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 PDF

Info

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
Application number
CN201611106125.8A
Other languages
English (en)
Other versions
CN106793031A (zh
Inventor
朱正伟
刘晨
宋文浩
黄晓竹
刁晓敏
郭晓
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Changzhou University
Original Assignee
Changzhou University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Changzhou University filed Critical Changzhou University
Priority to CN201611106125.8A priority Critical patent/CN106793031B/zh
Publication of CN106793031A publication Critical patent/CN106793031A/zh
Application granted granted Critical
Publication of CN106793031B publication Critical patent/CN106793031B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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

基于集合竞优算法的智能手机能耗优化方法
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
Figure GDA0002597936490000021
和
Figure GDA0002597936490000022
其中
Figure GDA0002597936490000023
是样本集取值中不大于t的样本，
Figure GDA0002597936490000024
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：
Figure GDA0002597936490000025
Figure GDA0002597936490000026
其中，Ent(D)为样本集D的信息熵，Ta为候选划分点集合，
Figure GDA0002597936490000027
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：
Figure GDA0002597936490000028
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)：
Figure GDA0002597936490000031
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。
Figure GDA0002597936490000032
Figure GDA0002597936490000033
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。
Figure GDA0002597936490000034
其中，C(ti)表示集合的容量，每个项目的重要性为
Figure GDA0002597936490000036
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。
Figure GDA0002597936490000035
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。
Figure GDA0002597936490000041
Figure GDA0002597936490000042
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
Figure FDA0002597936480000011
和
Figure FDA0002597936480000012
其中
Figure FDA0002597936480000013
是样本集取值中不大于t的样本，
Figure FDA0002597936480000014
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：
Figure FDA0002597936480000015
Figure FDA0002597936480000016
其中，Ent(D)为样本集D的信息熵，Ta为候选划分点集合，
Figure FDA0002597936480000017
作为候选划分点，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；
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)：
Figure FDA0002597936480000018
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)：
Figure FDA0002597936480000019
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)：
Figure FDA0002597936480000021
Figure FDA0002597936480000022
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)：
Figure FDA0002597936480000023
其中，C(ti)表示集合的容量，每个项目的重要性为
Figure FDA0002597936480000025
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)：
Figure FDA0002597936480000024
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)。
CN201611106125.8A 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 Active CN106793031B (zh)

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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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

Patent Citations (4)

* Cited by examiner, † Cited by third party
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