一种智能终端的应用程序优化方法与流程

本发明涉及智能终端控制领域，尤其涉及一种智能终端的应用程序优化方法。

背景技术：

目前对于智能终端的系统功耗优化，绝大多数都是从系统级的层面，通过判断当前场景来控制wakelock、网络连接、alarm、屏幕亮度等系统资源实现性能功耗优化。而对于应用程序的优化，大多都是针对具体的应用程序通过采用传统的优化算法和人类直觉等，在特定界面或特定场景下做出优化决策。当前传统的性能功耗优化方法很难适应不同应用程序在不同硬件环境上的变化，且并不能预先精确感知下一步负载的需求变化，无法实现性能的最优化。

上述对于应用程序内部交互行为的优化存在如下不足：

1、单个应用程序与不同人之间的交互有着相当复杂的非线性关系，传统的方法只能利用基本的工程公式和人类直觉等，在特定界面或特定场景下做出优化决策。

2、使用者在不同应用程序下的交互行为也不一样，一套自定义的应用程序功耗优化方法很难通过自我调节来适应另一个应用程序。

3、传统的性能功耗优化方法很难适应不同应用程序在不同硬件环境上的变化，功耗优化应该尽可能少的影响用户体验，不同手机的硬件配置对应用程序的功耗优化配置提出了不同的要求。

4、传统方法无法预先准确获知下一步具体的负载需求，只能在需求变化以后，被动的进行CPU动态调频调压，无法实现性能体验的最优化。

因此当前迫切需要一种能够根据不同应用程序在不同硬件环境下，在不同交互行为节点时，事先准确获知下一步资源负载需求，及时精确的对负载参数的进行配置，实现性能功耗的有效优化方法。

技术实现要素：

为了克服上述技术缺陷，本发明的目的在于提供一种智能终端的应用程序优化方法，可更加智能和快速地判断应用程序的运行模式，大幅度地降低系统功耗。

本发明公开了一种智能终端的应用程序优化方法，包括以下步骤：

步骤S1：启动应用程序，并于所述应用程序运行时，监控所述应用程序的行为以形成一个或多个行为节点；

步骤S2：所述智能终端与一远程服务终端连接，自所述远程服务终端获取对应所述应用程序的所述行为节点的行为关系和/或参数配置；

步骤S3：当所述行为节点触发时，根据获取的所述行为关系执行所述行为节点的下一交互行为，和/或根据获取的所述参数配置调整所述应用程序利用所述智能终端的资源负载；其中，

所述行为关系包括与所述行为节点拓扑连接的其他行为节点的执行顺序；所述参数配置包括智能终端的CPU配置、GPU配置、网络资源配置。

优选地，所述步骤S1中，于所述智能终端的操作系统内添加行为捕捉及行为控制；所述行为捕捉根据所述应用程序的操作确定所述行为节点，以及于该行为节点处，所述应用程序占用所述智能终端的资源负载；所述行为控制根据所述行为节点执行的动作控制所述资源负载。

优选地，所述交互动作类型单元设于所述交互行为单元内；所述交互行为单元还包括：下一节点ID单元，表示下一跳转的行为节点的名称。

优选地，所述行为节点及占用的资源负载存储至智能终端数据库内。

优选地，所述步骤S1与步骤S2间还包括：步骤S1’：所述应用程序首次启动时，所述智能终端上传所述应用程序的初始行为节点和/或初始参数配置。

优选地，所述远程服务终端的行为关系和/或参数配置根据多个所述智能终端的行为节点的操作习惯调整所述初始行为关系和初始参数配置，以形成所述行为关系和参数配置。

优选地，所述行为节点包括：上一节点ID单元，表示前一行为节点的名称；当前节点ID单元，表示当前行为节点的名称；节点类型单元，表示当前行为节点的类型；交互行为单元，表示当前行为节点的所有可能执行的交互动作；交互动作类型单元，表示所述交互动作的类型；资源分配单元，表示执行所述交互动作时的资源负载。

优选地，所述行为节点类型包括：Activity动作类型和Service服务类型；所述交互动作类型包括：点击所述应用程序和滑动所述应用程序。

优选地，所述步骤S2和S3间还包括：步骤S2’：当所述远程服务终端不具有行为节点时，所述应用程序执行交互动作和资源负载，并将承载有所述交互动作和资源负载的行为关系和参数配置上传至所述远程服务终端。

优选地，所述参数配置还包括：蓝牙连接配置、屏幕亮度配置、GPS定位配置、CPU锁持有配置、应用程序界面配置。

采用了上述技术方案后，与现有技术相比，具有以下有益效果：

1.针对不同的应用程序，可进行客制化和定制化的优化方式，适配性更强；

2.优化内容深入到不同的应用程序操作中，每一操作对系统资源的占用都极致优化；

3.可预测下一工作，及时精确地对系统负载进行配置。

附图说明

图1为符合本发明一优选实施例中行为节点拓扑连接关系示意图；

图2为符合本发明一优选实施例中行为节点形成的流程示意图；

图3为符合本发明一优选实施例中行为节点的结构示意图；

图4为符合本发明一优选实施例中行为拓扑关系建立示意图。

具体实施方式

以下结合附图与具体实施例进一步阐述本发明的优点。

本发明提供的对应用程序的优化，主要以以下步骤实现：

步骤S1：形成行为节点

当使用者启动应用程序后，应用程序便在使用者的不断操作下运行，并进入不同的界面，反馈不同的信息，实现不同的功能。由于应用程序安装和更新后，其所具有的功能、按钮、操作是限定的，因此，对可实现的功能、按钮和操作进行监控，便可形成对应上述功能、按钮、操作的行为节点。例如，以某网上支付应用程序为例，当该应用程序启动后，其初始界面将具有如付款、扫码、转账、设置等功能性按钮，或可左滑右滑进入其他界面等滑动功能，每一此类功能性按钮的操作和对应界面被监控，以形成一行为节点。当点击此类功能性按钮后，将进入另一界面，在其他界面中，若仍具有功能性按钮，则将继续针对每一按钮形成一行为节点。或者，应用程序需要推送广告、消息或弹出界面框时，此类主动式或被动式的交互界面也可被监控，以形成行为节点。也就是说，应用程序内的每一按钮、操作、弹框、功能均可具有对应的行为节点，该行为节点表征了该按钮、操作、弹框、功能的实现功能、界面显示、前后关联功能和界面等等内容。

步骤S2：获取行为关系和/或参数配置

智能终端与一远程服务终端连接，将该远程服务终端作为云端获取应用程序的行为节点的行为关系和/或参数配置。例如，仍以上述网上支付应用程序为例，远程服务终端存储有该网上支付应用程序的每一行为节点的行为关系和参数配置，本文所指的行为关系，参阅图1，为应用程序部分行为节点的拓扑连接关系示意图，由于应用程序的内部代码是固定的，则每一行为节点所对应的前后行为节点也是固定的，举例来说，该网上支付应用程序的付款按钮的行为节点，当点击该付款按钮后，下一节点对应的必然是付款码界面的行为节点，再例如，点击设置按钮后，该网上支付应用程序的设置的行为节点必然跳跃至设置界面。正是由于应用程序的固化性，每一应用程序的行为节点的拓扑关系也是可预测的，则针对下一已有界面的智能终端的资源配置，远程服务终端可事先学习并配置，使得智能终端所获取的参数配置是最为优化的。该学习的过程可通过多个使用者的使用经验共享形成，将在下文详述。

步骤S3：执行交互行为及配置资源负载

当某一行为节点触发时，通过已获取的行为节点的行为拓扑关系，可预测该行为节点需执行何种动作进入下一节点，并在进入下一节点后配置智能终端的资源参数。例如，使用者在上述网上支付应用程序中点击扫码后，由于该行为节点对应的下一行为节点必然是具有扫码框界面和调用摄像头资源，因此，点击触发后，可立即执行下一交互行为，并由于需要调用摄像头，智能终端的处理器和内存资源分配也已提前配置完毕，直接调用配置好的资源负载即可。

由于提前预知了包括了行为节点拓扑连接关系中其他行为节点的执行顺序和执行方式，以及每一行为节点中包括智能终端的CPU、GPU、网络资源配置、蓝牙连接配置、屏幕亮度配置、GPS定位配置、CPU锁持有配置、应用程序界面配置等参数配置，可提前获取下一动作的参数配置信息，及时对智能终端的资源进行合理优化配置，从而实现性能及功耗优化。总体而言，应用程序的运行不再是运行到何种界面、执行何种操作时才开始进行资源负载的优化，而是在应用程序开始运行时，智能终端便已具有该应用程序的所有操作时对应的资源配置，且该资源配置是最为优化的，不论何种类型的智能终端、何种类型的应用程序均具有自身定制化的优化模式。

参阅图2，为一优选实施例中行为节点形成的流程示意图，智能终端启动后，在智能终端的操作系统如安卓系统的Framework层和Kernel层添加行为捕捉和行为控制代码，行为捕捉将获取智能终端运行时应用程序的交互行为，即前述的按钮点击、界面滑动、对话框弹出等，并监控执行前述交互行为时CPU占有率、持有CPU锁状态，界面信息、网络连接状态、GPS定位状态等，而行为控制则将根据该行为节点执行的交互动作控制资源负载。

在上述行为捕捉和行为控制的基础上，行为节点及行为节点占用的资源负载将存储至智能终端自身的数据库内。该数据库即可作为从远程服务终端获取的各应用程序行为节点及参数配置的存储体，也可作为保存首次运行的应用程序的行为节点及参数配置，共后续上传至远程服务终端并共享给其他使用者。

如上所述的当应用程序为首次启动时，由于之前未安装或未运行该应用程序，因此未从远程服务终端处获取过该应用程序的行为关系和参数配置，或是该应用程序的使用频率低，远程服务终端也不具有该应用程序的行为关系和参数配置，则应用程序运行后，在步骤S1与S2间，智能终端将根据使用者的操作，记录该应用程序所具有的初始行为节点，以及运行时智能终端的初始参数配置，并在步骤S2和S3间执行步骤S2’：将上述信息上传至远程服务终端，远程服务终端将保存该初始行为节点及初始参数配置。

可以理解的是，当上述实施例中应用程序的使用者增多时，远程服务终端收到的初始行为节点及初始参数配置也将增多，远程服务终端将根据上述初始行为节点及初始参数配置的智能终端的类型、应用程序的版本等，以各种优化算法如神经网络算法等，辅以分析统计对使用者影响用户体验及功耗过高的行为节点，实现在各行为节点时资源负载的最优化配置。通过上述获取、学习、进阶的过程，逐渐实现每一应用程序的最优参数配置。

参阅图3，为符合本发明一优选实施例中行为节点的结构示意图，行为节点的结构类似包结构。具体地，主要由以下单元组成：

-行为节点的节头由上一节点ID单元(LastNodeId)形成，表示了与该行为节点连接的上一行为节点的名称，从而可获知该行为节点的上文，可帮助建立行为节点的拓扑关系；

-后一单元为当前行为节点的ID单元(CurrentNodeId)，表示了当前行为节点的名称，如“转账”、“设置”等；

-节点类型单元(Node type)，表示了当前节点的类型，如表征动作的activity类型，或表征服务的service类型；

-交互行为单元(Action)，表示当前行为节点的所有可能执行的交互动作，该交互行为单元可以为多个，分别代表每一交互动作。优选实施例中，该交互行为单元包括了交互动作类型单元，还包括了下一节点ID单元，表示下一将要跳转的行为节点的名称，并形成为交互行为单元的字头。

-资源分配单元(Resource allocation)，其内存储了执行交互动作时的资源负载。应用程序运行时，便根据该资源分配单元内的参数配置对智能终端的资源进行调整。

可以理解的是，当智能终端自远程服务终端获取了行为节点的行为关系和参数配置后，将对每一行为节点的上述单元作更新，以替换原有的配置。

参阅图4，在具有上述配置后，通过执行上述应用程序优化方法，多台智能终端与远程服务终端可建立远程服务平台，针对不同的应用程序类型、不同的智能终端信号，建立客制化的交互行为及资源配置拓扑关系，真正实现智能地学习优化方法，不会再造成智能终端使用时间越长卡顿情况越严重的情况，相反，随着不断的学习，智能终端将变得越发流程，对硬件的配置也可做到最优化使用。

应当注意的是，本发明的实施例有较佳的实施性，且并非对本发明作任何形式的限制，任何熟悉该领域的技术人员可能利用上述揭示的技术内容变更或修饰为等同的有效实施例，但凡未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何修改或等同变化及修饰，均仍属于本发明技术方案的范围内。