LOPRTC卸载算法
背景:我实现该算法是在边缘计算单个工作流环境中,下面可以看到此背景下的java代码实现。
1.算法伪代码
2.输入
任务集等…
3.输出
接近最优的任务调度。
4.参数说明

1.MD:移动设备
2.RLTS:合理的基于本地的任务时间表
3.MEC服务器集S = {S1,S2,…,SM}
4.任务集T = {T1,T2,…,TN}
5.每个Job的处理时间P = {P0,P1,…,Pn-1}
6.某设备的行走路径:P = {(Au1,tu1),(Au2,tu2),…(Aup,tup)},其中tu是一个任意的时间点。
7.移动设备集S0 = {SM+1,SM+2,…,SM+L}
8.一个区域A = {Au}
9.整数q
10.dj:工作流任务最长执行时间
5.分析
- 算法2-5行:将N个任务划分成N/q(向上取整)个组。1<= q <= N
- 算法6-17行:任务调度优化,For 0≤k≤(N / q), 计算局部最优任务调度
① 计算第 k 组中所有任务的最早开始时间与完成所有任务的最晚结束时间(第k组的最晚结束时间是第 k+1 组的最早开始时间)。
② 为第 k 组中的每个任务 Tj 计算候选卸载MEC服务器集CSj,每个任务 Tj 可以卸载到覆盖其行走路径的MEC服务器,在时间间隔[第k组的最早开始时间, min {dj, 第k组的最晚结束时间}]。
③ 计算第 k 组任务的局部最优任务调度(利用分支限界法)。 - 算法18行:通过这些局部最优任务调度,计算所有任务(各组的并集)的近似最优任务调度。

本质:还是类似枚举,只是利用时间限制剪掉了一些情况的组合。
6.我的java代码实现
/**
* 初始化的方法
* 初始化任务的邻接矩阵,任务、组的最早开始时间与最晚结束时间
*/
void LOPRTCInit(){
// 卸载策略数组初始化
offloadStra = new int[taskNum];
for (int i = 0; i < taskNum; i++) {
offloadStra[i] = 0;
}
// 邻接矩阵初始化
task_depen = new int[taskNum][taskNum];
for (int i = 0; i < taskNum; i++) {
for (int j = 0; j < taskNum; j++) {
task_depen[i][j] = 0;
}
}
try{
SAXReader reader = new SAXReader();// 创建SAXReader对象用于读取xml文件
Document doc = reader.read(new File(path));// 读取xml文件,获得Document对象
Element root = doc.getRootElement();
List<Element> childElements = root.elements("child");// 获取根元素下的所有child标签的子元素
for (int i = 0; i < childElements.size(); i++) {
String vex_str = childElements.get(i).attributeValue("ref");
int vex_int = Integer.parseInt(vex_str.substring(2));
List<Element> parents = childElements.get(i).elements("parent");// 获取child元素下的所有parent标签元素
for (int j = 0; j < parents.size(); j++) {
String vex_parent_str = parents.get(j).attributeValue("ref");
int vex_parent_int = Integer.parseInt(vex_parent_str.substring(2));
task_depen[vex_parent_int][vex_int] = 1;
}
}
}catch(Exception e){
System.out.println("xml没找到!");
}
// 每个任务的执行时间初始化
task_exec = new double[taskNum];
try{
SAXReader reader = new SAXReader();// 创建SAXReader对象用于读取xml文件
Document doc = reader.read(new File

最低0.47元/天 解锁文章
3084





