;}_{n=1}^{K\&times;I}{Q}_n^{\mathrm{\&psi;}}L\left(n\right)}---\left(16\right)$

其中

(3)目标函数的惩罚函数设计

引进有约束惩罚的量子适应度函数对不符合约束条件的量子个体适应度进行惩罚。公式为：

ξ(Q^ψ)＝IMV+IMC (18)

$F{\left(Q^{\mathrm{\&psi;}}\right)}^{pun}=F{\left(Q^{\mathrm{\&psi;}}\right)}^{1+\mathrm{\&xi;}\left(Q^{\mathrm{\&psi;}}\right)}---\left(19\right)$

其中：公式(18)中ξ(Q^ψ)定义为一个量子个体中不符合约束条件的比特位的个数，其中Q^ψ为量子所有比特位测量值,IMV为Q^ψ中不符合约束公式(2)或者约束公式(4)的手机个数，IMC为不符合约束公式(3)的任务个数，设Q1^ψ，Q2^ψ为不满足约束条件的量子，随着ξ变大，经过约束惩罚后适应度逐渐变小，惩罚前适应度较大的个体，在惩罚后可能因为距离ξ较大，变成适应度较小的量子个体，如，没有约束惩罚前的适应度满足F(Q1^ψ)＝f₁>F(Q2^ψ)，由于两个量子个体所代表的匹配方案中不符合约束条件比特位个数不同，有可能得到的结果，从而降低不符合约束条件量子个体的适应度。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (4)

1.一种基于移动分布式计算的在线图形化网络文学编辑系统，其特征在于包括设置在移动终端的文字编辑单元、处理单元和通信单元以及设置在远程服务器的数据处理单元；

所述的文字编辑单元包括文字编辑区域和存储表示特定对话语句的对话块的对话元素库；

工作时，从所述的对话元素库中拖拽所述的对话块至文字编辑区域排列组合形成对话块序列，所述的对话块序列具有特定的文字含义；

处理单元采集所述的对话块序列表示的文字含义，通过所述的通信单元将含义发送至远程服务器中的数据处理单元；

所述的数据处理单元分析所述的文字含义，对代码的运算任务进行分解；

同时采用分布式队列服务的方法实施采集系统内部的其它空闲手机装他器，对手机位置的流式数据进行抽样存储，采用时间衰减算法估计手机的历史活动区域中心，根据历史活动中心将系统内的手机分配成簇；

然后将分解后的任务发送至簇内的移动终端，由移动终端进行分解任务的计算并将计算结果返回至所述的远程服务器的数据处理单元，由数据处理单元汇总后，生成最终的运算结果，存储并将运算结果发送至编辑图形的移动终端，完成图像化变成。

2.根据权利要求1所述的基于移动分布式计算的在线图形化网络文学编辑系统，其特征还在于所述的数据处理单元采用分布式队列服务方法实时采集系统内注册的非编程任务手机的配置信息和编程任务手机上传的计算任务信息：对手机的位置流式数据进行抽样存储形成手机的历史活动区域；

根据需要任务分解的计算任务的类型和系统手机的运载条件对手机和计算任务信息进行筛选：将同类型的配置信息和同类型的计算任务信息分别集中整理，同时对已经集中整理的手机和计算任务信息进行实时更新；

对每一个手机任务类型数据集进行微聚类：在设置好的时间窗内使用聚类算法对上述每一个手机任务类型数据集按距离进行聚类，使每一个手机任务类型数据集产生多个微簇；

针对每一个微簇计算匹配方案：在预先设置的时间窗内，对所述的微簇采用进化算法对其进行手机任务供需匹配组合优化，形成手机任务匹配方案并保存。

3.根据权利要求2所述的基于移动分布式计算的在线图形化网络文学编辑系统，其特征还在于：对每一个手机任务类型数据集进行微聚类具体采用如下方式：初始化微簇

在初始时刻，针对每一个VC_type数据集使用基于距离的聚类算法形成q个初始微簇，q为聚类算法初始化时指定，且

q＝μ*|VC_type|

其中0＜μ＜0.25，|VC_type|为手机任务类型数据集VC_type的规模，使用M₁...M_q表示某一时刻的全部q个微簇；

对于每一个微簇，若簇内仅有手机或仅有任务数据，则删除该微簇，并计算该微簇中手机历史活动区域中心位置或任务位置与其他微簇中心的距离，找到最近的微簇M_p，并将该数据点置于微簇M_p中。

4.根据权利要求3所述的基于移动分布式计算的在线图形化网络文学编辑系统，其特征还在于：针对每一个微簇计算匹配方案，具体采用如下方式：建立手机任务匹配模型：若某微簇M_p中有K(k＝1,2,3….K)个手机和I(i＝1,2，…,I)个计算任务数据，由所有匹配x_ki组成的矩阵VCM为手机任务匹配问题的一个解。

VCM每一个行向量对应每一个手机的匹配方案，每一个列向量对应每一个计算任务分解需求的匹配方案，其中

手机任务匹配组合优化数学模型为

max Z＝w₁R+w₂(C+1)^-1 (2)

同时满足以下约束条件：

限制每个计算任务分解需求至多有M_I个匹配手机；

限制每个手机至多匹配M_K个计算任务分解需求；

要求每个手机匹配的所有的计算任务分解需求的总体计算任务重量要小于gb_k；

给每个手机推荐的每个方案中的计算任务重量都小于任务分解手机的任务接收量；

其中i＝1,2,...,I，k＝1,2,...,K

其中每个手机的任务分解能力为b_k，每个计算任务需求为d_i，w₁和w₂为信息资源利用率R和总体匹配成本C两个指标的偏好程度,且w₁+w₂＝1，其中信息资源利用率R的计算公式为：

$R=\frac{{\mathrm{\&Sigma;}}_{i=1}^I{\mathrm{\&Sigma;}}_{k=1}^K{x}_{ki}}{K\&times;I}$

C为总体匹配成本，在仅考虑距离成本的条件下，C的计算公式为。

$C={\mathrm{\&Sigma;}}_{i=1}^I{\mathrm{\&Sigma;}}_{k=1}^K{l}_{ik}{x}_{ki}$