《表1 移动端与云端设备参数》
本文以图2工作流示例和随机产生的工作流与random[2]、non_CCS[3]、TS[3]进行对比实验。random算法是通过任务随机进行迁移的策略,并未考虑任务迁移的均衡化与任务迁移所带来的迁移能耗问题,这样往往会导致大量的迁移能耗和迁移时间。non-CSS算法并未采用整合的策略进行优化,并未考虑CPU负载率等问题。TS算法通过筛选策略,筛选出分别适合移动端与云端执行的任务,并通过禁忌搜素策略对所选结果进行优化,得出全局最优解,但是这样的搜索往往会花费大量的时间,并且虽然在一定程度上节约移动端能耗,但云端能耗没有任何优化。综上,它们都是通过算法对工作流完成时间、移动端能耗进行优化,并未考虑云端及移动端与云端的总能耗问题,因而通过对比实验对移动端、云端的总能耗进行改进,其中工作流的每个任务的任务量在[1,10]随机得到(单位GHz),每个任务的传输数据量在[1,10]随机得到(单位Mbps),工作流的总完成时间以s为单位,工作流的总能耗以J为单位,即任务的响应时间RT为0.1 s,云端处理速度、移动端处理速度、移动端功率、云端功率、移动端数据接收与发送功率如表1所示。
图表编号 | XD00198006600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.08.05 |
作者 | 宋祖尧、戴月明 |
绘制单位 | 江南大学物联网工程学院、江南大学物联网工程学院 |
更多格式 | 高清、无水印(增值服务) |