本发明涉及一种基于移动分布式计算的在线图像化编程系统。涉及专利分类号H04电通信技术H04L数字信息的传输，例如电报通信H04L29/00H04L 1/00至H04L 27/00单个组中不包含的装置、设备、电路和系统H04L29/02通信控制；通信处理H04L29/06以协议为特征的H04L29/08传输控制规程，例如数据链级控制规程。
背景技术：
相对于家用桌面级处理器近年来的近乎停滞的缓慢发展，移动端的精简指令集处理器的处理能力有了长足的发展，单纯的浮点计算能力与桌面处理器的处理能力的差距已经缩短至2-3年。
除去处理器和图形处理器的跨越式发展之外，智能终端的诸如内存、存储空间以及供电等性能，散热能力已经追上和超过了桌面系统，而且系统软件在厂商坚持不懈的努力下，对系统的要求也在不断降低。总体上硬件的发展速度已经将手机系统软件的性能需求，形成了性能冗余。
技术实现要素：
根据现有技术存在的问题，本发明公开了一种基于移动分布式计算的在线图像化编程系统，包括设置在移动终端的图形编辑单元、处理单元和通信单元以及设置在远程服务器的数据处理单元；
所述的图形编辑单元包括图形编辑区域和存储表示特定逻辑语句的图形块的图形元素库；
工作时，从所述的图像元素库中拖拽所述的图形块至图形编辑区域排列组合形成图形块序列，所述的图形块序列具有特定的代码含义；
处理单元采集所述的图形块序列表示的代码含义，通过所述的通信单元将含义发送至远程服务器中的数据处理单元；
所述的数据处理单元分析所述的代码含义，对代码的运算任务进行分解，发送至特定范围的特定移动终端，由移动终端进行分解任务的计算并将计算结果返回至所述的远程服务器的数据处理单元，由数据处理单元汇总后，生成最终的运算结果，存储并将运算结果发送至编辑图形的移动终端，完成图像化变成。
作为优选的实施方式，所述的数据处理单元采用分布式队列服务方法实时采集系统内注册的非编程任务手机的配置信息和编程任务手机上传的计算任务信息：对手机的位置流式数据进行抽样存储形成手机的历史活动区域；
根据需要任务分解的计算任务的类型和系统手机的运载条件对手机和计算任务信息进行筛选：将同类型的配置信息和同类型的计算任务信息分别集中整理，同时对已经集中整理的手机和计算任务信息进行实时更新；
对每一个手机任务类型数据集进行微聚类：在设置好的时间窗内使用聚类算法对上述每一个手机任务类型数据集按距离进行聚类，使每一个手机任务类型数据集产生多个微簇；
针对每一个微簇计算匹配方案：在预先设置的时间窗内，对所述的微簇采用进化算法对其进行手机任务供需匹配组合优化，形成手机任务匹配方案并保存。
更进一步的，对每一个手机任务类型数据集进行微聚类具体采用如下方式：初始化微簇
在初始时刻，针对每一个VCtype数据集使用基于距离的聚类算法形成q个初始微簇，q为聚类算法初始化时指定，且
q＝μ*|VCtype|
其中0＜μ＜0.25，|VCtype|为手机任务类型数据集VCtype的规模，使用M1...Mq表示某一时刻的全部q个微簇；
更进一步的，针对每一个微簇计算匹配方案，具体采用如下方式：建立手机任务匹配模型：若某微簇Mp中有K(k＝1,2,3….K)个手机和I(i＝1,2，…,I)个计算任务数据，由所有匹配xki组成的矩阵VCM为手机任务匹配问题的一个解。
VCM每一个行向量对应每一个手机的匹配方案，每一个列向量对应每一个计算任务分解需求的匹配方案，其中
手机任务匹配组合优化数学模型为
max Z＝w1R+w2(C+1)-1 (2)
同时满足以下约束条件：
限制每个计算任务分解需求至多有MI个匹配手机；
限制每个手机至多匹配MK个计算任务分解需求；
要求每个手机匹配的所有的计算任务分解需求的总体计算任务重量要小于gbk；
给每个手机推荐的每个方案中的计算任务重量都小于任务分解手机的载重；
其中i＝1,2,...,I，k＝1,2,...,K
其中每个手机的任务分解能力为bk，每个计算任务需求为di，w1和w2为信息资源利用率R和总体匹配成本C两个指标的偏好程度,且w1+w2＝1，其中信息资源利用率R的计算公式为：
C为总体匹配成本，在仅考虑距离成本的条件下，C的计算公式为
通过采用上述技术方案，本发明公开的一种基于移动分布式计算的在线图像化编程系统，通过将但一个手机创建的任务传输至服务器进行分解，由系统将分解后的任务发送至特定区域范围内的手机进行分布式计算，极大的提高了空闲手机的利用效率，为扩展手机的运算性能开辟了新的路径。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的系统模块图
具体实施方式
为使本发明的技术方案和优点更加清楚，下面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的描述：
实施例：
如图1所示的一种基于移动分布式计算的在线图像化编程系统，包括设置在移动终端的图形编辑单元、处理单元和通信单元以及设置在远程服务器的数据处理单元；
所述的图形编辑单元包括图形编辑区域和存储表示特定逻辑语句的图形块的图形元素库；
工作时，从所述的图像元素库中拖拽所述的图形块至图形编辑区域排列组合形成图形块序列，所述的图形块序列具有特定的代码含义；
考虑到手机依靠自身的硬件处理软件编译任务，会占用大量的手机性能，导致手机可能因为处理器卡死导致无法正常使用，作为优选的实施方式，
处理单元采集所述的图形块序列表示的代码含义，通过所述的通信单元将含义发送至远程服务器中的数据处理单元。
所述的数据处理单元分析所述的代码含义，对代码的运算任务进行分解，发送至特定范围的特定移动终端，由移动终端进行分解任务的计算并将计算结果返回至所述的远程服务器的数据处理单元，由数据处理单元汇总后，生成最终的运算结果，存储并将运算结果发送至编辑图形的移动终端，完成图像化变成。
所述的数据处理单元采用分布式队列服务方法实时采集系统内注册的非编程任务手机的配置信息和编程任务手机上传的计算任务信息：对手机的位置流式数据进行抽样存储形成手机的历史活动区域；
根据需要任务分解的计算任务的类型和系统手机的运载条件对手机和计算任务信息进行筛选：将同类型的配置信息和同类型的计算任务信息分别集中整理，同时对已经集中整理的手机和计算任务信息进行实时更新；
对每一个手机任务类型数据集进行微聚类：在设置好的时间窗内使用聚类算法对上述每一个手机任务类型数据集按距离进行聚类，使每一个手机任务类型数据集产生多个微簇；
针对每一个微簇计算匹配方案：在预先设置的时间窗内，对所述的微簇采用进化算法对其进行手机任务供需匹配组合优化，形成手机任务匹配方案并保存。
更进一步的，对每一个手机任务类型数据集进行微聚类具体采用如下方式：初始化微簇
在初始时刻，针对每一个VCtype数据集使用基于距离的聚类算法形成q个初始微簇，q为聚类算法初始化时指定，且
q＝μ*|VCtype|
其中0＜μ＜0.25，|VCtype|为手机任务类型数据集VCtype的规模，使用M1...Mq表示某一时刻的全部q个微簇；
作为优选的实施方式，针对每一个微簇计算匹配方案，具体采用如下方式：建立手机任务匹配模型：若某微簇Mp中有K(k＝1,2,3….K)个手机和I(i＝1,2，…,I)个计算任务数据，由所有匹配xki组成的矩阵VCM为手机任务匹配问题的一个解。
VCM每一个行向量对应每一个手机的匹配方案，每一个列向量对应每一个计算任务分解需求的匹配方案，其中
手机任务匹配组合优化数学模型为
max Z＝w1R+w2(C+1)-1 (2)
同时满足以下约束条件：
限制每个计算任务分解需求至多有MI个匹配手机；
限制每个手机至多匹配MK个计算任务分解需求；
要求每个手机匹配的所有的计算任务分解需求的总体计算任务重量要小于gbk；
给每个手机推荐的每个方案中的计算任务重量都小于任务分解手机的载重；
其中i＝1,2,...,I，k＝1,2,...,K
其中每个手机的任务分解能力为bk，每个计算任务需求为di，w1和w2为信息资源利用率R和总体匹配成本C两个指标的偏好程度,且w1+w2＝1，其中信息资源利用率R的计算公式为：
C为总体匹配成本，在仅考虑距离成本的条件下，C的计算公式为。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。