CN109240763A - 应用程序加速启动的方法、移动终端和存储介质 - Google Patents

Abstract

本申请揭示了一种应用程序加速启动的方法、移动终端和存储介质，其中方法包括：启动常用应用程序，并将所述常用应用程序加载到后台进行缓存运行；判断是否接收到启动所述常用应用程序的第一指令；若是，将所述常用应用程序从后台缓存运行状态切换至前台运行状态。由于预先将常用应用程序启动并加载到后台运行，等用户在启动常用应用程序的时候，即可直接将常用应用程序从后台切换到前台运行，用户不必再花费较长时间来等待该常用应用程序启动，提高了常用应用程序的启动效率，提升了用户的使用体验。

Description

应用程序加速启动的方法、移动终端和存储介质

技术领域

本申请涉及通信技术领域，具体涉及一种应用程序加速启动的方法、移动终端和存储介质。

背景技术

随着科技的发展，智能手机、PAD(平板电脑)等移动终端无论是在硬件上，还是在软件上，都得到了极大提升。用户也越来越喜欢在移动终端上安装各式各样的应用软件，比如通过视频软件看视频节目，通过聊天软件与好友聊天，通过音乐软件欣赏音乐等，并且这已经成为了用户日常生活的一个重要组成部分。现在移动终端上安装的应用程序都比较多，有聊天应用程序、拍照应用程序、美图应用程序或者视频应用程序等等。当移动终端存在比较多的应用程序时，启动一个应用程序的时间就会比较长。

可见，现有技术中，移动终端存在应用程序启动时间比较长，用户使用体验差的问题。

发明内容

本申请的主要目的为提供一种应用程序加速启动的方法，旨在解决移动终端存在应用程序启动时间比较长的问题。

为实现上述目的，本申请提供了一种应用程序加速启动的方法，包括：

启动常用应用程序，并将所述常用应用程序加载到后台进行缓存运行；

判断是否接收到启动所述常用应用程序的第一指令；

若是，将所述常用应用程序从后台缓存运行状态切换至前台运行状态。

优选地，所述启动常用应用程序的步骤，包括：

基于预置的机器学习机制,确定所述常用应用程序的预设启动时间；

判断当前时间是否达到所述预设启动时间；

若是，启动所述常用应用程序。

优选地，所述基于预置的机器学习机制,确定所述常用应用程序的预设启动时间的步骤，包括：

采集所述常用应用程序在第一预设时间周期内的每一单位时间段分别对应的使用频率值；

对所述使用频率值进行比较，得出所述常用应用程序的使用频率值最高的单位时间段；

获取所述使用频率值最高的单位时间段内所有的启动时间点；

对所述启动时间点计算平均值，将所述平均值确定为所述常用应用程序的预设启动时间。

优选地，所述启动常用应用程序的步骤之前，包括：

分别获取各应用程序在第二预设时间周期内的使用数据，其中，所述使用数据包括启动次数及使用时间；

将所述启动次数及使用时间满足预设条件的应用程序，确定为所述常用应用程序。

优选地，所述将所述启动次数及使用时间满足预设条件的应用程序，确定为所述常用应用程序的步骤，包括：

筛选出第二预设时间周期内，所述启动次数大于第一预设阈值的第一应用程序；

判断在所述第二预设时间周期内，所述第一应用程序的所有的使用时间是否大于第二预设阈值；

若是，将所述第一应用程序确定为所述常用应用程序。

优选地，所述将所述启动次数及使用时间满足预设条件的应用程序，确定为所述常用应用程序的步骤，包括：

分别计算各应用程序在第三预设时间周期内，各自对应的所述启动次数及所有的使用时间的和值；

判断所述和值是否大于第一预设值；

若是，将所述和值大于第一预设值的应用程序确定为所述常用应用程序。

优选地，所述将所述常用应用程序从后台缓存运行状态切换至前台运行状态的步骤之后，包括：

分别获取各应用程序在第四预设时间周期内，各自对应的所述启动次数及所有的使用时间；

计算出在第四预设时间周期内的每次使用所述常用应用程序的平均时长；

判断是否接收到关闭所述常用应用程序的第二指令；

若接收到关闭所述常用应用程序的第二指令，判断当前使用所述常用应用程序的时长是否小于所述平均时长；

若小于所述平均时长，将与所述常用应用程序和当前用户数据一起存储于后台中。

优选地，所述将所述常用应用程序从后台缓存运行状态切换至前台运行状态的步骤之后，包括：

获取当前的电量值；

判断所述电量值是否低于第二预设值；

若是，获取当前在后台缓存运行的特定常用应用程序，并将所述特定常用应用程序的名称信息以列表的形式进行保存。

本申请还提供一种移动终端，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。

本申请还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的方法的步骤。

本申请有益技术效果：本申请通过预先启动常用应用程序，并将该常用应用程序加载到后台运行，在接收到启动该常用应用程序的第一指令后，根据第一指令直接将该常用应用程序从后台切换到前台运行。通过上述方法启动常用应用程序，可以更加节省常用应用程序启动的时间，由于预先将常用应用程序启动并加载到后台运行，等用户在启动常用应用程序的时候，即可直接将常用应用程序从后台切换到前台运行，用户不必再花费较长时间来等待该常用应用程序启动，提高了常用应用程序的启动效率，提升了用户的使用体验。

附图说明

图1是本申请一实施例的应用程序加速启动方法的流程示意图；

图2是本申请另一实施例的应用程序加速启动方法的流程示意图；

图3是本申请又一实施例的应用程序加速启动方法的流程示意图；

图4是本申请一实施例的移动终端的结构示意图。

本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

下面将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、完整地描述。显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要说明，本申请实施例中所有方向性指示(诸如上、下、左、右、前、后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变，所述的连接可以是直接连接，也可以是间接连接。

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

参照图1，本申请一实施例的应用程序加速启动的方法，包括：

启动常用应用程序，并将所述常用应用程序加载到后台进行缓存运行；

判断是否接收到启动所述常用应用程序的第一指令；

若是，将所述常用应用程序从后台缓存运行状态切换至前台运行状态。

本实施例中，常用应用程序为用户经常使用，且需要快速启动的应用程序。可通过在一段时间内，对用户所有的应用程序的使用数据进行分析后，预测得出用户习惯使用的应用程序，并将用户习惯使用的应用程序确定为常用应用程序。之后，在用户运行该常用应用程序前，移动终端会先提前启动该常用应用程序，并将该常用应用程序进程加载到后台进行缓存运行，当接收到用户需要启动所述常用应用程序的指令后，便可以直接将所述常用应用程序从后台缓存运行状态切换至前台运行状态从，这样能节省该常用应用程序的启动时间，并提高启动效率，用户不必再花费较长时间来等待该常用应用程序启动，同时也贴合用户使用习惯，提升了用户的使用体验。

进一步地，本申请一实施例中，上述步骤S1中的启动常用应用程序的步骤，包括：

S100：基于预置的机器学习机制,确定所述常用应用程序的预设启动时间；

S101：判断当前时间是否达到所述预设启动时间；

S102：若是，启动所述常用应用程序。

本实施例中，由于用户并不一定会在移动终端开机时就使用该常用应用程序，因此，若在移动终端开机时提前启动常用应用程序，则势必会造成系统资源的浪费，因此，需要为常用应用程序确定一个预设启动时间，使得用户在常用应用程序提前启动后，就使用该常用应用程序，从而避免了造成系统资源的浪费。在一个实施例中，对于机器学习机制对应的学习内容、学习方式及流程不限，具体根据实际需要进行设置。优选采用机器学习方式对一段时间周期内，常用应用程序的启动时间数据进行学习，然后再进一步对学习结果进行预测，从而得到常用应用程序的预设启动时间的预测结果。在当前时间达到所述预设启动时间后，就会提前启动所述常用应用程序，并将所述常用应用程序加载到后台进行缓存运行，只有在当前时间到达了预设启动时间后，才会启动常用应用程序，而不需要在移动终端开机时就一直保持将常用应用程序启动并转入后台运行，避免了提前启动常用应用程序所造成的系统资源浪费，保证了系统资源的高效运转。举例地，采用机器学习方式来获取连续在十天内常用应用程序的启动时间数据，并统计得到，用户甲习惯在每天晚上8点开始查看“微信”这一应用程序，于是可将“微信”应用程序的预设开启时间预测为晚上的8点。从第十一天开始，就会在晚上8点提前启动“微信”应用程序，并加载到后台进行缓存运行。根据预设开启时间来提前提前启动常用应用程序，而不是一直长时间启动常用应用程序并加载到后台进行缓存运行，这样能够有效地保证移动终端的内存的能够具有足够的空间，且节省耗电量，从而提升方案的可行性。

进一步地，本申请一实施例中，上述步骤S100，包括：

S1001：采集所述常用应用程序在第一预设时间周期内的每一单位时间段分别对应的使用频率值；

S1002：对所述使用频率值进行比较，得出所述常用应用程序的使用频率值最高的单位时间段；

S1003：获取所述使用频率值最高的单位时间段内所有的启动时间点；

S1004：对所述启动时间点计算平均值，将所述平均值确定为所述常用应用程序的预设启动时间。

本实施例中，确定常用应用程序的预设开启时间的具体操作可以是，采用预置的机器学习机制，对第一预设时间周期内的每一单位时间段(单位时间段以每一天的24小时进行划分，每个单位时间段时间长度可为半个小时或1个小时，第一个单位时间段以00:00作为端点，后续的单位时间段接续排布)，用户对于所述常用应用程序的使用习惯(即使用频率值)进行学习，并生成与用户的使用习惯对应的关于常用应用程序的预设启动时间的预测结果，根据生成的预测结果，就可以预测得到用户在未来的任意一天，可能会打开该常用应用程序的具体时间点，即上述的预设启动时间。具体地，上述预设启动时间的确定过程为：通过采集所述常用应用程序在第一预设时间周期内的每一单位时间段分别对应的使用频率值，并对各个使用频率值进行比较，得出所述常用应用程序的使用频率值最高的第一单位时间段，之后，采集第一单位时间段内的该常用应用程序的所有的启动时间点，并对该所有的启动时间点计算得到平均值，将该平均值作为该常用应用程序的预设启动时间。举例地，将第一预设时间周期设为7天，假如常用应用程序A在10天内被使用15次，其中在9:30-10:00的单位时间段内被使用6次，在14:00-14:30的单位时间段内被使用5次，在21:00-21:30的单位时间段内被使用4次，通过比较常用应用程序A在9:30-10:00的单位时间段的使用频率值是最高的，并获取到9:30-10:00的单位时间段常用应用程序A的所有的启动时间点分别为9:36、9:37、9:40、9:40、9:40、9:43、9:44，则通过对上述所有的启动时间点进行平均值计算，可得出平均值为9:40，那么则将常用应用程序A的预设开启时间确定为9:40，其它常用应用程序的计算过程与常用应用程序A相同，在此不再赘述。通过分析统计用户对常用应用程序的使用频率来统计一个对应的最佳的预设开启时间，使得方案在实现过程中更具有合理性和可行性，提升方案的灵活性。进一步地，也可以对所述常用应用程序的使用频率值最高的单位时间段内所有的启动时间点计算中位值，将该中位值确定为所述常用应用程序的预设开启时间；或者将使用频率值最高的单位时间段中较小的临界时间点确定为常用应用程序的预设开启时间；还可以对所述常用应用程序的使用频率值最高的单位时间段对应的两个临界时间点计算平均值，将所述平均值确定为所述常用应用程序的预设启动时间。可以理解的是，第一预设时间周期内可以为用户预先设置的时间，此处不作限定。

进一步地，本申请一实施例中，上述步骤S100，包括：

S1010：采集所述常用应用程序在预设时间周期内的每一单位时间点的使用频率值；

S1011：对所述使用频率值进行比较，得出所述常用应用程序的使用频率值最高的启动单位时间点；

S1012：将所述启动单位时间点确定为所述常用应用程序的预设启动时间。

本实施例中，确定常用应用程序的预设开启时间的具体操作可以是，采用预置的机器学习机制，对预设时间周期内的每一单位时间点的用户使用习惯(可为使用频率值)进行学习，并生成与用户使用习惯对应的启动单位时间点的预测结果，根据生成的预测结果，就可以预测得到用户在未来时间内，可能会打开该常用应用程序的具体时间点，即启动单位时间点。具体地，确定启动单位时间点的具体操作为：先采集常用应用程序在预设时间周期内的每一单位时间点的使用频率值，再对所有的使用频率值进行比较，得出使用频率值最高的启动单位时间点，并将使用频率值最高的启动单位时间点确定为常用应用程序的预设开启时间。可以理解的是，预设时间周期内可以为用户预先设置的时间，此处不作限定。

举例地，在预设时间周期内，对常用应用程序在每一单位时间点的使用频率值进行统计，例如常用应用程序A在10天内被使用30次，其中，在早上10点使用15次，在下午2点使用8次，在晚上7点使用7次，通过比较常用应用程序A在早上10点的使用频率值是最高的，那么将常用应用程序A的预设开启时间确定为早上10点。另外，而如果出现常用应用程序B在10天被使用10次，其中，在下午4点使用5次，在晚上9点也使用5次，那么可以将下午4点和晚上9点都作为应用程序B的预设开启时间。通过分析统计用户对常用应用程序的使用频率来统计一个对应的最佳的预设开启时间，使得方案在实现过程中更具有合理性和可行性，提升方案的灵活性。

参照图2，进一步地，本申请一实施例中，上述步骤S1之前，包括：

S110：分别获取各应用程序在第二预设时间周期内的使用数据，其中，所述使用数据包括启动次数及使用时间；

S111：将所述启动次数及使用时间满足预设条件的应用程序，确定为所述常用应用程序。

本实施例中，上述的第二预设时间周期，可以是一周、两周或者任意用户自定义的时间段等等。上述的使用数据同时包括启动次数与使用时间，上述将启动次数与使用时间满足预设条件的应用程序，确定为所述常用应用程序，具体可为将启动次数满足大于第一预设阈值且使用时间满足大于第二预设阈值的应用程序确定为常用应用程序，或者是将启动次数与使用时间进行简单的求和，将和值比较大的应用程序确定为满足预设条件的常用应用程序；或者也可以是将启动次数和使用时间乘上各自的加权系数之后再求和，将和值比较大的应用程序确定为满足预设条件的目标应用程序。

进一步地，本申请一实施例中，上述步骤S111，包括：

S1110：筛选出第二预设时间周期内，所述启动次数大于第一预设阈值的第一应用程序；

S1111：判断在所述第二预设时间周期内，所述第一应用程序的所有的使用时间是否大于第二预设阈值；

S1112：若是，将所述第一应用程序确定为所述常用应用程序。

本实施例中，如果仅仅对应用程序的启动次数或使用时间中的一个因素来进行统计分析得到常用应用程序，这样会导致得出的常用应用程序的准确度较低。因此，本实施例只把在一段预设时间周期内的启动次数与使用时间同时满足预设条件的应用程序确定为常用应用程序。举例地，将第二预设时间周期设为7天，将第一预设阈值设为5次，将第二预设阈值设为100分钟，对各应用程序在7天内的启动次数以及各应用程序在7天内的所有的使用时间进行统计，先将满足启动次数大于5次的第一应用程序(第一应用程序的数量可为一个或多个)筛选出来，另外，如果该第一应用程序在7天内的所有的使用时间大于100分钟，则将该第一应用程序确定为常用应用程序。通过结合应用程序的启动次数与使用时间来共同分析统计，使得确定的常用应用程序更具准确性、更合理。进一步地，可对常用应用程序的数量进行限制，也避免出现数量太多的常用应用程序会对移动终端运行的功耗以及CPU负载造成影响，例如将常用应用程序的数量设定为N个，且N个常用应用程序同时运行在后台不会影响到终端运行的功耗以及CPU负载。例如，在筛选出启动次数大于第一预设阈值的第一应用程序之后，只将所有的使用时间大于第二预设阈值，且排位为前N位的第一应用程序确定为常用应用程序。

进一步地，本申请一实施例中，上述步骤S111，包括：

S1113：分别计算各应用程序在第三预设时间周期内，各自对应的所述启动次数及所有的使用时间的和值；

S1114：判断所述和值是否大于第一预设值；

S1115：若是，将所述和值大于第一预设值的应用程序确定为所述常用应用程序。

本实施例中，使用数据包括启动次数与使用时间，如果仅仅对应用程序的启动次数或者使用时间来进行统计分析来得到常用应用程序，这样的精确度较低。本实施例通过分别计算各应用程序在所述第三预设时间周期内，各自对应的所述启动次数及所有的使用时间的和值，并预先设定一个第一预设值，再将和值大于第一预设值的应用程序确定为满足预设条件的常用应用程序，这样结合了应用程序的启动次数与使用时间一起进行统计，使得统计分析得到的常用应用程序更加合理。举例地，将第一预设值设为70，通过统计，应用程序B在第三预设时间周期(设为1周)的启动次数为10次，所有的使用时间为100分钟，则和值为110，且大于70，则可将应用程序B确定为常用应用程序。进一步地，可对常用应用程序的数量进行限制，也避免出现数量太多的常用应用程序会对终端运行的功耗以及CPU负载造成影响，例如将常用应用程序的数量设定为N个，且N个常用应用程序同时运行在后台不会影响到终端运行的功耗以及CPU负载。此时，可筛选出和值大于第一预设阈值的指定和值，并对该指定和值进行大小顺序的排列，将该指定和值排名为前N位的应用程序确定为常用应用程序。

进一步地，本申请一实施例中，上述步骤S3之后，包括：

S300：分别获取各应用程序在第四预设时间周期内，各自对应的所述启动次数及所有的使用时间；

S301：计算出在第四预设时间周期内的每次使用所述常用应用程序的平均时长；

S302：判断是否接收到关闭所述常用应用程序的第二指令；

S303：若接收到关闭所述常用应用程序的第二指令，判断当前使用所述常用应用程序的时长是否小于所述平均时长；

S304：若小于所述平均时长，将与所述常用应用程序和当前用户数据一起存储于后台中。

本实施例中，在接收到用户发出的关闭所述常用应用程序的指令后，可以智能地判断用户在紧接的短时间内是否还会用到该常用应用程序，进而来执行是否需要将常用应用程序和当前用户数据一起存储于内存中，以便用户迟一点再次使用该常用应用程序，智能地快速进入到常用应用程序最后一次停留的界面，并提高用户的使用体验，具体过程可为：首先获取各应用程序在第四预设时间周期内，各自对应的所述启动次数及所有的使用时间，对获取到的常用应用程序的启动次数及所有的使用时间进行统计分析，来计算出在第四预设时间周期内的用户每次使用所述应用程序的平均时长，再判断当前使用常用应用程序的时长是否小于所述平均时长，如果判定当前使用常用应用程序的时长小于所述平均时长，则可预测用户在紧接的短时间内会用到该常用应用程序，此时便不会执行关闭常用应用程序的操作，而是将常用应用程序和当前用户数据一起存储于内存中，以便以便用户迟一点再次使用该常用应用程序，智能地进入到常用应用程序最后一次停留的界面，提高用户的使用体验。可以理解的是，第四预设时间周期可以为用户预先设置的时间，可以与上述的第一预设时间周期、第二预设时间周期和第三预设时间周期相同或不同，此处不作限定。

参照图3，进一步地，本申请一实施例中，上述步骤S3之后，包括：

S310：获取当前的电量值；

S311：判断所述电量值是否低于第二预设值；

S312：若是，获取当前在后台运行的特定常用应用程序，并将所述特定常用应用程序的名称信息以列表的形式进行保存。

本实施例中，移动终端当前的电量值，即为移动终端电池余量的剩余百分值，其对应的第二预设值由用户根据实际情况进行设置，可以设为5％、10％等，当移动终端的电量值小于该第二预设值时，意味着移动终端处于即将要关闭电源的状态。当移动终端检测到当前电池的电量值低于该第二预设值时，会立刻获取当前在后台运行的特定常用应用程序，并将该特定常用应用程序的名称信息保存到列表中。之后，移动终端在电量不足后关闭，待移动终端重新连接电源开机后，会直接读取列表中的特定常用应用程序的名称信息，并把与所述名称信息对应的特定常用应用程序重新加载到后台运行，以便在移动终端重新开启后，能够恢复移动终端断电关闭前的状态，此时当用户启动该特定常用应用程序时，便可以直接将该特定常用应用程序从后台切换到前台运行，即由后台缓存运行状态切换至前台运行状态，节省用户的等待时间，提升用户的使用体验。

参照图4，本申请实施例中还提供一种移动终端，该移动终端可以是服务器，其内部结构可以如图4所示。该移动终端包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该移动终端设计的处理器用于提供计算和控制能力。该移动终端的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该移动终端的数据库用于存储测试数据表等数据。该移动终端的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种应用程序加速启动方法。

上述处理器执行上述应用程序加速启动方法的步骤：

启动常用应用程序，并将所述常用应用程序加载到后台进行缓存运行；

判断是否接收到启动所述常用应用程序的第一指令；

若是，将所述常用应用程序从后台缓存运行状态切换至前台运行状态。

本领域技术人员可以理解，图4中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的移动终端的限定。

本申请一实施例还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现一种应用程序加速启动方法，具体为：

启动常用应用程序，并将所述常用应用程序加载到后台进行缓存运行；

判断是否接收到启动所述常用应用程序的第一指令；

若是，将所述常用应用程序从后台缓存运行状态切换至前台运行状态。

综上所述，本申请实施例中提供的应用程序加速启动的方法、移动终端和存储介质，通过预先启动常用应用程序，并将该常用应用程序加载到后台运行，在接收到启动该常用应用程序的第一指令后，根据第一指令直接将该常用应用程序从后台切换到前台运行。通过上述方法启动常用应用程序，可以更加节省常用应用程序启动的时间，由于预先将常用应用程序启动并加载到后台运行，等用户在启动常用应用程序的时候，即可直接将常用应用程序从后台切换到前台运行，用户不必再花费较长时间来等待该常用应用程序启动，提高了常用应用程序的启动效率，提升了用户的使用体验。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储与一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM通过多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双速据率SDRAM(SSRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其它变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其它要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。

以上所述仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。

Claims (10)

1.一种应用程序加速启动的方法，其特征在于，应用于移动终端，包括：

启动常用应用程序，并将所述常用应用程序加载到后台进行缓存运行；

判断是否接收到启动所述常用应用程序的第一指令；

若是，将所述常用应用程序从后台缓存运行状态切换至前台运行状态。

2.根据权利要求1所述的应用程序加速启动的方法，其特征在于，所述启动常用应用程序的步骤，包括：

基于预置的机器学习机制,确定所述常用应用程序的预设启动时间；

判断当前时间是否达到所述预设启动时间；

若是，启动所述常用应用程序。

3.根据权利要求2所述的应用程序加速启动的方法，其特征在于，所述基于预置的机器学习机制,确定所述常用应用程序的预设启动时间的步骤，包括：

采集所述常用应用程序在第一预设时间周期内的每一单位时间段分别对应的使用频率值；

对所述使用频率值进行比较，得出所述常用应用程序的使用频率值最高的单位时间段；

获取所述使用频率值最高的单位时间段内所有的启动时间点；

对所述启动时间点计算平均值，将所述平均值确定为所述常用应用程序的预设启动时间。

4.根据权利要求1所述的应用程序加速启动的方法，其特征在于，所述启动常用应用程序的步骤之前，包括：

分别获取各应用程序在第二预设时间周期内的使用数据，其中，所述使用数据包括启动次数及使用时间；

将所述启动次数及使用时间满足预设条件的应用程序，确定为所述常用应用程序。

5.根据权利要求4所述的应用程序加速启动的方法，其特征在于，所述将所述启动次数及使用时间满足预设条件的应用程序，确定为所述常用应用程序的步骤，包括：

筛选出第二预设时间周期内，所述启动次数大于第一预设阈值的第一应用程序；

判断在所述第二预设时间周期内，所述第一应用程序的所有的使用时间是否大于第二预设阈值；

若是，将所述第一应用程序确定为所述常用应用程序。

6.根据权利要求4所述的应用程序加速启动的方法，其特征在于，所述将所述启动次数及使用时间满足预设条件的应用程序，确定为所述常用应用程序的步骤，包括：

分别计算各应用程序在第三预设时间周期内，各自对应的所述启动次数及所有的使用时间的和值；

判断所述和值是否大于第一预设值；

若是，将所述和值大于第一预设值的应用程序确定为所述常用应用程序。

7.根据权利要求4所述的应用程序加速启动的方法，其特征在于，所述将所述常用应用程序从后台缓存运行状态切换至前台运行状态的步骤之后，包括：

分别获取各应用程序在第四预设时间周期内，各自对应的所述启动次数及所有的使用时间；

计算出在第四预设时间周期内的每次使用所述常用应用程序的平均时长；

判断是否接收到关闭所述常用应用程序的第二指令；

若接收到关闭所述常用应用程序的第二指令，判断当前使用所述常用应用程序的时长是否小于所述平均时长；

若小于所述平均时长，将与所述常用应用程序和当前用户数据一起存储于后台中。

8.根据权利要求1所述的应用程序加速启动的方法，其特征在于，所述将所述常用应用程序从后台缓存运行状态切换至前台运行状态的步骤之后，包括：

获取当前的电量值；

判断所述电量值是否低于第二预设值；

若是，获取当前在后台缓存运行的特定常用应用程序，并将所述特定常用应用程序的名称信息以列表的形式进行保存。

9.一种移动终端，包括存储器和处理器，所述存储器中存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。