一种基于用户偏好的移动计算卸载决策算法

摘要

移动计算卸载可以通过互联网将智能手机端中的计算密集型应用程序传输到服务器端运行并返回结果,有助于提升智能手机的性能。移动计算卸载决策算法往往只重视客观指标,而不考虑用户的个性化需求。本文提出了一种基于用户偏好的计算卸载算法。首先,结合机器学习算法设计和训练了一个用户模型对用户的个性化卸载需求进行预测。然后,通过系数调整,将影响移动计算卸载的用户主观因素与客观指标相结合,构建了系统运行时的动态网络流图。最后,结合最小割算法对移动端应用程序进行划分。实验结果表明,本文提出的卸载决策算法不仅比贪婪卸载算法更能满足用户个性化需求,而且在大数据量的情况下,算法的执行时间甚至优于直接在云服务器端运行。