CN106793031B - 基于集合竞优算法的智能手机能耗优化方法 - Google Patents
基于集合竞优算法的智能手机能耗优化方法 Download PDFInfo
- Publication number
- CN106793031B CN106793031B CN201611106125.8A CN201611106125A CN106793031B CN 106793031 B CN106793031 B CN 106793031B CN 201611106125 A CN201611106125 A CN 201611106125A CN 106793031 B CN106793031 B CN 106793031B
- Authority
- CN
- China
- Prior art keywords
- network
- application program
- time period
- screen
- network activity
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 35
- 238000000034 method Methods 0.000 title claims abstract description 16
- 230000002860 competitive effect Effects 0.000 title claims abstract description 14
- 238000005265 energy consumption Methods 0.000 title claims abstract description 13
- 230000000694 effects Effects 0.000 claims abstract description 31
- 238000012544 monitoring process Methods 0.000 claims abstract description 9
- 238000003066 decision tree Methods 0.000 claims abstract description 8
- 238000005065 mining Methods 0.000 claims abstract description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000013499 data model Methods 0.000 claims description 2
- 238000013178 mathematical model Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 claims description 2
- 238000012546 transfer Methods 0.000 claims description 2
- 238000013459 approach Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/02—Power saving arrangements
- H04W52/0209—Power saving arrangements in terminal devices
- H04W52/0261—Power saving arrangements in terminal devices managing power supply demand, e.g. depending on battery level
- H04W52/0264—Power saving arrangements in terminal devices managing power supply demand, e.g. depending on battery level by selectively disabling software applications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Abstract
本发明专利公开了一种基于集合竞优算法的智能手机能耗优化方法,所述方法由交叉应用程序中间件软件实现,主要包括三个组件:监视组件、挖掘组件和调度组件。采集用户在屏幕关闭时使用的网络活动数据,利用决策树预测应用程序对用户的重要性。将得到的重要性的值引入到集合竞优算法中,约束应用程序的网络请求,减少屏幕关闭后的网络活动,降低网络活动造成的电池损耗。在保证用户体验的前提下使得手机续航节能达到最大化。
Description
技术领域:
本发明涉及移动计算控制领域,尤其涉及一种基于集合竞优算法的智能手机能耗优化方法。
背景技术:
随着LTE、4G高速宽带无线网络的快速覆盖和智能移动终端的快速普及,手机应用程序因极大地提高了用户的体验,呈现爆发式增长。每天有数万应用程序涌现在智能手机运行,长时间的高能耗操作会迅速消耗手机电池电量,而且低效的计算也会带来手机性能的下降。现有的解决这样问题的途径是避免网络活动电能消耗,这种途径在节能方面智能带来有限的改善,而且影响了智能手机用户的体验。节能和用户体验之间的平衡具有重要的意义,但在目前的工作中往往被忽视。
在充分调研了人们的智能手机使用习惯后,本发明提出一种新的基于用户习惯的方法来调度智能手机各应用程序的网络活动。
通过现有的研究结果可有两个重要的发现:第一,智能手机屏幕关闭后,应用程序在后台仍然参与不同的网络活动。第二,用户使用智能手机的行为呈现出高度的规律性。本发明提出了一个在线优化算法用于智能手机端来实现保证用户体验的前提下使得手机续航节能达到最大化。
发明内容:
为了克服现有节能技术影响用户体验的弊端,本发明提出了一种基于集合竞优算法的智能手机能耗优化方法。
本发明提出的基于集合竞优算法的智能手机能耗优化方法是采集用户在屏幕关闭时使用的网络活动数据,利用决策树预测应用程序对用户的重要性。将得到的重要性的值引入到集合竞优算法中,约束应用程序的网络请求,减少屏幕关闭后的网络活动,降低网络活动造成的电池损耗。
上述的基于集合竞优算法的智能手机能耗优化方法,其特征在于如下步骤:
(1)进行用户习惯分析,对8位用户组织为期3周的真实跟踪记录。获取他们使用应用程序的时长,次数等数据。利用决策树算法对应用程序对于用户的重要性进行分类,其具有速度快,准确性高等特点。本发明侧重于用户使用数据作为决策树算法分类的属性。
(2)利用集合竞优算法对屏幕关闭后的网络互活动进行调节,允许对于用户相对重要的应用程序的运行,约束屏幕关闭后应用程序的网络访问量,减少屏幕关闭后的网络活动。集合竞优问题是一个组合优化问题,具有最优子结构性质。本发明侧重于在保证用户体验的前提下使得手机续航节能达到最大化。
使用交叉应用程序中间件软件实现上述方案,安排网络活动。以应用程序和硬件之间中间层的方式运行。主要包括三个组件:监视组件、挖掘组件和调度组件。
监视组件:监视组件记录来自用户和应用程序的信息,这些信息存储在智能手机的数据库里;
挖掘组件:挖掘组件利用数据库进行预测,对应用程序对于用户的重要性进行预测,预测结果将被播送到调度组件;
调度组件:调度组件确定调度策略,然后执行。
附图说明:
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,在附图中
图1中间件软件的系统实现框架图
图2用户数据生成的决策树
具体实施方式:
本发明基于集合竞优算法的智能手机能耗优化方法的中间件软件的系统实现框架图如图1所示,由监视组件、挖掘组件调度组件构成。其中:
监视组件:监视组件记录来自用户和应用程序的信息,这些信息存储在智能手机的数据库里;
挖掘组件:挖掘组件利用数据库进行预测,对应用程序对于用户的重要性进行预测,预测结果将被播送到调度组件;
调度组件:调度组件确定调度策略,然后执行。
为了统计出用户每天使用并且具有网络活动的应用程序,通过将功率监控器连接到智能手机上。我们使用应用定时器2和程序流量状态软件对多名用户进行为期一个月的追踪调查,统计出各应用程序的使用次数、时长和耗费的网络流量占一天中所用程序的百分比,对这些连续值进行分析,根据这三个属性先预测出应用程序对用户是否重要。
我们使用决策树算法中采用的连续属性离散化技术,采用二分法对连续属性进行处理。对连续值处理的定义如下,给定样本集D和连续属性a,样本集中的连续属性有不同取值,将在这些值从小到大进行排序,记为{a1,a2,...an},基于划分点t可将D分为子集和其中是样本集取值中不大于t的样本,则是样本集中取值大于t的样本。计算每个属性的信息增益如下:
其中,Ent(D)为样本集D的信息熵,Ta为候选划分点集合,作为候选划分点,然后便于我们像离散属性值一样来考察这些划分点,选取最优的划分点进行样本集合的划分。根据式2计算出信息增益,以其中一名用户使用的应用程序QQ为例,其时长比例的候选划分点集合包含14个候选值:T时长比例{0.0663,0.0809,0.0824,0.0855,0.0885,0.1044,0.1098,0.1123,0.1211,0.1223,0.1224,0.1239,0.1252,0.1290}。由式2可计算出属性“时长比例”的信息增益Gain(D1,a)为0.5799,对应于划分点0.0809。类似的,次数比例Gain(D2,a)和网络流量Gain(D3,a)比例的的信息增益也可依次算出。
由应用程序的三个属性的信息增益来定义其重要性,计算公式如式3:
节约电能主要利用减少屏幕关闭下的网络活动来减少WiFi和蜂窝数据的开启时间,即管理应用程序的网络请求。首先预测屏幕关闭下的网络活跃时间段,屏幕关闭时网络活跃时段指的是当屏幕关闭状下,仍然有数据通过移动网络传输的时间段。定义时间段ti作为屏幕关闭下的网络活跃时间段,当且仅当ti满足公式(4):
其中,P(ti)为时间段ti内使用网络的概率,U(ti)j观测数据里第j天m个应用程序在时间段ti的网络活动,时间段集合Tn表示所有满足公式(4)的网络活跃时间段ti的集合。我们选择用集合竞优问题来实现算法调度,屏幕关闭下的网络活跃时间段为ti,集合容量定义为:
C(ti)=Bandwidth·ti (5)
其中,Bandwidth是运营商提供的频带宽度,ti表示一个集合。我们建立的多集合问题的数学模型描述,见公式6和7,其中公式6满足公式7。
其中,Xij=1表示物体i属于集合j,反之Xij=0表示不属于。每一个网络活动ni表示一个应用程序,Cj为m个集合的容量,对于每一个ti∈Tn,我们创造一个独立的项目集。将多集合问题转换成单个集合问题:数据传输/接收数据模型,见式8。
其中,C(ti)表示集合的容量,每个项目的重要性为该网络活动的权重为w(ni),即ti时间段中数据传输/接收的总和。集合竞优问题是一种组合优化问题,具有最优子结构性质,用子问题定义状态,建立集合竞优问题状态转移方程:设有n个应用程序,v[i][w]为最优解,其递归式见式9。
对于初始状态,v[0,w]表示虽然手机网络开启但不允许任何应用程序运行,同样的v[i,0]表示数据连接关闭,应用程序仍然无法运行。
在集合竞优问题中不会满足所有应用程序的活动,空余的空间就降低了网络活动所需要的能耗。按上述算法计算后,可以求得时间段ti内可以运行的应用程序数量n(ti),定义时间段ti内所有发出网络请求的应用程序数量表示为N(ti)。公式10和11为用户使用干扰率和节约的电能百分比。
以上显示和描述描述了本发明专利的基本原理,主要特征和本发明专利的优点。本行业的技术人员应该了解,本发明专利不受上述实施例的限制,上述实施例和说明书中描述的只是本发明专利的原理,在不脱离本发明专利精神和范围的前提下,本发明专利还会有各种变化和改进,这些变化的改进都落入要求保护的本发明专利的范围内。
Claims (1)
1.一种基于集合竞优算法的智能手机能耗优化方法,该智能手机包括中间件软件的系统,所述中间件软件的系统包括监视组件、挖掘组件及调度组件,其中,
监视组件:记录来自用户和应用程序的信息,这些信息存储在智能手机的数据库里;
挖掘组件:利用数据库进行预测,对应用程序对于用户的重要性进行预测,预测结果将被播送到调度组件;
调度组件:确定调度策略,然后执行;
其特征在于:该方法是采集用户在屏幕关闭时使用的网络活动数据,利用决策树预测应用程序对用户的重要性;将得到的重要性的值引入到集合竞优算法中,运行相对重要的应用程序的运行,约束应用程序的网络请求,减少屏幕关闭后的网络活动,降低网络活动造成的电池损耗;
还包括以下步骤:
将功率监控器连接到智能手机上,应用定时器和程序流量状态软件对多名用户进行为期一个月的追踪调查,统计出各应用程序的使用次数、时长和耗费的网络流量占一天中所用程序的百分比,对这些连续值进行分析,根据使用次数、时长和耗费的网络流量三个属性先预测出应用程序对用户是否重要;
使用决策树算法中的连续属性离散化技术,采用二分法对连续值属性进行处理的过程具体为:
对连续值处理的定义如下,给定样本集D和连续属性a,样本集中的连续属性有不同取值,将这些值从小到大进行排序,记为{a1,a2,...an},基于划分点t将D分为子集和其中是样本集取值中不大于t的样本,则是样本集中取值大于t的样本;计算每个属性的信息增益如下:
由应用程序的三个属性的信息增益来定义其重要性,计算公式如式(3):
其中,Gain(Di1,a)为第i个值的“时长比例”信息增益,Gain(Di2,a)为第i个值的次数比例信息增益,Gain(Di3,a)为第i个值的网络流量比例信息增益;
管理应用程序的网络请求,首先预测屏幕关闭下的网络活跃时间段,屏幕关闭时网络活跃时段指的是当屏幕关闭状下,仍然有数据通过移动网络传输的时间段;定义时间段ti作为屏幕关闭下的网络活跃时间段,当且仅当ti满足公式(4):
其中,P(ti)为时间段ti内使用网络的概率,U(ti)j观测数据里第j天m个应用程序在时间段ti的网络活动,时间段集合Tn表示所有满足公式(4)的网络活跃时间段ti的集合;选择用集合竞优问题来实现算法调度,屏幕关闭下的网络活跃时间段为ti,集合容量定义为:
C(ti)=Bandwidth·ti (5)
其中,Bandwidth是运营商提供的频带宽度,ti表示一个集合;建立多集合问题的数学模型描述,见公式(6)和(7),其中公式(6)满足公式(7):
其中,Xij=1表示物体i属于集合j,反之Xij=0表示不属于;每一个网络活动ni表示一个应用程序,Cj为m个集合的容量,对于每一个ti∈Tn,创造一个独立的项目集;将多集合问题转换成单个集合问题:数据传输/接收数据模型,见式(8):
其中,C(ti)表示集合的容量,每个项目的重要性为该网络活动的权重为w(ni),即ti时间段中数据传输/接收的总和;集合竞优问题是一种组合优化问题,具有最优子结构性质,用子问题定义状态,建立集合竞优问题状态转移方程:设有n个应用程序,v[i][w]为最优解,其递归式见式(9):
对于初始状态,v[0,w]表示虽然手机网络开启但不允许任何应用程序运行,同样的v[i,0]表示数据连接关闭,应用程序仍然无法运行;
在集合竞优问题中不会满足所有应用程序的活动,空余的空间就降低了网络活动所需要的能耗;按上述算法计算后,可以求得时间段ti内可以运行的应用程序数量n(ti),定义时间段ti内所有发出网络请求的应用程序数量表示为N(ti)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611106125.8A CN106793031B (zh) | 2016-12-06 | 2016-12-06 | 基于集合竞优算法的智能手机能耗优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611106125.8A CN106793031B (zh) | 2016-12-06 | 2016-12-06 | 基于集合竞优算法的智能手机能耗优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106793031A CN106793031A (zh) | 2017-05-31 |
CN106793031B true CN106793031B (zh) | 2020-11-10 |
Family
ID=58874164
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611106125.8A Active CN106793031B (zh) | 2016-12-06 | 2016-12-06 | 基于集合竞优算法的智能手机能耗优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106793031B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107343106B (zh) * | 2017-08-04 | 2020-12-01 | 闻泰通讯股份有限公司 | 移动终端WiFi使用控制方法 |
CN107704070B (zh) * | 2017-09-30 | 2020-01-14 | Oppo广东移动通信有限公司 | 应用清理方法、装置、存储介质及电子设备 |
CN107678531B (zh) | 2017-09-30 | 2020-12-01 | Oppo广东移动通信有限公司 | 应用清理方法、装置、存储介质及电子设备 |
CN107894827B (zh) * | 2017-10-31 | 2020-07-07 | Oppo广东移动通信有限公司 | 应用清理方法、装置、存储介质及电子设备 |
CN107943537B (zh) * | 2017-11-14 | 2020-01-14 | Oppo广东移动通信有限公司 | 应用清理方法、装置、存储介质及电子设备 |
CN109992367A (zh) * | 2017-12-29 | 2019-07-09 | 广东欧珀移动通信有限公司 | 应用处理方法和装置、电子设备、计算机可读存储介质 |
CN110086835B (zh) * | 2018-01-24 | 2021-08-03 | 腾讯科技(深圳)有限公司 | 应用程序管控方法、终端、服务器及系统 |
DE102018001671A1 (de) | 2018-03-02 | 2019-09-05 | Giesecke+Devrient Mobile Security Gmbh | Verfahren zur Optimierung und Steuerung der Verwendung einer Batterie eines Terminals |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103257894A (zh) * | 2012-02-20 | 2013-08-21 | 联想(北京)有限公司 | 一种管理程序的方法及电子终端 |
CN103425564A (zh) * | 2013-08-22 | 2013-12-04 | 安徽融数信息科技有限责任公司 | 一种智能手机软件使用预测方法 |
CN103440032A (zh) * | 2013-09-11 | 2013-12-11 | 广州市久邦数码科技有限公司 | 一种调节移动终端cpu频率的省电系统及方法 |
CN105050164A (zh) * | 2015-01-16 | 2015-11-11 | 中国矿业大学 | 基于数据重要性的降低wifi功耗方法 |
-
2016
- 2016-12-06 CN CN201611106125.8A patent/CN106793031B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103257894A (zh) * | 2012-02-20 | 2013-08-21 | 联想(北京)有限公司 | 一种管理程序的方法及电子终端 |
CN103425564A (zh) * | 2013-08-22 | 2013-12-04 | 安徽融数信息科技有限责任公司 | 一种智能手机软件使用预测方法 |
CN103440032A (zh) * | 2013-09-11 | 2013-12-11 | 广州市久邦数码科技有限公司 | 一种调节移动终端cpu频率的省电系统及方法 |
CN105050164A (zh) * | 2015-01-16 | 2015-11-11 | 中国矿业大学 | 基于数据重要性的降低wifi功耗方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106793031A (zh) | 2017-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106793031B (zh) | 基于集合竞优算法的智能手机能耗优化方法 | |
Xu et al. | A computation offloading method over big data for IoT-enabled cloud-edge computing | |
CN110113195B (zh) | 一种移动边缘计算系统中联合卸载判决和资源分配的方法 | |
Ke et al. | Joint optimization of data offloading and resource allocation with renewable energy aware for IoT devices: A deep reinforcement learning approach | |
CN110493360A (zh) | 多服务器下降低系统能耗的移动边缘计算卸载方法 | |
CN103702401B (zh) | 基于用户行为分析的移动网络节能方法 | |
Li et al. | Method of resource estimation based on QoS in edge computing | |
CN113542002B (zh) | 5g无线接入网的切片调度方法、装置、设备及存储介质 | |
Bao et al. | From prediction to action: Improving user experience with data-driven resource allocation | |
Xi et al. | Real-time resource slicing for 5G RAN via deep reinforcement learning | |
Ouyang et al. | Cost-aware edge resource probing for infrastructure-free edge computing: From optimal stopping to layered learning | |
CN107566535B (zh) | 基于Web地图服务并发访问时序规则的自适应负载均衡方法 | |
Meng et al. | RAN slice strategy based on deep reinforcement learning for smart grid | |
Fu et al. | Traffic prediction-enabled energy-efficient dynamic computing resource allocation in cran based on deep learning | |
CN114938372B (zh) | 一种基于联邦学习的微网群请求动态迁移调度方法及装置 | |
Li et al. | Dynamic computation offloading based on graph partitioning in mobile edge computing | |
CN111083710A (zh) | 一种用于5g系统的智慧组网方法 | |
Hao et al. | Energy-aware offloading based on priority in mobile cloud computing | |
Nabi et al. | Deep learning based fusion model for multivariate LTE traffic forecasting and optimized radio parameter estimation | |
Li et al. | Task computation offloading for multi-access edge computing via attention communication deep reinforcement learning | |
CN116939866A (zh) | 一种基于协同计算和资源分配联合优化的无线联邦学习效率提升方法 | |
Lee et al. | An overview of mobile device network traffic and network interface usage patterns | |
Choi et al. | Divisible load scheduling inwireless sensor networks with information utility | |
Du et al. | Joint optimization of offloading and communication resources in mobile edge computing | |
Li et al. | Re-Scheduling IoT Services in Edge Networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20170531 Assignee: Shandong Hongde Yuheng Information Technology Co.,Ltd. Assignor: CHANGZHOU University Contract record no.: X2023980051060 Denomination of invention: A Smart Phone Energy Consumption Optimization Method Based on Set Competitive Optimization Algorithm Granted publication date: 20201110 License type: Common License Record date: 20231209 |
|
EE01 | Entry into force of recordation of patent licensing contract |