功耗调节方法、装置、存储介质、服务器和终端与流程

本公开涉及终端耗电管理领域，尤其涉及一种功耗调节方法、装置、存储介质、服务器和终端。

背景技术：

随着终端市场的竞争日益激烈，用户对智能手机或平板电脑等终端的使用体验有了越来越高的要求。对终端耗电量(或称功耗)的控制和对终端响应速度的提升是提高用户体验的关键。具体地，在终端处于息屏状态或开启视频播放等特定状态下时，由于用户并不需要使用终端的其他功能，因此，用户对终端在上述的特定状态下的功耗控制和响应速度具有更高的要求，即，终端耗电更慢但响应速度更快。相关技术中，通常对终端在特定状态下的运行特征的采集方式进行优化，以根据预设的机器学习模型和更准确的运行特征对终端在特定状态下的功耗值进行预测和调节。但是，上述过程并未考虑对机器学习模型本身的优化以及机器学习模型本身的运行过程所导致的功耗，进而造成功耗控制的准确度较差的问题，而准确度较差的功耗控制也会导致终端在特定状态下响应速度较慢的问题。

技术实现要素：

为克服相关技术中存在的问题，本公开提供一种功耗调节方法、装置、存储介质、服务器和终端。

根据本公开实施例的第一方面，提供一种功耗调节方法，应用于服务器，所述方法包括：

将具备不同拟合参数的多个功耗调节模型分别发送至与所述服务器连接的多个第一终端，以获取每个所述第一终端上传的每个所述功耗调节模型对应的功耗调节信息；其中，

所述功耗调节模型的运行过程包括第一过程和第二过程，所述第一过程为根据终端的历史功耗数据和预设的功耗预测模型确定所述终端在目标使用状态下的预设时长内的功耗预测值，所述第二过程为根据所述功耗预测值和预设的进程调度算法对所述终端在所述预设时长内的功耗进行调节；

所述拟合参数为所述功耗调节模型对应的多目标优化函数中的参数，所述多目标优化函数用于通过所述拟合参数表征执行所述第一过程所导致的功耗增加量和执行所述第二过程所导致的功耗降低量在运行所述功耗调节模型所导致的功耗差异量中所占的权重；

所述功耗调节信息包括：在所述第一终端上多次运行所述功耗调节模型后确定的多个功耗差异量；

将第一功耗调节模型对应的功耗调节信息中包含的每个所述功耗差异量与所述第一功耗调节模型对应的功耗差异量测试值进行平滑处理，以从所述多个功耗调节模型中确定具备所述目标拟合参数的目标功耗调节模型；其中，所述第一功耗调节模型为所述多个功耗调节模型中的任一功耗调节模型，所述功耗差异量测试值为根据所述第一功耗调节模型对应的第一拟合参数，通过预先采集的第一历史功耗数据集对所述第一功耗调节模型进行测试所获取到的测试结果，以及所述多目标优化函数确定的功耗差异量测试值；

将所述目标功耗调节模型发送至第二终端，以使所述第二终端通过所述目标功耗调节模型进行功耗调节。

可选的，在所述将具备不同拟合参数的多个功耗调节模型分别发送至与所述服务器连接的多个第一终端之前，所述方法还包括：

通过预先采集的训练数据集中的第二历史功耗数据集对预设模型进行训练，以生成所述功耗预测模型，所述训练数据集包括所述第一历史功耗数据集和所述第二历史功耗数据集；

通过所述第一历史功耗数据集对所述第一功耗调节模型进行测试，以获取所述测试结果，所述第一历史功耗数据集包括多个第一历史功耗数据；

通过所述目标优化函数，根据所述第一拟合参数和所述测试结果确定所述第一功耗调节模型对应的功耗差异量测试值。

可选的，所述测试结果包括：第一预测时长和平均功耗降低量，所述通过所述第一历史功耗数据集对所述第一功耗调节模型进行测试，以获取所述测试结果，包括：

获取根据每个所述第一历史功耗数据执行所述第一功耗调节模型对应的第一过程以生成功耗预测值所花费的时长，以将多个所述时长的平均值作为所述第一预测时长；以及，

获取根据每个所述第一历史功耗数据执行所述第一功耗调节模型对应的第二过程后导致的第一功耗降低量，以根据多个所述第一功耗降低量确定所述平均功耗降低量。

可选的，所述通过所述目标优化函数，根据所述第一拟合参数和所述测试结果确定所述第一功耗调节模型对应的功耗差异量测试值，包括：

根据所述第一预测时长确定执行所述第一功耗调节模型对应的第一过程所导致的第一功耗增加量；

将所述第一功耗增加量、所述平均功耗降低量以及所述第一拟合参数作为所述多目标优化函数的输入，以获取所述多目标优化函数输出的所述第一功耗调节模型对应的功耗降低量预测值；其中，所述多目标优化函数表示为：

g(m)＝(1-θ)×t(m)+θ×a(m)，

其中，m表示所述第一功耗调节模型，g(m)表示所述第一功耗调节模型的功耗变化量预测值，t(m)表示所述第一功耗增加量，a(m)表示所述平均功耗降低量，θ表示所述第一拟合参数。

可选的，所述第一功耗调节模型对应的功耗调节信息中包含n个功耗差异量，所述将第一功耗调节模型对应的功耗调节信息中包含的每个所述功耗差异量与所述第一功耗调节模型对应的功耗差异量测试值进行平滑处理，以从所述多个功耗调节模型中确定具备所述目标拟合参数的目标功耗调节模型，包括：

所述n个功耗差异量中的每个功耗差异量和所述第一功耗调节模型对应的功耗差异量测试值作为预设的平滑处理函数的输入，以确定每个所述拟合参数针对于所述多目标优化函数的差异度；其中，所述平滑处理函数表示为：

其中，d(n)表示所述第一拟合参数针对于所述多目标优化函数的差异度，g(m)表示所述第一功耗调节模型的功耗变化量预测值，xi为所述n个功耗差异量中的第i个功耗差异量，i为大于0且小于或等于n的整数；

将所述多个功耗调节模型对应的拟合参数中具备最小的差异度的拟合参数作为所述目标拟合参数，并将所述目标拟合参数对应的功耗调节模型作为所述目标功耗调节模型。

根据本公开实施例的第二方面，提供一种功耗调节方法，应用于终端，所述方法包括：

接收服务器发送的目标功耗调节模型，所述目标功耗调节模型对应有预设的功耗预测模型和预设的进程调度算法；

在目标时间点，将所述目标时间点之前采集到的历史功耗数据作为所述功耗预测模型的输入，以获取所述功耗预测模型输出的所述终端在所述目标时间点之后的预设时长内的功耗预测值；其中，在所述目标时间点，所述终端已接收到服务器发送的所述功耗调节模型，并且，所述终端的目标使用状态被触发；

在确定所述功耗预测值不处于预设的功耗阈值区间内的情况下，通过所述进程调度算法根据所述功耗预测值开启或关闭所述终端中的进程，以在所述预设时长内进行功耗调节。

可选的，在所述在目标时间点，将所述目标时间点之前采集到的第一运行数据作为所述预测模型的输入，以获取所述预测模型输出的所述终端在所述预设时长内的功耗预测值之前，所述方法还包括：

采集所述历史功耗数据，所述历史功耗数据包括：历史功耗平均值，历史功耗方差值和v个第一历史功耗值；其中，

所述历史功耗平均值为所述终端在所述目标时间点之前的u次进入所述目标使用状态后的预设时长内的u个第二历史功耗值的平均值；

所述历史功耗方差值为所述u个第二历史功耗值的方差；

所述v个第一历史功耗值为所述终端在所述目标时间点之前的v次进入所述目标使用状态后的预设时长内的v个第一历史功耗值；其中，v小于u且v大于0。

根据本公开实施例的第三方面，提供一种功耗调节装置，应用于服务器，所述装置包括：

第一模型发送模块，被配置为将具备不同拟合参数的多个功耗调节模型分别发送至与所述服务器连接的多个第一终端，以获取每个所述第一终端上传的每个所述功耗调节模型对应的功耗调节信息；其中，

所述功耗调节模型的运行过程包括第一过程和第二过程，所述第一过程为根据终端的历史功耗数据和预设的功耗预测模型确定所述终端在目标使用状态下的预设时长内的功耗预测值，所述第二过程为根据所述功耗预测值和预设的进程调度算法对所述终端在所述预设时长内的功耗进行调节；

所述拟合参数为所述功耗调节模型对应的多目标优化函数中的参数，所述多目标优化函数用于通过所述拟合参数表征执行所述第一过程所导致的功耗增加量和执行所述第二过程所导致的功耗降低量在运行所述功耗调节模型所导致的功耗差异量中所占的权重；

所述功耗调节信息包括：在所述第一终端上多次运行所述功耗调节模型后确定的多个功耗差异量；

模型筛选模块，被配置为将第一功耗调节模型对应的功耗调节信息中包含的每个所述功耗差异量与所述第一功耗调节模型对应的功耗差异量测试值进行平滑处理，以从所述多个功耗调节模型中确定具备所述目标拟合参数的目标功耗调节模型；其中，所述第一功耗调节模型为所述多个功耗调节模型中的任一功耗调节模型，所述功耗差异量测试值为根据所述第一功耗调节模型对应的第一拟合参数，通过预先采集的第一历史功耗数据集对所述第一功耗调节模型进行测试所获取到的测试结果，以及所述多目标优化函数确定的功耗差异量测试值；

第二模型发送模块，被配置为将所述目标功耗调节模型发送至第二终端，以使所述第二终端通过所述目标功耗调节模型进行功耗调节。

可选的，所述装置还包括：

模型训练模块，被配置为通过预先采集的训练数据集中的第二历史功耗数据集对预设模型进行训练，以生成所述功耗预测模型，所述训练数据集包括所述第一历史功耗数据集和所述第二历史功耗数据集；

模型测试模块，被配置为通过所述第一历史功耗数据集对所述第一功耗调节模型进行测试，以获取所述测试结果，所述第一历史功耗数据集包括多个第一历史功耗数据；

测试值确定模块，被配置为通过所述目标优化函数，根据所述第一拟合参数和所述测试结果确定所述第一功耗调节模型对应的功耗差异量测试值。

可选的，所述测试结果包括：第一预测时长和平均功耗降低量，所述模型测试模块，被配置为：

获取根据每个所述第一历史功耗数据执行所述第一功耗调节模型对应的第一过程以生成功耗预测值所花费的时长，以将多个所述时长的平均值作为所述第一预测时长；以及，

获取根据每个所述第一历史功耗数据执行所述第一功耗调节模型对应的第二过程后导致的第一功耗降低量，以根据多个所述第一功耗降低量确定所述平均功耗降低量。

可选的，所述测试值确定模块，被配置为：

根据所述第一预测时长确定执行所述第一功耗调节模型对应的第一过程所导致的第一功耗增加量；

将所述第一功耗增加量、所述平均功耗降低量以及所述第一拟合参数作为所述多目标优化函数的输入，以获取所述多目标优化函数输出的所述第一功耗调节模型对应的功耗降低量预测值；其中，所述多目标优化函数表示为：

g(m)＝(1-θ)×t(m)+θ×a(m)，

其中，m表示所述第一功耗调节模型，g(m)表示所述第一功耗调节模型的功耗变化量预测值，t(m)表示所述第一功耗增加量，a(m)表示所述平均功耗降低量，θ表示所述第一拟合参数。

可选的，所述第一功耗调节模型对应的功耗调节信息中包含n个功耗差异量，所述模型筛选模块，被配置为：

所述n个功耗差异量中的每个功耗差异量和所述第一功耗调节模型对应的功耗差异量测试值作为预设的平滑处理函数的输入，以确定每个所述拟合参数针对于所述多目标优化函数的差异度；其中，所述平滑处理函数表示为：

其中，d(n)表示所述第一拟合参数针对于所述多目标优化函数的差异度，g(m)表示所述第一功耗调节模型的功耗变化量预测值，xi为所述n个功耗差异量中的第i个功耗差异量，i为大于0且小于或等于n的整数；

将所述多个功耗调节模型对应的拟合参数中具备最小的差异度的拟合参数作为所述目标拟合参数，并将所述目标拟合参数对应的功耗调节模型作为所述目标功耗调节模型。

根据本公开实施例的第四方面，提供一种功耗调节装置，应用于终端，所述装置包括：

模型接收模块，被配置为接收服务器发送的功耗调节模型，所述功耗调节模型对应有预设的功耗预测模型和预设的进程调度算法；

功耗预测模块，被配置为在目标时间点，将所述目标时间点之前采集到的历史功耗数据作为所述功耗预测模型的输入，以获取所述功耗预测模型输出的所述终端在所述目标时间点之后的预设时长内的功耗预测值；其中，在所述目标时间点，所述终端已接收到服务器发送的所述功耗调节模型，并且，所述终端的目标使用状态被触发；

进程调度模块，被配置为在确定所述功耗预测值不处于预设的功耗阈值区间内的情况下，通过所述进程调度算法根据所述功耗预测值开启或关闭所述终端中的进程，以在所述预设时长内进行功耗调节。

可选的，所述装置还包括：

数据采集模块，被配置为采集所述历史功耗数据，所述历史功耗数据包括：历史功耗平均值，历史功耗方差值和v个第一历史功耗值；其中，

所述历史功耗平均值为所述终端在所述目标时间点之前的u次进入所述目标使用状态后的预设时长内的u个第二历史功耗值的平均值；

所述历史功耗方差值为所述u个第二历史功耗值的方差；

所述v个第一历史功耗值包括所述终端在所述目标时间点之前的v次进入所述目标使用状态后的预设时长内的v个第一历史功耗值；其中，u大于v，v大于0。

根据本公开实施例的第五方面，提供一种计算机可读存储介质，其上存储有计算机程序指令，该程序指令被处理器执行时实现本公开第一方面或本公开第二方面所提供的功耗调节方法的步骤。

根据本公开实施例的第六方面，提供一种服务器，包括：本公开第三方面所提供的功耗调节装置。

根据本公开实施例的第七方面，提供一种终端，包括：本公开第四方面所提供的功耗调节装置。

本公开的实施例所提供的技术方案，能够将具备不同拟合参数的多个功耗调节模型分别发送至多个第一终端，以获取每个第一终端上传的每个功耗调节模型对应的功耗调节信息；通过将功耗调节模型对应的功耗调节信息中包含的每个功耗差异量与功耗调节模型对应的功耗差异量测试值进行平滑处理，确定多目标优化函数中用于定义运行功耗调节模型中的功耗预测模型所导致的功耗增加量和运行功耗调节模型所导致的功耗降低量这两者的权重的拟合参数，以从多个功耗调节模型中确定具备目标拟合参数的目标功耗调节模型；将该目标功耗调节模型发送至第二终端，以使第二终端通过该目标功耗调节模型进行功耗调节。根据在生成功耗调节模型的过程中，通过多目标优化过程确定运行功耗调节模型所导致的功耗增加量和功耗降低量之间的平衡点，提高通过功耗调节模型进行功耗调节的准确度，进而提高功耗调节的效率。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。

图1是根据一示例性实施例示出的一种功耗调节方法的流程图；

图2是根据图1示出的另一种功耗调节方法的流程图；

图3是根据另一示例性实施例示出的一种功耗调节方法的流程图；

图4是根据图3示出的另一种功耗调节方法的流程图；

图5是根据一示例性实施例示出的一种功耗调节装置的框图；

图6是根据图5示出的另一种功耗调节装置的框图；

图7是根据另一示例性实施例示出的一种功耗调节装置的框图；

图8是根据图7示出的另一种功耗调节装置的框图；

图9是根据一示例性实施例示出的一种用于功耗调节的装置的框图；

图10是根据另一示例性实施例示出的一种用于功耗调节的装置的框图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。

在介绍本公开提供的功耗调节方法之前，首先对本公开中各个实施例所涉及的目标应用场景进行介绍，该目标应用场景包括一终端和一服务器，该终端为能够与服务器连接并进行数据通讯的终端。该终端可以为，例如，个人电脑、笔记本电脑、智能手机、平板电脑、智能电视、智能手表、pda(英文：personaldigitalassistant，中文：个人数字助理)等终端。该服务器为能够为与其连接的终端提供云数据采集和云计算服务的服务器。

图1是根据一示例性实施例示出的一种功耗调节方法的流程图，如图1所示，应用于上述应用场景所述的服务器，该方法包括以下步骤：

在步骤101中，将具备不同拟合参数的多个功耗调节模型分别发送至与该服务器连接的多个第一终端，以获取每个该第一终端上传的每个该功耗调节模型对应的功耗调节信息。

其中，该功耗调节模型的运行过程包括第一过程和第二过程，该第一过程为根据终端的历史功耗数据和预设的功耗预测模型确定该终端在目标使用状态下的预设时长内的功耗预测值，该第二过程为根据该功耗预测值和预设的进程调度算法对该终端在该预设时长内的功耗进行调节。

示例地，上述的目标使用状态为终端息屏功能、视频播放功能或者其他目标功能被触发的状态，在本公开实施例中以该目标使用状态为终端息屏状态为例对该功耗调节方法进行说明。

示例地，当终端处于息屏状态时，终端的一些后台进程会持续运行，如果有太多的后台进程持续运行，终端的功耗(或称耗电量)就会变得很大，进而造成终端的耗电加快。在此情况下，需要通过一些手段对终端在息屏状态下的功耗进行一定的限制和调节。具体地，可以通过功耗调节模型对终端在息屏状态下的功耗进行调节，该功耗调节模型的运行过程包括上述的两个过程，其中，第一过程是要根据终端在此前的多次息屏状态下的功耗值(即上述的历史功耗数据)对本次息屏状态下终端的功耗值进行预测，进而获得上述的功耗预测值；第二过程是根据该功耗预测值确定是否需要在本次息屏状态下对功耗进行调节，并在需要进行调节的情况下通过该进程调度算法对当前运行的进程进行调节(此处的调节不一定是杀掉进程降低功耗，也有可能是根据过低的功耗预测值推断出终端中一些被允许在息屏状态下继续运行进程没有被开启，因此通过调节重新开启这些进程)，以将本次息屏状态下的功耗调节至最合适的程度。需要说明的是，此处的功耗调节分两种情况，其一是杀掉进程降低功耗，其二是根据过低的功耗预测值推断出终端中一些被允许在息屏状态下继续运行进程没有被开启，因此通过调节重新开启这些进程。在第二种情况下，功耗是有可能升高的，但是由于这种情况比较少，并且运行模型进行调节得到的功耗变化量除了正负值(正值为功耗增加量，负值为功耗降低量)的区别外，其他后续的执行方法并无区别，因此，在本公开实施例中，以调节后出现功耗降低，该功耗变化量为功耗降低量为例对该功耗调节方法进行说明。

其中，该拟合参数为该功耗调节模型对应的多目标优化函数中的参数，该多目标优化函数用于通过该拟合参数定义或表征执行该第一过程所导致的功耗增加量和执行该第二过程所导致的功耗降低量在运行该功耗调节模型所导致的功耗差异量中所占的权重，该功耗差异量用于表征终端在运行该功耗调节模型的情况下的功耗值和终端在不运行该功耗调节模型的情况下的功耗值之间的差异。

示例地，终端在息屏状态运行该功耗调节模型的情况下的功耗值相比于终端在息屏状态不运行该功耗调节模型的情况下的功耗值是存在差异的，这个差异即为上述的功耗差异量。但是，使用该功耗调节模型不仅仅会导致功耗降低，其中的功耗预测模型的运行给终端带来额外的功耗增加。因此，该功耗差异量不仅仅需要考虑进行进程调度所导致的功耗降低量，同时也要考虑运行该功耗预测模型所带来的功耗量的额外增加(功耗增加量)。换句话说，该功耗差异量是由该功耗降低量和该功耗增加量进行一定比例的叠加而产生的。可以理解的是，在通过该功耗调节模型进行息屏状态下的功耗调节的情况下，使功耗预测模型完全不产生功耗或者仅产生极少的功耗是不可能的，上述的多目标优化函数就是为了分别使该功耗降低量和该功耗增加量对最终的功耗差异量的影响达到最优，进而使该功耗调节模型达到最好的调节效果。具体地，多目标优化函数将该功耗降低量和该功耗增加量对最终的功耗差异量的影响的总权重设为1，并加入拟合参数θ分配该总权重。其中，该功耗增加量对最终的功耗差异量的影响的权重为(1-θ)，该功耗降低量对最终的功耗差异量的影响的权重为θ。

示例地，此处的功耗降低量、功耗增加量和功耗差异量均以百分比的形式体现，并且可以为正值或负值。以该功耗差异量为例，在一次息屏状态下，终端运行该功耗调节模型的情况下的功耗值为100mah(毫安时)，终端不运行该功耗调节模型的情况下的功耗值为500mah，则可以确定该功耗差异量为500减去100的差值除以500，即，在实际计算中代入上述多目标优化函数的功耗差异量为80％。以功耗增加量为例，若运行该第一过程造成的功耗增加百分比为20％，则，在实际计算中代入上述多目标优化函数的功耗增加量为-20％。

示例地，在步骤101中，需要将具备不同拟合参数的多个功耗调节模型分别发送至与该服务器连接的多个第一终端，即，使每个第一终端接收到一个具备特定拟合参数的功耗调节模型。理论上来说，该拟合参数可以取0和1之间的无数个数值，但是，基于对可行性的考虑和对功耗调节模型的使用经验，可以将该拟合参数限定在一个更小取值范围内，例如，在0.5和0.8的区间内取100个数值，并将每个数值作为一个拟合参数。在此情况下，就需要向100个第一终端发送具备不同拟合参数的100个功耗调节模型。该第一终端可以为在厂家生产阶段的终端测试机，或已经上线并售卖了的终端量产机。需要说明的是，此处的第一终端以及下列的第二终端的用户并不会直接感受到自己的终端接收功耗调节模型进而进行功耗调节的过程。

示例地，该功耗调节信息包括：在该第一终端上多次运行该功耗调节模型后确定的多个功耗差异量。具体来说，将功耗调节模型发送至第一终端的目的是在第一终端所处的真实环境中对该功耗调节模型的运行过程进行模拟，进而在模拟过程后采集该功耗调节模型在真实环境中实际的功耗差异量。具体来说，在第一终端接收到该功耗调节模型后，该第一终端仅是在息屏状态被触发的同时根据采集的历史功耗数据对功耗调节模型的运行过程进行模拟并生成在息屏状态下使用了该功耗调节模型后的预期功耗值。而实际上在该第一终端的息屏状态下并不运行该功耗调节模型，只是在息屏状态的预设时长内记录下一个的实际功耗值。根据该预期功耗值和该实际功耗值计算出功耗差异量，作为该功耗调节模型在真实环境中实际的功耗差异量。

在步骤102中，将第一功耗调节模型对应的功耗调节信息中包含的每个功耗差异量与该第一功耗调节模型对应的功耗差异量测试值进行平滑处理，以从上述多个功耗调节模型中确定具备该目标拟合参数的目标功耗调节模型。

其中，该第一功耗调节模型为上述多个功耗调节模型中的任一功耗调节模型，该功耗差异量测试值为根据该第一功耗调节模型对应的第一拟合参数，通过预先采集的第一历史功耗数据集对该第一功耗调节模型进行测试所获取到的测试结果，以及该多目标优化函数确定的功耗差异量测试值。

示例地，确定该目标功耗调节模型的过程包含三个阶段，其一是测试阶段，其二是模拟实测阶段，其三为平滑处理阶段。该步骤101为模拟实测阶段，该步骤102为平滑处理阶段，而该测试阶段处于该步骤101之前。其中，针对于同一功耗调节模型(即拟合参数相同的功耗调节模型)，模拟实测阶段和测试阶段最终的目的均是得到一个功耗变化量的数值，所不同的是，模拟实测阶段是通过第一终端上的模拟过程确定真实环境下的实际的功耗差异量(即上述的功耗调节信息中包含的每个功耗差异量)。该测试阶段为在开发过程中将拟合参数和通过原先采集的第一历史功耗数据集对功耗调节模型进行测试所获取到的测试结果，代入上述的多目标优化函数，进而计算出来的功耗差异量。在该步骤102的平滑处理阶段中，通过这些实际的功耗差异量对根据上述多目标优化函数计算出的结果进行平滑，以从上述不同的拟合参数选出最适当的拟合参数(即下列的目标拟合参数)。而由于拟合参数和功耗调节模型是一一对应的，所以确定了该目标拟合参数，也就确定了功耗调节模型(下列的目标功耗调节模型)。

示例地，可以理解的是，在该测试阶段过程之前还包括模型的构造和训练过程(该训练过程包括对功耗预测模型的训练过程)，该训练过程之后就可以获得一个可以对终端进行功耗调节的初始功耗预测模型，但不一定能保证这个初始功耗预测模型在真实环境下的准确率，进而不能保证包含该初始功耗预测模型的功耗调节模型的调节效果。而该平滑处理阶段的目的是为了对根据真实环境下的实际的功耗差异量去更新这个初始功耗调节模型，以得到能够作为成熟产品发送给真实的用户终端进行正常运行的目标功耗调节模型。

在步骤103中，将该目标功耗调节模型发送至第二终端，以使该第二终端通过该目标功耗调节模型进行功耗调节。

示例地，该第二终端接收到目标功耗调节模型后的执行过程，和上述步骤101中的第一终端接收到功耗调节模型后的执行过程不同。上述步骤101中，第一终端需要执行一个并行的模拟过程。而在步骤103中，第二终端接收到的是一个已经优化好的可以正常使用的功耗调节模型。第二终端可以在息屏状态下，直接启用该目标功耗调节模型进行功耗的调节，具体的调节过程将在下列图3和图4的实施例中详述。

综上所述，本公开的实施例所提供的技术方案，能够将具备不同拟合参数的多个功耗调节模型分别发送至多个第一终端，以获取每个第一终端上传的每个功耗调节模型对应的功耗调节信息；通过将功耗调节模型对应的功耗调节信息中包含的每个功耗差异量与功耗调节模型对应的功耗差异量测试值进行平滑处理，确定多目标优化函数中用于定义运行功耗调节模型中的功耗预测模型所导致的功耗增加量和运行功耗调节模型所导致的功耗降低量这两者的权重的目标拟合参数，以从多个功耗调节模型中确定具备目标拟合参数的目标功耗调节模型；将该目标功耗调节模型发送至第二终端，以使第二终端通过该目标功耗调节模型进行功耗调节。根据在生成功耗调节模型的过程中，通过多目标优化过程确定运行功耗调节模型所导致的功耗增加量和功耗降低量之间的平衡点，提高通过功耗调节模型进行功耗调节的准确度，进而提高功耗调节的效率。

图2是根据图1示出的另一种功耗调节方法的流程图，如图2所示，在上述步骤101之前，该方法还包括：

在步骤104中，通过预先采集的训练数据集中的第二历史功耗数据集对预设模型进行训练，以生成该功耗预测模型。

其中，该训练数据集包括该第一历史功耗数据集和该第二历史功耗数据集。

在步骤105中，通过该第一历史功耗数据集对该第一功耗调节模型进行测试，以获取该测试结果，该第一历史功耗数据集包括多个第一历史功耗数据。

示例地，该预设模型为简单的线性回归模型，该步骤105即为上述的测试过程。在上述步骤104和105中，实际上是把开发阶段采集的一些基础数据分为两部分，一部分用于训练该预设模型，一部分用于将训练好的功耗预测模型加入功耗调节模型后对该功耗调节模型进行测试。例如，该训练数据集包含1000个历史功耗数据，其中800个历史功耗数据作为上述的第二历史功耗数据集对该预设模型进行训练，另外200个历史功耗数据作为该第一历史功耗数据集对功耗调节模型进行测试，并得到测试结果。

示例地，该测试结果包括第一预测时长和平均功耗降低量，该步骤105可以包括：获取根据每个该第一历史功耗数据执行该第一功耗调节模型对应的第一过程以生成功耗预测值的执行时长，以将多个该执行时长的平均值作为该第一预测时长；以及，获取根据每个该第一历史功耗数据执行该第一功耗调节模型对应的第二过程后导致的第一功耗降低量，以根据多个该第一功耗降低量的平均值确定该平均功耗降低量。

具体来说，在测试过程中，将每个历史功耗数据输入该功耗调节模型执行一个完整的功耗调节过程，并在执行期间记录执行数据，作为测试结果。具体地，首先执行第一过程，并记录每次执行该第一过程的执行时长，之后再将所有执行时长的平均值作为该第一预测时长；之后，根据已经确定的功耗预测值进行功耗调节，记录第二过程所导致的第一功耗降低量，进而确定该平均功耗降低量。

示例地，并不是每次执行该功耗调节模型都会导致触发对功耗的调节，若功耗预测值处于预设的功耗阈值区间内则不需要执行功耗的调节。以通过200个历史功耗数据对功耗调节模型进行测试为例，该平均功耗降低量的获取方法包括：100次运行高功耗调节模型后，其中有80次调节了功耗(第一过程输出的功耗预测值不处于功耗阈值区间内，需要执行第二过程并产生了功耗降低量)，另外20次不需要调节功耗(第一过程输出的功耗预测值处于功耗阈值区间内，不需要执行第二过程因此没有产生功耗降低量)。针对于上述80次调节了功耗的情况，其中70次是基于预测正确的功耗预测值所做出的功耗调节，10次是基于预测错误的功耗预测值所做出的功耗调节。如此，需要基于这10次的预测错误的情况对整体的功耗降低量进行惩罚，具体地惩罚方式为，将70次功耗调节中的10次功耗调节算作基于预测错误的功耗预测值所做出的功耗调节，在后续的平均功耗降低量计算过程中不予参考。如此，确定其余的70-10＝60次功耗调节中每次进行功耗调节后的功耗降低量的总和，在除以总次数100，即可以确定本次测试过程的平均功耗降低量。例如，60次功耗调节中每次进行功耗调节后的功耗降低量分别为20％、30％、60％等，其总和为2000％，通过2000％除以100就可以确定本次测试过程的平均功耗降低量为20％。

在步骤106中，通过该目标优化函数，根据该第一拟合参数和该测试结果确定该第一功耗调节模型对应的功耗差异量测试值。

示例地，该第一功耗调节模型对应的功耗调节信息中包含n个功耗差异量，该步骤106可以包括：将上述n个功耗差异量中的每个功耗差异量和该第一功耗调节模型对应的功耗差异量测试值作为预设的平滑处理函数的输入，以确定每个该拟合参数针对于该多目标优化函数的差异度；将上述多个功耗调节模型对应的拟合参数中具备最小的差异度的拟合参数作为该目标拟合参数，并将该目标拟合参数对应的功耗调节模型作为该目标功耗调节模型。

示例地，该平滑处理函数表示为：

其中，d(n)表示该第一拟合参数针对于该多目标优化函数的差异度，g(m)表示该第一功耗调节模型的功耗变化量预测值，xi为上述n个功耗差异量中的第i个功耗差异量，i为大于0且小于或等于n的整数。上述公式中|xi-g(m)|的过程即为所述平滑处理的过程。d(n)越小则表示拟合参数带来的平滑度越高。其中，上述的“拟合参数针对于多目标优化函数的差异度”用于表征在拟合参数一定的情况下，在真实环境中通过具备该拟合参数的功耗调节模型模拟实验出的每个功耗差异量相对于通过具备该拟合参数的多目标优化函数计算出的功耗差异度之间的差异。

图3是根据另一示例性实施例示出的一种功耗调节方法的流程图，如图3所示，应用于上述应用场景所述的终端，该方法包括：

在步骤201中，接收服务器发送的目标功耗调节模型。

其中，该目标功耗调节模型对应有预设的功耗预测模型和预设的进程调度算法。该终端即为上述步骤101中所述的第二终端，该目标功耗调节模型为进行步骤102的优化和筛选的目标功耗调节模型。

在步骤202中，在目标时间点，将该目标时间点之前采集到的历史功耗数据作为该功耗预测模型的输入，以获取该功耗预测模型输出的该终端在该目标时间点之后的预设时长内的功耗预测值。

其中，在该目标时间点，该终端已接收到服务器发送的该功耗调节模型，并且，该终端的目标使用状态被触发。另外，需要说明的是，由于息屏状态每次持续的时间不同，因此本公开实施例中将息屏状态持续时长分割为若干个预设时长执行上述的步骤101到106的模型探索过程和该步骤202到203的实际的功耗调节过程。具体来说，在息屏状态下，每隔预设时长，例如，5分钟，执行一次该步骤202和203。针对于历史功耗数据，可以在某个历史息屏状态下的总持续时长中截取记录记录5分钟的历史功耗值，并用这5分钟的历史功耗值代表这个历史息屏状态下的历史功耗值。

在步骤203中，在确定该功耗预测值不处于预设的功耗阈值区间内的情况下，通过该进程调度算法根据该功耗预测值开启或关闭该终端中的进程，以在该预设时长内进行功耗调节。

示例地，该功耗阈值区间具备左端点和右端点。以该左端点为25mah，该右端点为125mah为例，若该功耗预测值处于25mah和125mah之间，则认为终端在本次息屏状态下的功耗正常，不需要进行调节；若该功耗预测值大于125mah，则认为终端在本次息屏状态下的功耗过高，需要通过该进程调度算法关闭一些正在运行的进程；若该功耗预测值小于25mah，则认为终端在本次息屏状态下的功耗过低，需要通过该进程调度算法开启一些进程。需要说明的是，这种功耗过低的情况可能意味着终端的一些允许在息屏状态下运行的进程被关闭，这可能会导致终端的响应速度变慢的问题，因此需要对息屏状态下的响应速度相关的进程进行检测，并确定是否要开启这些进程，以保证功耗控制和响应速度的平衡。

图4是根据图3示出的另一种功耗调节方法的流程图，如图4所示，在步骤201之前，该方法包括：

在步骤204中，采集该历史功耗数据。

其中，该历史功耗数据包括：历史功耗平均值，历史功耗方差值和v个第一历史功耗值；其中，该历史功耗平均值为该终端在该目标时间点之前的u次进入该目标使用状态后的预设时长内的u个第二历史功耗值的平均值；该历史功耗方差值为上述u个第二历史功耗值的方差；上述v个第一历史功耗值为该终端在该目标时间点之前的v次进入该目标使用状态后的预设时长内的v个第一历史功耗值；其中，v小于u且v大于0。

示例地，该历史功耗平均值为对终端进行长期监测所得到的功耗的平均值，该历史功耗方差值为对终端进行长期监测所得到的功耗的方差值。具体地，在当前息屏状态之前终端有无数次进入息屏状态，选取其中距离该目标时间点最近的u次，记录每次进入息屏状态后的预设时长内(未使用该功耗预测模型的情况下)的历史功耗值，也就是得到了u个第二历史功耗值，进而可以确定这u个第二历史功耗值的平均值和方差。而第一历史功耗值为对终端进行短期监测所得到的功耗值。同样地，在当前息屏状态之前终端有无数次进入息屏状态，取一个大于0并且小于u的次数v，选取其中距离该目标时间点最近的v次，记录每次进入息屏状态后在预设时长内(未使用该功耗预测模型的情况下)的历史功耗值，也就是得到了v个第一历史功耗值。经过验证，v优选为33，u优选为7。

综上所述，本公开的实施例所提供的技术方案，能够将具备不同拟合参数的多个功耗调节模型分别发送至多个第一终端，以获取每个第一终端上传的每个功耗调节模型对应的功耗调节信息；通过将功耗调节模型对应的功耗调节信息中包含的每个功耗差异量与功耗调节模型对应的功耗差异量测试值进行平滑处理，确定多目标优化函数中用于定义运行功耗调节模型中的功耗预测模型所导致的功耗增加量和运行功耗调节模型所导致的功耗降低量这两者的权重的目标拟合参数，以从多个功耗调节模型中确定具备目标拟合参数的目标功耗调节模型；将该目标功耗调节模型发送至第二终端，以使第二终端通过该目标功耗调节模型进行功耗调节。根据在生成功耗调节模型的过程中，通过多目标优化过程确定运行功耗调节模型所导致的功耗增加量和功耗降低量之间的平衡点，提高通过功耗调节模型进行功耗调节的准确度，进而提高功耗调节的效率。

图5是根据一示例性实施例示出的一种功耗调节装置的框图，如图5所示，应用于上述应用场景所述的服务器，该装置300包括：

第一模型发送模块310，被配置为将具备不同拟合参数的多个功耗调节模型分别发送至与该服务器连接的多个第一终端，以获取每个该第一终端上传的每个该功耗调节模型对应的功耗调节信息；其中，

该功耗调节模型的运行过程包括第一过程和第二过程，该第一过程为根据终端的历史功耗数据和预设的功耗预测模型确定该终端在目标使用状态下的预设时长内的功耗预测值，该第二过程为根据该功耗预测值和预设的进程调度算法对该终端在该预设时长内的功耗进行调节；

该拟合参数为该功耗调节模型对应的多目标优化函数中的参数，该多目标优化函数用于通过该拟合参数表征执行该第一过程所导致的功耗增加量和执行该第二过程所导致的功耗降低量在运行该功耗调节模型所导致的功耗差异量中所占的权重；

该功耗调节信息包括：在该第一终端上多次运行该功耗调节模型后确定的多个功耗差异量；

模型筛选模块320，被配置为将第一功耗调节模型对应的功耗调节信息中包含的每个该功耗差异量与该第一功耗调节模型对应的功耗差异量测试值进行平滑处理，以从上述多个功耗调节模型中确定具备该目标拟合参数的目标功耗调节模型；其中，该第一功耗调节模型为上述多个功耗调节模型中的任一功耗调节模型，该功耗差异量测试值为根据该第一功耗调节模型对应的第一拟合参数，通过预先采集的第一历史功耗数据集对该第一功耗调节模型进行测试所获取到的测试结果，以及该多目标优化函数确定的功耗差异量测试值；

第二模型发送模块330，被配置为将该目标功耗调节模型发送至第二终端，以使该第二终端通过该目标功耗调节模型进行功耗调节。

图6是根据图5示出的另一种功耗调节装置的框图，如图6所示，该装置300，还包括：

模型训练模块340，被配置为通过预先采集的训练数据集中的第二历史功耗数据集对预设模型进行训练，以生成该功耗预测模型，该训练数据集包括该第一历史功耗数据集和该第二历史功耗数据集；

模型测试模块350，被配置为通过该第一历史功耗数据集对该第一功耗调节模型进行测试，以获取该测试结果，该第一历史功耗数据集包括多个第一历史功耗数据；

测试值确定模块360，被配置为通过该目标优化函数，根据该第一拟合参数和该测试结果确定该第一功耗调节模型对应的功耗差异量测试值。

该测试结果包括：第一预测时长和平均功耗降低量，该模型测试模块350，被配置为：

获取根据每个该第一历史功耗数据执行该第一功耗调节模型对应的第一过程以生成功耗预测值所花费的时长，以将多个该时长的平均值作为该第一预测时长；以及，

获取根据每个该第一历史功耗数据执行该第一功耗调节模型对应的第二过程后导致的第一功耗降低量，以根据多个该第一功耗降低量确定该平均功耗降低量。

可选的，该测试值确定模块360，被配置为：

根据该第一预测时长确定执行该第一功耗调节模型对应的第一过程所导致的第一功耗增加量；

将该第一功耗增加量、该平均功耗降低量以及该第一拟合参数作为该多目标优化函数的输入，以获取该多目标优化函数输出的该第一功耗调节模型对应的功耗降低量预测值；其中，该多目标优化函数表示为：

g(m)＝(1-θ)×t(m)+θ×a(m)，

其中，m表示该第一功耗调节模型，g(m)表示该第一功耗调节模型的功耗变化量预测值，t(m)表示该第一功耗增加量，a(m)表示该平均功耗降低量，θ表示该第一拟合参数。

可选的，该第一功耗调节模型对应的功耗调节信息中包含n个功耗差异量，该模型筛选模块320，被配置为：

上述n个功耗差异量中的每个功耗差异量和该第一功耗调节模型对应的功耗差异量测试值作为预设的平滑处理函数的输入，以确定每个该拟合参数针对于该多目标优化函数的差异度；其中，该平滑处理函数表示为：

其中，d(n)表示该第一拟合参数针对于该多目标优化函数的差异度，g(m)表示该第一功耗调节模型的功耗变化量预测值，xi为该n个功耗差异量中的第i个功耗差异量，i为大于0且小于或等于n的整数；

将上述多个功耗调节模型对应的拟合参数中具备最小的差异度的拟合参数作为该目标拟合参数，并将该目标拟合参数对应的功耗调节模型作为该目标功耗调节模型。

图7是根据另一示例性实施例示出的一种功耗调节装置的框图，如图7所示，应用于上述应用场景所述的终端，该装置400包括：

模型接收模块410，被配置为接收服务器发送的功耗调节模型，该功耗调节模型对应有预设的功耗预测模型和预设的进程调度算法；

功耗预测模块420，被配置为在目标时间点，将该目标时间点之前采集到的历史功耗数据作为该功耗预测模型的输入，以获取该功耗预测模型输出的该终端在该目标时间点之后的预设时长内的功耗预测值；其中，在该目标时间点，该终端已接收到服务器发送的该功耗调节模型，并且，该终端的目标使用状态被触发；

进程调度模块430，被配置为在确定该功耗预测值不处于预设的功耗阈值区间内的情况下，通过该进程调度算法根据该功耗预测值开启或关闭该终端中的进程，以在该预设时长内进行功耗调节。

图8是根据图7示出的另一种功耗调节装置的框图，如图8所示，该装置400还包括：

数据采集模块440，被配置为采集该历史功耗数据，该历史功耗数据包括：历史功耗平均值，历史功耗方差值和v个第一历史功耗值；其中，

该历史功耗平均值为该终端在该目标时间点之前的u次进入该目标使用状态后在预设时长内的u个第二历史功耗值的平均值；

该历史功耗方差值为上述u个第二历史功耗值的方差；

上述v个第一历史功耗值为该终端在该目标时间点之前的v次进入该目标使用状态后在预设时长内的v个第一历史功耗值；其中，u大于v，v大于0。

综上所述，本公开的实施例所提供的技术方案，能够将具备不同拟合参数的多个功耗调节模型分别发送至多个第一终端，以获取每个第一终端上传的每个功耗调节模型对应的功耗调节信息；通过将功耗调节模型对应的功耗调节信息中包含的每个功耗差异量与功耗调节模型对应的功耗差异量测试值进行平滑处理，确定多目标优化函数中用于定义运行功耗调节模型中的功耗预测模型所导致的功耗增加量和运行功耗调节模型所导致的功耗降低量这两者的权重的目标拟合参数，以从多个功耗调节模型中确定具备目标拟合参数的目标功耗调节模型；将该目标功耗调节模型发送至第二终端，以使第二终端通过该目标功耗调节模型进行功耗调节。根据在生成功耗调节模型的过程中，通过多目标优化过程确定运行功耗调节模型所导致的功耗增加量和功耗降低量之间的平衡点，提高通过功耗调节模型进行功耗调节的准确度，进而提高功耗调节的效率。

图9是根据一示例性实施例示出的一种用于功耗调节的装置的框图。例如，该装置900可以被提供为一服务器。参照图9，装置900包括处理组件922，其进一步包括一个或多个处理器，以及由存储器932所代表的存储器资源，用于存储可由处理组件922的执行的指令，例如应用程序。存储器932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件922被配置为执行指令，以执行图1或图2所示的功耗调节方法。

装置900还可以包括一个电源组件926被配置为执行装置900的电源管理，一个有线或无线网络接口950被配置为将装置900连接到网络，和一个输入输出(i/o)接口958。装置900可以操作基于存储在存储器932的操作系统，例如windowsserver^tm，macosx^tm，unix^tm，linux^tm，freebsd^tm或类似。

图10是根据另一示例性实施例示出的一种用于功耗调节的装置的框图。例如，该装置1000可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。

参照图10，装置1000可以包括以下一个或多个组件：处理组件1002，存储器1004，电力组件1006，多媒体组件1008，音频组件1010，输入/输出(i/o)的接口1012，传感器组件1014，以及通信组件1016。

处理组件1002通常控制装置1000的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件1002可以包括一个或多个处理器1020来执行指令，以完成图3或图4所示的功耗调节方法的全部或部分步骤。此外，处理组件1002可以包括一个或多个模块，便于处理组件1002和其他组件之间的交互。例如，处理组件1002可以包括多媒体模块，以方便多媒体组件1008和处理组件1002之间的交互。

存储器1004被配置为存储各种类型的数据以支持在装置1000的操作。这些数据的示例包括用于在装置1000上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器1004可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(sram)，电可擦除可编程只读存储器(eeprom)，可擦除可编程只读存储器(eprom)，可编程只读存储器(prom)，只读存储器(rom)，磁存储器，快闪存储器，磁盘或光盘。

电力组件1006为装置1000的各种组件提供电力。电力组件1006可以包括电源管理系统，一个或多个电源，及其他与为装置1000生成、管理和分配电力相关联的组件。

多媒体组件1008包括在所述装置1000和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(lcd)和触摸面板(tp)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件1008包括一个前置摄像头和/或后置摄像头。当装置1000处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件1010被配置为输出和/或输入音频信号。例如，音频组件1010包括一个麦克风(mic)，当装置1000处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器1004或经由通信组件1016发送。在一些实施例中，音频组件1010还包括一个扬声器，用于输出音频信号。

i/o接口1012为处理组件1002和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件1014包括一个或多个传感器，用于为装置1000提供各个方面的状态评估。例如，传感器组件1014可以检测到装置1000的打开/关闭状态，组件的相对定位，例如所述组件为装置1000的显示器和小键盘，传感器组件1014还可以检测装置1000或装置1000一个组件的位置改变，用户与装置1000接触的存在或不存在，装置1000方位或加速/减速和装置1000的温度变化。传感器组件1014可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件1014还可以包括光传感器，如cmos或ccd图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件1014还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件1016被配置为便于装置1000和其他设备之间有线或无线方式的通信。装置1000可以接入基于通信标准的无线网络，如wifi，2g或3g，或它们的组合。在一个示例性实施例中，通信组件1016经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件1016还包括近场通信(nfc)模块，以促进短程通信。例如，在nfc模块可基于射频识别(rfid)技术，红外数据协会(irda)技术，超宽带(uwb)技术，蓝牙(bt)技术和其他技术来实现。

在示例性实施例中，装置1000可以被一个或多个应用专用集成电路(asic)、数字信号处理器(dsp)、数字信号处理设备(dspd)、可编程逻辑器件(pld)、现场可编程门阵列(fpga)、控制器、微控制器、微处理器或其他电子元件实现，用于执行图3或图4所示的功耗调节方法。

在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器1004，上述指令可由装置1000的处理器1020执行以完成图3或图4所示的功耗调节方法。例如，所述非临时性计算机可读存储介质可以是rom、随机存取存储器(ram)、cd-rom、磁带、软盘和光数据存储设备等。

在另一示例性实施例中，还提供一种计算机程序产品，该计算机程序产品包含能够由可编程的装置执行的计算机程序，该计算机程序具有当由该可编程的装置执行时用于执行上述的图3或图4所示的功耗调节方法的代码部分。

本公开的实施例所提供的技术方案，能够将具备不同拟合参数的多个功耗调节模型分别发送至多个第一终端，以获取每个第一终端上传的每个功耗调节模型对应的功耗调节信息；通过将功耗调节模型对应的功耗调节信息中包含的每个功耗差异量与功耗调节模型对应的功耗差异量测试值进行平滑处理，确定多目标优化函数中用于定义运行功耗调节模型中的功耗预测模型所导致的功耗增加量和运行功耗调节模型所导致的功耗降低量这两者的权重的目标拟合参数，以从多个功耗调节模型中确定具备目标拟合参数的目标功耗调节模型；将该目标功耗调节模型发送至第二终端，以使第二终端通过该目标功耗调节模型进行功耗调节。根据在生成功耗调节模型的过程中，通过多目标优化过程确定运行功耗调节模型所导致的功耗增加量和功耗降低量之间的平衡点，提高通过功耗调节模型进行功耗调节的准确度，进而提高功耗调节的效率。

本领域技术人员在考虑说明书及实践本公开后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。