CN111124632B - 移动终端的优化方法、装置、终端设备及存储介质 - Google Patents
移动终端的优化方法、装置、终端设备及存储介质 Download PDFInfo
- Publication number
- CN111124632B CN111124632B CN201911240717.2A CN201911240717A CN111124632B CN 111124632 B CN111124632 B CN 111124632B CN 201911240717 A CN201911240717 A CN 201911240717A CN 111124632 B CN111124632 B CN 111124632B
- Authority
- CN
- China
- Prior art keywords
- user
- application program
- mobile terminal
- determining
- optimization strategy
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 184
- 238000005457 optimization Methods 0.000 title claims abstract description 149
- 238000003860 storage Methods 0.000 title claims abstract description 15
- 230000006399 behavior Effects 0.000 claims abstract description 77
- 230000008569 process Effects 0.000 claims description 133
- 230000001419 dependent effect Effects 0.000 claims description 39
- 230000006870 function Effects 0.000 claims description 32
- 230000007704 transition Effects 0.000 claims description 31
- 239000011159 matrix material Substances 0.000 claims description 26
- 238000004140 cleaning Methods 0.000 claims description 25
- 238000012545 processing Methods 0.000 claims description 20
- 238000001914 filtration Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 9
- 238000012546 transfer Methods 0.000 claims description 3
- 230000003542 behavioural effect Effects 0.000 claims 1
- 230000000903 blocking effect Effects 0.000 description 5
- 230000002354 daily effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 3
- 238000009877 rendering Methods 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 101000802640 Homo sapiens Lactosylceramide 4-alpha-galactosyltransferase Proteins 0.000 description 1
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 102100035838 Lactosylceramide 4-alpha-galactosyltransferase Human genes 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/48—Program initiating; Program switching, e.g. by interrupt
- G06F9/4806—Task transfer initiation or dispatching
- G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
- G06F9/485—Task life-cycle, e.g. stopping, restarting, resuming execution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5011—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals
- G06F9/5016—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals the resource being the memory
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5011—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals
- G06F9/5022—Mechanisms to release resources
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Telephone Function (AREA)
- Stored Programmes (AREA)
Abstract
本申请提供一种移动终端的优化方法、装置、终端设备及存储介质，通过获取用户的历史行为数据，并根据历史行为数据，预测用户将要使用的第一应用程序，从而根据第一应用程序，确定对移动终端进行优化的优化策略，根据优化策略，对移动终端进行优化，实现了根据用户将要使用的应用程序，制定符合用户特点并满足用户使用需求的个性化优化策略，并按照优化策略自动对移动终端的内存进行优化，达到了智能优化的目的，并提高了优化的个性化和针对性，从而有利用提高用户体验。
Description
技术领域
本申请涉及通信技术领域，尤其涉及一种移动终端的优化方法、装置、终端设备及存储介质。
背景技术
随着Android操作系统的不断改善以及Android用户数量的不断增多，运行Android系统的移动终端上的各类应用也随之呈现出爆发式增长。由于Android系统自身设计原因、用户个人行为习惯以及各类应用自身特点，导致手机开机速度变长、应用运行缓慢以及电池续航能力变差等问题，因此，需要对移动终端进行优化。
现有技术中对移动终端的优化主要通过应用程序实现，如通过360、手机管家等，具体的，用户进入相应的应用程序客户端，通过与应用程序进行交互操作，实现对移动终端的优化。
通过现有技术的优化方法虽然能够提升移动终端部分性能，但过分依赖用户自主设置和自主优化，增加了用户与应用程序的交互负担，不能实现真正意义上的智能化。
发明内容
本申请提供一种移动终端的优化方法、装置、终端设备及存储介质，用以解决现有技术中的优化方法智能化不高的问题。
第一方面，本申请提供一种移动终端的优化方法，包括：
获取用户的历史行为数据，所述历史行为数据用于反映所述用户对移动终端内的应用程序的使用情况；
根据所述历史行为数据，预测所述用户将要使用的第一应用程序；
根据所述第一应用程序，确定对所述移动终端进行优化的优化策略，所述优化策略用于释放所述移动终端的内存以提高运行速度；
根据所述优化策略，对所述移动终端进行优化。
可选地，所述根据所述历史行为数据，预测所述用户将要使用的第一应用程序，包括：
根据所述历史行为数据、第二应用程序的打开时间以及马尔可夫链算法，确定所述用户将要使用的所述第一应用程序，所述第二应用程序包括当前打开的应用程序或者关闭时间距当前时刻最近的应用程序。
可选地，所述历史行为数据包括应用程序的打开时间、名称和进程信息；
所述根据所述历史行为数据、第二应用程序的打开时间以及马尔可夫链算法，确定所述用户将要使用的所述第一应用程序，包括：
确定所述第二应用程序；
根据时间分段函数，确定所述第二应用程序的打开时间所属的时间分段；
根据所述历史行为数据中的应用程序的打开时间、名称和进程信息，确定转移概率矩阵，所述转移概率矩阵中包括每个应用程序通过至少一步转移至下一个应用程序的概率；
根据所述时间分段和所述转移概率矩阵，分别确定从所述第二应用程序转移到其他各应用程序的概率；
将所述概率的最大值对应的应用程序确定为所述第一应用程序。
可选地，所述根据所述第一应用程序，确定对所述移动终端进行优化的优化策略之前，所述方法还包括：
根据所述历史行为数据，确定所述用户的用户类型；
所述根据所述第一应用程序，确定对所述移动终端进行优化的优化策略，包括：
根据所述用户类型和所述第一应用程序，确定对所述移动终端进行优化的优化策略
可选地，所述根据所述历史行为数据，确定所述用户的用户类型，包括：
根据所述历史行为数据中的所述应用程序的打开时间、名称和进程信息，确定所述用户一天内连续使用同一应用程序的时间是否大于第一阈值，以及所述用户使用所述移动终端的日平均时间是否超过第二阈值；
若所述用户一天内连续使用同一应用程序的时间大于第一阈值，且所述用户使用所述移动终端的日平均时间超过第二阈值，则确定所述用户为重度依赖型用户，否则确定所述用户为非重度依赖型用户；其中，所述用户类型包括重度依赖型用户或非重度依赖型用户。
可选地，所述根据所述用户类型和所述第一应用程序，确定对所述移动终端进行优化的优化策略，包括：
若所述用户为重度依赖型用户，则确定所述优化策略为第一优化策略；所述第一优化策略包括：在所述移动终端的内存占用率达到预设阈值时，根据进程的过滤规则和/或进程的分类，对除所述第一应用程序之外的其他应用程序的进程执行缓存清理和进程结束操作，并且强制开启图形处理器渲染；
若所述用户为非重度依赖型用户，则确定所述优化策略为第二优化策略；所述第二优化策略包括：在所述移动终端的内存占用率达到预设阈值时，根据进程的过滤规则和/或进程的分类，对除所述第一应用程序之外的其他应用程序的进程执行缓存清理和进程结束操作。
可选地，所述方法还包括：
建立自启动应用列表，所述自启动应用列表包括具备自启动功能的应用程序的名称；
根据所述自启动应用列表，禁止所述移动终端内具备自启动功能的应用程序的自启动功能。
第二方面，本申请提供一种移动终端的优化装置，包括：
获取模块，用于获取用户的历史行为数据，所述历史行为数据用于反映所述用户对移动终端内的应用程序的使用情况；
处理模块，用于根据所述历史行为数据，预测所述用户将要使用的第一应用程序，并根据所述第一应用程序，确定对所述移动终端进行优化的优化策略，所述优化策略用于释放所述移动终端的内存以提高处理效率；
优化模块，用于根据所述优化策略，对所述移动终端进行优化。
第三方面，本申请提供一种终端设备，包括：存储器和处理器；所述存储器用于存储计算机程序，所述处理器执行所述计算机程序实现如上述所述的移动终端的优化方法。
第四方面，本申请提供一种存储介质，所述存储介质用于存储计算机程序，所述计算机程序用于实现上述提供的移动终端的优化方法。
本申请提供的移动终端的优化方法、装置、终端设备及存储介质，通过获取用户的历史行为数据，其中，历史行为数据用于反映所述用户对移动终端内的应用程序的使用情况，并根据历史行为数据，预测用户将要使用的第一应用程序，从而根据第一应用程序，确定对移动终端进行优化的优化策略，优化策略用于释放所述移动终端的内存以提高运行速度，根据优化策略，对移动终端进行优化，实现了根据用户将要使用的应用程序，制定符合用户特点并满足用户使用需求的个性化优化策略，并按照优化策略自动对移动终端的内存进行优化，达到了智能优化的目的，提高了优化的个性化和针对性，从而提高了操作系统运行的流畅度，解决了应用程序运行卡顿和开机缓慢等问题，进而提高了用户的使用体验。
附图说明
为了更清楚地说明本发明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一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图
图1为本申请实施例提供的移动终端的优化方法实施例一的流程示意图；
图2为本申请实施例提供的移动终端的优化方法实施例二的流程示意图；
图3为本申请实施例提供的移动终端的优化方法实施例三的流程示意图；
图4为本申请实施例提供的移动终端的优化方法实施例四的流程示意图；
图5为本申请实施例提供的移动终端的优化方法实施例五的流程示意图；
图6为本申请实施例的移动终端的优化装置的实施例的结构示意图；
图7为本申请实施例提供的终端设备的实施例的结构示意图。
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申请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、本申请的一些方面相一致的装置和方法的例子。
现有技术中通过用户进入移动移动优化软件，如360、手机管家等，并通过与优化软件进行交互实现对移动终端的优化，虽然能够提升移动终端部分性能，但现有技术的方法，一方面智能化程度不高，多为根据用户操作指令被动地对移动终端进行优化，另一方面，对移动终端优化的往往采用“一刀切”的模式，针对性不强，因此，采用现有技术的方法，移动终端仍会出现运行卡顿、开机缓慢、用户体验不佳的问题。
本申请实施例提供的移动终端的优化方法，主要分三个阶段进行，包括：前期准备阶段，进行例如内存占用率的预设阈值的设定、进程的过滤规则的设定、进程的分类、应用自启动功能的过滤等；优化策略确定阶段，主要进行用户类型的确定和用户将要使用的应用程序的预测，并制定出符合用户个性的优化策略；智能优化阶段，按确定出的优化策略，对移动终端进行优化。通过上述三个阶段的结合应用，实现了根据不同的用户类型及用户将要使用的应用程序，制定符合用户特点并满足用户使用需求的个性化优化策略，并按照优化策略自动对移动终端的内存进行优化，达到了智能优化的目的，提高了优化的个性化和针对性，从而提高了操作系统运行的流畅度，解决了应用程序运行卡顿和开机缓慢等问题，进而提高了用户的使用体验。
需要说明的是，本申请实施例提供的移动终端的优化方法、装置、终端设备及存储介质适用于对使用Android操作系统的移动终端进行性能优化。
图1为本申请实施例提供的移动终端的优化方法实施例一的流程示意图，本实施例提供的移动终端的优化方法可以由移动终端中的操作系统执行，如图1所示，本实施例的方法包括：
S101、获取用户的历史行为数据。
本步骤中，用户的历史行为数据是反映用户使用移动终端频率、对移动终端的粘性、用户使用的移动终端内的具体的应用程序的情况等，本实施例的方法是建立在对用户的历史行为数据进行分析的基础上的，因此，在执行以下各步骤之前，需要先获取用户的历史行为数据。
在一种可能的实现方式中，历史行为数据包括应用程序的打开时间、名称和进程信息。
在一种可能的实现方式中，获取用户的历史行为数据包括：
将应用程序的打开时间、名称和进程信息作为关键词，通过关键词字段截取，从系统日志中获取用户的历史行为数据。
本步骤中，可以仅获取一个周期(如一个星期)内用户使用移动终端的历史行为数据，也可以获取用户使用移动终端以来的所有历史行为数据，为了能够反映用户最近的情况，通常获取以当前系统时间为起点之前的一段时间内的用户行为数据作为历史行为数据，通过该历史行为数据进行分析以提供适合用户近况的优化策略。
其中，应用程序的打开时间用于反映用户打开不同应用程序的具体时刻，如打开第一个应用程序的时间为9:10，打开第二应用程序的时间是10：00；
应用程序的名称用于反映用户打开的各个应用的名称，如第一个应用程序是微信，第二应用程序是淘宝；
应用程序的进程信息用于反映进程的状态信息和属性信息等。
可以理解的是，根据需要历史行为数据也可以包括其他内容，如应用程序的服务类型，用于反映应用程序是游戏类、聊天类、办公类或其他类型。
S103、根据历史行为数据，预测用户将要使用的第一应用程序。
本步骤中，在S101之后，根据获取到的用户的历史行为数据，采用预测算法预测用户将要使用的第一应用程序，第一应用程序为用户将要打开用户将要跳转使用的应用程序。
在一种可能的实现方式中，S103包括：
根据历史行为数据、第二应用程序的打开时间以及马尔可夫链算法，确定用户将要使用的第一应用程序。
其中，第二应用程序包括当前打开的应用程序或者关闭时间距当前时刻最近的应用程序，第二应用程序的打开时间是指打开第二应用程序时对应的系统的时刻。
马尔可夫链(Markov chain)，又称离散时间马尔可夫链(discrete-time Markovchain)，因俄国数学家安德烈·马尔可夫得名，为状态空间中经过从一个状态到另一个状态的转换的随机过程。该过程要求具备“无记忆”的性质：下一状态的概率分布只能由当前状态决定，在时间序列中它前面的事件均与之无关。在马尔可夫链的每一步，系统根据概率分布，可以从一个状态变到另一个状态，也可以保持当前状态。状态的改变叫做转移，与不同的状态改变相关的概率叫做转移概率。
本步骤中，历史行为数据用于构造马尔可夫链的转移概率矩阵。
S104、根据第一应用程序，确定对移动终端进行优化的优化策略，优化策略用于释放移动终端的内存以提高处理效率。
本步骤中，为了避免“一刀切”对所有用户和所有应用程序都采用相同的优化策略，提高优化策略更具体有针对性、智能化和个性化，以S103中确定出的用户将要使用的第一应用程序为依据，确定对移动终端的内存进行优化的不同的优化策略，优化策略用于释放移动终端的内存，从而提高系统、应用程序及开机等操作的运行速度。
S105、根据优化策略，对移动终端进行优化。
本步骤中，根据S104中确定出的优化策略，通过相应的措施，对移动终端进行优化，以释放移动终端的内存，提高运行速度，进而提高用户体验。
本实施例中，通过获取用户的历史行为数据，其中，历史行为数据用于反映所述用户对移动终端内的应用程序的使用情况，并根据历史行为数据，预测用户将要使用的第一应用程序，从而根据第一应用程序，确定对移动终端进行优化的优化策略，优化策略用于释放所述移动终端的内存以提高运行速度，根据优化策略，对移动终端进行优化，实现了根据用户将要使用的应用程序，制定符合用户特点并满足用户使用需求的个性化优化策略，并按照优化策略自动对移动终端的内存进行优化，达到了智能优化的目的，提高了优化的个性化和针对性，从而提高了操作系统运行的流畅度，解决了应用程序运行卡顿和开机缓慢等问题，进而提高了用户的使用体验。
图2为本申请实施例提供的移动终端的优化方法实施例二的流程示意图，在图1所示实施例的基础上，如图2所示，本实施例中，根据历史行为数据、第二应用程序的打开时间以及马尔可夫链算法，确定用户将要使用的第一应用程序，包括：
S201、确定第二应用程序。
本步骤中，由于马尔可夫链算法是根据当前状态确定下一状态的概率分布的机器学习算法，因此，在运用马尔可夫链算法及时间分段函数预测用户将要使用的第一运用程序时，需要确定出移动终端上当前打开的应用程序或者关闭时间距当前时刻最近的应用程序，即第二应用程序。
本步骤中，可以根据历史行为数据中进程信息确定第二应用程序，具体地，将进程信息中的最后一个进程信息对应的应用程序作为第二应用程序，也可以由操作系统直接获取系统当前正在运行的应用程序的信息来确定第二应用程序。
S202、根据时间分段函数，确定第二应用程序的打开时间所属的时间分段。
本步骤中，由于用户打开应用程序的时间是随机的，即使是同一个应用程序，如果用户在不同的时间段内打开，下一时刻用户将要使用的应用程序可能也不相同，例如，用户早上7:00打开微信之后，由于用户需要出门，所以接下来用户打开的查看天气情况的应用程序，而用户中午12:00打开微信之后，由于午餐时间到了，用户接下来直接打开的订购外卖的的应用程序。因此，为了准确确定用户将使用的应用程序，需要把时间重新定义，将时间进行分段，定义时间分段函数，并根据时间分段函数，确定第二应用程序的打开时间所属的时间分段，再结合马尔可夫链算法预测第一应用程序，提高了确定的第一应用程序的准确性。
可以理解的是，在S201中确定第二应用程序时，可以一并获取第二应用程序的打开时间。
在一种可能的实现方式中，时间分段函数由公式(1-1)确定：
t0＝[time] (1-1)
其中，t0表示时间的分段值，t0∈{0,1,2…,23},time表示第二应用程序的打开时间，[time]表示不超过time的最大整数，因此，通过时间分段函数可以确定出第二应用程序的打开时间所属的时间分段。
S203、根据历史行为数据中的应用程序的打开时间、名称和进程信息，确定转移概率矩阵。
本步骤中，根据历史行为数据中的应用程序的打开时间、名称和进程信息，确定马尔可夫链的转移概率矩阵，转移概率矩阵中包括每个应用程序通过至少一步转移至下一个应用程序的概率，即转移概率矩阵中包括至少一个一步转移概率矩阵，还可以包括多步转移概率矩阵。
一步转移概率矩阵由公式(1-2)确定：
其中，pij表示由序号为i的应用程序转移到序号的j的应用程序的概率。
根据一步转移概率矩阵可以得出n步转移概率矩阵，n步转移概率矩阵的公式为：
n的取值可以根据实际情况进行设定。
S204、根据时间分段和转移概率矩阵，分别确定从第二应用程序转移到其他各应用程序的概率。
本步骤中，根据S202确定的第二应用程序的时间分段和S203中确定的转移概率矩阵，分别确定出从第二应用程序转移到其他各应用程序的概率。
在一种可能的实现方式中，通过公式(1-4)确定从第二应用程序转移到其他各应用程序的概率：
P(k)＝w1∧1t0+w2∧2t0+…+wn∧nt0 (1-4)
其中，k为应用程序安装的序号，t0为第二应用程序的打开时间所属的时间分段，wi是权值，w1+w2+…+wi＝1，∧n是马尔可夫链的多步概率转移矩阵，P(k)为用户从第二应用程序转移到第k个应用程序的概率。
S205、将概率的最大值对应的应用程序确定为第一应用程序。
本步骤中，通过将S204中得到的P(k)的值进行排序，将P(k)的最大值对应的应用程序确定为第一应用程序。
本实施例中，通过确定第二应用程序，根据时间分段函数，确定第二应用程序的打开时间所属的时间分段，根据所述历史行为数据中的应用程序的打开时间、名称和进程信息，确定转移概率矩阵，其中，转移概率矩阵中包括每个应用程序通过至少一步转移至下一个应用程序的概率，根据时间分段和转移概率矩阵，分别确定从第二应用程序转移到其他各应用程序的概率，将概率的最大值对应的应用程序确定为第一应用程序，实现了对用户将要使用的第一应用程序的预测，并通过基于当前打开的应用程序或者关闭时间距当前时刻最近的应用程序的打开时间的所属的时间分段，对第一应用程序进行预测，与直接采用马尔可夫链算法预测第一应用程序相比，通过本实施例的预测算法得到的第一应用程序的准确性更高，从而有助于为用户提供更精确的优化服务，用利用提高用户的使用满意度。
图3为本申请实施例提供的移动终端的优化方法实施例三的流程示意图，在图1或图2所示实施例的基础上，如图3所示，本实施例中，在S104之前，本实施例的方法还包括：
S102、根据历史行为数据，确定用户的用户类型。
本步骤中，在S101之后，根据获取到的用户的历史行为数据确定用户的用户类型，以反映用户属于哪一类用户。
在一种可能的实现方式中，用户类型包括重度依赖型用户或非重度依赖型用户，根据历史行为数据，确定用户的用户类型包括：
根据历史行为数据中的应用程序的打开时间、名称和进程信息，确定用户一天内连续使用同一应用程序的时间是否大于第一阈值，以及用户使用移动终端的日平均时间是否超过第二阈值；
若用户连续使用同一应用程序的时间大于第一阈值，且用户使用移动终端的日平均时间超过第二阈值，则确定用户为重度依赖型用户，否则确定用户为非重度依赖型用户。
其中，重度依赖型用户是指每天平均使用移动终端的时间较长，且一天内较长时间连续使用某一个应用程序的用户，非重度依赖型用户是指不满足重度依赖型用户条件的用户。
第一阈值和第二阈值是界定重度依赖型用户和非重度依赖型用户一天内连续使用同一应用程序的时间和用户使用移动终端的日平均时间的时间长度，示例性地，第一阈值为1小时，第二阈值为8小时，若根据用户的历史行为数据确定某用户一天内连续使用微信的时间为1.2小时，且该用户使用移动终端的日平均时间为10小时，则可以确定该用户为重度依赖型用户。
其中，确定用户一天内连续使用同一应用程序的时间是否大于第一阈值，可以理解为，确定一天内用户使用的应用程序中是否存在连续使用时间大于第一阈值的应用程序，示例性地，若获取的历史行为数据为用户最近一个星期内的行为数据，则可以分别确定每一天内否存在连续使用时间大于第一阈值的应用程序，若每一天都存在连续使用时间大于第一阈值至少一个应用程序，则确定该用户一天内连续使用同一应用程序的时间大于第一阈值。
可以理解的是，每一天内使用的连续使用时间大于第一阈值的应用程序可以不同，也可以相同。
在一种可能的实现方式中，用户使用移动终端的日平均时间可以根据用户一个周期内使用移动终端的累计总时长与一个周期内的总天数进行确定，即将用户一个周期内使用移动终端的累计总时长与一个周期内的总天数相除得到。
可以理解的，S102与S103为并列的步骤，在执行时，两者没有明显的先后顺序。
在确定出用户的用户类型之后，本实施例中，S104包括：
S1041、根据用户类型和第一应用程序，确定对移动终端进行优化的优化策略。
本步骤中，为了进一步提高确定出的优化策略的用户针对性，满足用户的个性化需求，及进一步提高用户的满意度，根据S102中确定的用户类型和S103中预测出的第一应用程序，确定对移动终端进行优化的优化策略。
本实施例中，通过根据历史行为数据，确定用户的用户类型，并根据用户类型和第一应用程序，确定对移动终端进行优化的优化策略，提高了确定出的优化策略的用户针对性，满足了用户的个性化需求，因此，进一步提高用户的满意度。
图4为本申请实施例提供的移动终端的优化方法实施例四的流程示意图，在图3所示实施例的基础上，本实施例中，根据用户类型和第一应用程序，确定对移动终端进行优化的优化策略，包括：
S301、若用户为重度依赖型用户，则确定优化策略为第一优化策略；若用户为非重度依赖型用户，则确定优化策略为第二优化策略。
本步骤中，在确定出用户的用户类型以后，根据用户的用户类型是否为重度依赖型用户，确定出对应的优化策略，具体地，若用户为重度依赖型用户，则确定优化策略为第一优化策略，第一优化策略包括：在移动终端的内存占用率达到预设阈值时，根据进程的过滤规则和/或进程的分类，对除第一应用程序之外的其他应用程序的进程执行缓存清理和进程结束操作，并且强制开启图形处理器渲染；第二优化策略包括：在移动终端的内存占用率达到预设阈值时，根据进程的过滤规则和/或进程的分类，对除第一应用程序之外的其他应用程序的进程执行缓存清理和进程结束操作。
其中，预设阈值用户判断移动终端的内存占用率是否达到执行后续优化操作的条件，即确定执行优化操作的时机，可以理解的，在此之前，操作系统需要周期性地获取移动终端当前的内存占用率，并将获取到的内存占用率与预设阈值比较，当移动终端的内存占用率达到预设阈值时，触发操作系统根据进程的过滤规则和/或进程的分类，对除第一应用程序之外的其他应用程序的进程执行缓存清理和进程结束操作，并且强制开启图形处理器渲染。
预设阈值可以根据实际情况事先设定，但为了能够及时对移动移动进行优化，预设阈值不宜设置得太大，在系统还没有出现卡顿或运行缓慢时，就自动地对移动终端进行优化，从而使移动终端保持较好的性能，从而保证用户的最佳使用体验。
在一种可能的实现方式中，预设阈值的设置范围为70％±5％。
过滤规则用于确定哪些进程可以过滤，而哪些进程不可以过滤。由于操作系统中一些特殊的进程本身就具有提升移动终端运行流畅度的功能或者是移动终端必不可少的进程，如果这些进程被结束掉操作系统将不能正常使用或者移动终端的运行速率会更加缓慢，因此，需要事先制定进程的过滤规则，将一些特殊的进程放在白名单中，在执行进程结束操作或者缓存清理时，将白名单中的进程过滤出来，保证优化的可靠性。
在一种可能的实现方式中，过滤规则为按进程是否为移动终端自带的应用程序的进程确定加入白名单的进程，在执行进程结束操作或者缓存清理时，将移动终端自带的应用程序的进程放入白名单中。
进程的分类是指进程所属的类别，按照进程的特点可以对进行归类，例如，进程的分类包括以下六种：
(1)前台进程：手机屏幕中正在运行的程序；
(2)可见进程：不在前台，但是用户可以看到的进程，比如输入法、widget等；
(3)次要进程：次要进程又叫做隐藏进程，目前正在运行的一些服务程序，比如Gmail内部存储，联系人内部存储等；
(4)后台进程：后台进程是指运行在前台的进程通过按home键返回到Launcher，这时程序就转为后台进程；
(5)内容供应节点：没有进程实体，一些应用程序可以通过其提供接口访问其中的内容，从而达到复用的效果；
(6)空进程：不存在任何内容在内存中运行，一些进程为了能够在下次启动时速度更快，会在进程退出后在内存中驻留一个空进程。
因此，在根据进程的分类执行缓存清理和进程结束操作时，可以按照进程的分类一类一类地执行，例如先对前台进程执行缓存清理和进程结束操作，再对可见进程执行缓存清理和进程结束操作，依次类推，保证对除第一应用程序之外的所有进程都执行缓存清理和进程结束操作，从而保证优化的彻底性。
可选地，在S301之前，本实施例的方法还包括：
S300、根据进程的特点，对各应用程序的进程进行分类。
本步骤中，通过根据进程的特点，对各应用程序的进程进行分类，得到进程的分类，以使操作系统可以按照进程的分类，对除第一应用程序之外的其他应用程序的进程执行缓存清理和进程结束操作。
由于第一应用程序为用户将要使用的应用程序，因此，无论用户为重度依赖型用户，还是非重度依赖型用户，在进行优化时，只对除第一应用程序之外的其他应用程序的进程执行缓存清理和进程结束操作。
当用户为重度依赖型用户时，在进行优化时，不仅要对除第一应用程序之外的其他应用程序的进程执行缓存清理和进程结束操作，还要强制开启图形处理器渲染，由图形处理器来承担图形功能，以减轻中央处理器的负担，从而提高显示能力和显示速度，保证系统运行的流畅度。
本实施例中，根据优化策略，对移动终端进行优化，包括：
S302、根据第一优化策略或者第二优化策略，对移动终端进行优化。
本实施例中，通过若用户为重度依赖型用户，则确定优化策略为第一优化策略，第一优化策略包括：在移动终端的内存占用率达到预设阈值时，根据进程的过滤规则和/或进程的分类，对除第一应用程序之外的其他应用程序的进程执行缓存清理和进程结束操作，并且强制开启图形处理器渲染，若用户为非重度依赖型用户，则确定优化策略为第二优化策略，第二优化策略包括：在移动终端的内存占用率达到预设阈值时，根据进程的过滤规则和/或进程的分类，对除第一应用程序之外的其他应用程序的进程执行缓存清理和进程结束操作，并根据第一优化策略或者第二优化策略，对移动终端进行优化，实现了根据用户的用户类型和第一应用程序对移动终端执行不同的优化，当用户的用户类型不同情况和预测的第一应用程序的具体情况，确定出满足用户使用需求的优化策略，达到了智能优化的目的，提高了优化的个性化和针对性，从而提高了操作系统运行的流畅度，解决了应用程序运行卡顿和开机缓慢等问题，进而提高了用户的使用体验。
图5为本申请实施例提供的移动终端的优化方法实施例五的流程示意图，在上述各实施例的基础上，本实施例中的方法还包括：
S401、建立自启动应用列表。
本步骤中，为了进一步提高移动终端运行的流畅度，并提高优化效率，在根据优化策略对移动终端进行优化之前，先禁止具备自启动功能的应用程序的处自启动功能，本实施例中通过创建自启动应用列表，以对批量地禁止移动终端内具备自启动功能的应用程序的自启动功能。
其中，自启动应用列表中包括具备自启动功能的应用程序的名称。
在一种可能实现方式中，当用户执行应用卸载\安装操作时，利用系统发出的对应的广播更新自启动应用列表，如果安装的应用具备自启功能，则更新列表；如果卸载的应用在列表中，则将其在列表中删除。
S402、根据自启动应用列表，禁止移动终端内具备自启动功能的应用程序的自启动功能。
本步骤中，根据自启动应用列表，禁止自启动应用列表中的应用程序的自启动功能。
在一种可能的实现方式中，打开自启动应用列表中应用程序的自启动功能关闭按键。
本实施例中，通过建立自启动应用列表，根据自启动应用列表，禁止移动终端内具备自启动功能的应用程序的自启动功能，有助于提高了优化效率，为用户提供更好的优化服务，从而提高移动终端运行的流畅度，提高用户体验。
可选地，本申请实施例中，在对根据优化策略，对移动终端进行优化之前，所述方法还包括：对缓存垃圾数据进行预清理，用于对上一次优化结束后的残留垃圾进行清理。
图6为本申请实施例的移动终端的优化装置的实施例的结构示意图。如图6所示，本申请实施例中的移动终端的优化装置10，包括：
获取模块11、处理模块12和优化模块13。
其中，获取模块11，用于获取用户的历史行为数据，历史行为数据用于反映所述用户对移动终端内的应用程序的使用情况
在一种可能的实现方式中，历史行为数据包括应用程序的打开时间、名称和进程信息；
处理模块12，用于根据历史行为数据，预测用户将要使用的第一应用程序，并根据第一应用程序，确定对移动终端进行优化的优化策略，优化策略用于释放所述移动终端的内存以提高处理效率；
优化模块13，用于根据优化策略，对移动终端进行优化。
可选地，处理模块12具体用于：
根据历史行为数据、第二应用程序的打开时间以及马尔可夫链算法，确定用户将要使用的第一应用程序，第二应用程序包括当前打开的应用程序或者关闭时间距当前时刻最近的应用程序。
可选地，处理模块12具体用于：
确定所述第二应用程序；
根据时间分段函数，确定所述第二应用程序的打开时间所属的时间分段；
根据所述历史行为数据中的应用程序的打开时间、名称和进程信息，确定转移概率矩阵，所述转移概率矩阵中包括每个应用程序通过至少一步转移至下一个应用程序的概率；
根据所述时间分段和所述转移概率矩阵，分别确定从所述第二应用程序转移到其他各应用程序的概率；
将所述概率的最大值对应的应用程序确定为所述第一应用程序。
可选地，处理模块12还用于：
根据所述历史行为数据，确定所述用户的用户类型；
处理模块12具体用于：
根据所述用户类型和所述第一应用程序，确定对所述移动终端进行优化的优化策略。
可选地，处理模块12具体用于：
根据所述历史行为数据中的所述应用程序的打开时间、名称和进程信息，确定所述用户一天内连续使用同一应用程序的时间是否大于第一阈值，以及所述用户使用所述移动终端的日平均时间是否超过第二阈值；
若所述用户一天内连续使用同一应用程序的时间大于第一阈值，且所述用户使用所述移动终端的日平均时间超过第二阈值，则确定所述用户为重度依赖型用户，否则确定所述用户为非重度依赖型用户；其中，所述用户类型包括重度依赖型用户或非重度依赖型用户。
可选地，处理模块12具体用于：
若所述用户为重度依赖型用户，则确定所述优化策略为第一优化策略；所述第一优化策略包括：在所述移动终端的内存占用率达到预设阈值时，根据进程的过滤规则和/或进程的分类，对除所述第一应用程序之外的其他应用程序的进程执行缓存清理和进程结束操作，并且强制开启图形处理器渲染；
若所述用户为非重度依赖型用户，则确定所述优化策略为第二优化策略；所述第二优化策略包括：在所述移动终端的内存占用率达到预设阈值时，根据进程的过滤规则和/或进程的分类，对除所述第一应用程序之外的其他应用程序的进程执行缓存清理和进程结束操作。
可选地，处理模块12还用于：
根据进程的特点，对各应用程序的进程进行分类。
可选地，处理模块12还用于：
建立自启动应用列表，所述自启动应用列表包括具备自启动功能的应用程序的名称；
根据所述自启动应用列表，禁止所述移动终端内具备自启动功能的应用程序的自启动功能。
可选地，处理模块12还用于
对缓存垃圾数据进行预清理，以对上一次优化结束后的残留垃圾进行清理。
本实施例中，通过获取模块11获取用户的历史行为数据，历史行为数据包括应用程序的打开时间、名称和进程信息，处理模块12根据所述历史行为数据，确定用户的用户类型和预测用户将要使用的第一应用程序，并根据用户类型和第一应用程序，确定对移动终端进行优化的优化策略，优化策略用于释放所述移动终端的内存以提高处理效率，优化模块13，用于根据优化策略，对移动终端进行优化，实现了根据不同的用户类型及用户将要使用的应用程序，制定符合用户特点并满足用户使用需求的个性化优化策略，并按照优化策略自动对移动终端的内存进行优化，达到了智能优化的目的，提高了优化的个性化和针对性，从而提高了操作系统运行的流畅度，解决了应用程序运行卡顿和开机缓慢等问题，进而提高了用户的使用体验。
图7为本申请实施例提供的终端设备的实施例的结构示意图，如图6所示，本实施例中的终端设备20包括：存储器21和处理器22，存储器21用于存储计算机程序，处理器22执行计算机程序实现前述任一方法实施例中的移动终端的优化方法。
本申请还提供一种存储介质，该存储介质用于存储计算机程序，该计算机程序用于实现前述任一方法实施例提供的移动终端的优化方法。
实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一可读取存储器中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储器(存储介质)包括：只读存储器、随机存取存储器、快闪存储器、硬盘、固态硬盘、磁带、软盘、光盘及其任意组合。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (8)
1.一种移动终端的优化方法，其特征在于，包括：
获取用户的历史行为数据，所述历史行为数据用于反映所述用户对移动终端内的应用程序的使用情况；
根据所述历史行为数据，预测所述用户将要使用的第一应用程序；
根据所述历史行为数据，确定所述用户的用户类型；其中，所述用户类型包括重度依赖型用户或非重度依赖型用户；
根据所述第一应用程序，确定对所述移动终端进行优化的优化策略，包括：根据所述用户类型和所述第一应用程序，确定对所述移动终端进行优化的优化策略；其中，所述优化策略用于释放所述移动终端的内存以提高运行速度；
所述根据所述用户类型和所述第一应用程序，确定对所述移动终端进行优化的优化策略，包括：若所述用户为重度依赖型用户，则确定所述优化策略为第一优化策略；所述第一优化策略包括：在所述移动终端的内存占用率达到预设阈值时，根据进程的过滤规则和/或进程的分类，对除所述第一应用程序之外的其他应用程序的进程执行缓存清理和进程结束操作，并且强制开启图形处理器渲染；若所述用户为非重度依赖型用户，则确定所述优化策略为第二优化策略；所述第二优化策略包括：在所述移动终端的内存占用率达到预设阈值时，根据进程的过滤规则和/或进程的分类，对除所述第一应用程序之外的其他应用程序的进程执行缓存清理和进程结束操作；
根据所述优化策略，对所述移动终端进行优化。
2.根据权利要求1所述的方法，其特征在于，所述根据所述历史行为数据，预测所述用户将要使用的第一应用程序，包括：
根据所述历史行为数据、第二应用程序的打开时间以及马尔可夫链算法，确定所述用户将要使用的所述第一应用程序，所述第二应用程序包括当前打开的应用程序或者关闭时间距当前时刻最近的应用程序。
3.根据权利要求2所述的方法，其特征在于，所述历史行为数据包括应用程序的打开时间、名称和进程信息；
所述根据所述历史行为数据、第二应用程序的打开时间以及马尔可夫链算法，确定所述用户将要使用的所述第一应用程序，包括：
确定所述第二应用程序；
根据时间分段函数，确定所述第二应用程序的打开时间所属的时间分段；
根据所述历史行为数据中的应用程序的打开时间、名称和进程信息，确定转移概率矩阵，所述转移概率矩阵中包括每个应用程序通过至少一步转移至下一个应用程序的概率；
根据所述时间分段和所述转移概率矩阵，分别确定从所述第二应用程序转移到其他各应用程序的概率；
将所述概率的最大值对应的应用程序确定为所述第一应用程序。
4.根据权利要求3所述的方法，其特征在于，所述根据所述历史行为数据，确定所述用户的用户类型，包括：
根据所述历史行为数据中的所述应用程序的打开时间、名称和进程信息，确定所述用户一天内连续使用同一应用程序的时间是否大于第一阈值，以及所述用户使用所述移动终端的日平均时间是否超过第二阈值；
若所述用户一天内连续使用同一应用程序的时间大于第一阈值，且所述用户使用所述移动终端的日平均时间超过第二阈值，则确定所述用户为重度依赖型用户，否则确定所述用户为非重度依赖型用户。
5.根据权利要求1-4任一项所述的方法，其特征在于，所述方法还包括：
建立自启动应用列表，所述自启动应用列表包括具备自启动功能的应用程序的名称；
根据所述自启动应用列表，禁止所述移动终端内具备自启动功能的应用程序的自启动功能。
6.一种移动终端的优化装置，其特征在于，包括：
获取模块，用于获取用户的历史行为数据，所述历史行为数据用于反映所述用户对移动终端内的应用程序的使用情况；
处理模块，用于根据所述历史行为数据，预测所述用户将要使用的第一应用程序；根据所述历史行为数据，确定所述用户的用户类型；其中，所述用户类型包括重度依赖型用户或非重度依赖型用户；并根据所述第一应用程序，确定对所述移动终端进行优化的优化策略，包括：根据所述用户类型和所述第一应用程序，确定对所述移动终端进行优化的优化策略；其中，所述优化策略用于释放所述移动终端的内存以提高处理效率；所述根据所述用户类型和所述第一应用程序，确定对所述移动终端进行优化的优化策略，包括：若所述用户为重度依赖型用户，则确定所述优化策略为第一优化策略；所述第一优化策略包括：在所述移动终端的内存占用率达到预设阈值时，根据进程的过滤规则和/或进程的分类，对除所述第一应用程序之外的其他应用程序的进程执行缓存清理和进程结束操作，并且强制开启图形处理器渲染；若所述用户为非重度依赖型用户，则确定所述优化策略为第二优化策略；所述第二优化策略包括：在所述移动终端的内存占用率达到预设阈值时，根据进程的过滤规则和/或进程的分类，对除所述第一应用程序之外的其他应用程序的进程执行缓存清理和进程结束操作；
优化模块，用于根据所述优化策略，对所述移动终端进行优化。
7.一种终端设备，其特征在于，包括：存储器和处理器；所述存储器用于存储计算机程序，所述处理器执行所述计算机程序实现权利要求1-5任一项所述的移动终端的优化方法。
8.一种存储介质，其特征在于，所述存储介质用于存储计算机程序，所述计算机程序用于实现权利要求1至5任一项提供的移动终端的优化方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911240717.2A CN111124632B (zh) | 2019-12-06 | 2019-12-06 | 移动终端的优化方法、装置、终端设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911240717.2A CN111124632B (zh) | 2019-12-06 | 2019-12-06 | 移动终端的优化方法、装置、终端设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111124632A CN111124632A (zh) | 2020-05-08 |
| CN111124632B true CN111124632B (zh) | 2024-02-13 |
Family
ID=70497596
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911240717.2A Active CN111124632B (zh) | 2019-12-06 | 2019-12-06 | 移动终端的优化方法、装置、终端设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111124632B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114691452A (zh) * | 2022-03-24 | 2022-07-01 | 北京百度网讯科技有限公司 | 内存监测方法、装置、设备以及存储介质 |
| CN118051247B (zh) * | 2024-01-23 | 2024-12-06 | 合肥零距离网络科技有限公司 | 一种基于大数据分析的计算机软件管理系统及方法 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102479108A (zh) * | 2010-11-26 | 2012-05-30 | 中国科学院声学研究所 | 一种多应用进程的嵌入式系统终端资源管理系统及方法 |
| CN106528216A (zh) * | 2016-10-26 | 2017-03-22 | 深圳市金立通信设备有限公司 | 一种启动应用程序的方法及终端 |
| CN107133097A (zh) * | 2017-04-16 | 2017-09-05 | 努比亚技术有限公司 | 内存优化方法及装置 |
| CN107885545A (zh) * | 2017-10-31 | 2018-04-06 | 广东欧珀移动通信有限公司 | 应用管理方法、装置、存储介质及电子设备 |
| WO2019062414A1 (zh) * | 2017-09-30 | 2019-04-04 | Oppo广东移动通信有限公司 | 应用程序管控方法、装置、存储介质及电子设备 |
| CN109656722A (zh) * | 2019-01-04 | 2019-04-19 | Oppo广东移动通信有限公司 | 内存优化方法、装置、移动终端及存储介质 |
| WO2019128549A1 (zh) * | 2017-12-29 | 2019-07-04 | Oppo广东移动通信有限公司 | 应用冻结方法、装置、终端及计算机可读存储介质 |
| CN110008008A (zh) * | 2017-12-29 | 2019-07-12 | 广东欧珀移动通信有限公司 | 应用程序处理方法和装置、电子设备、计算机可读存储介质 |
| WO2019223510A1 (zh) * | 2018-05-21 | 2019-11-28 | Oppo广东移动通信有限公司 | 应用程序预加载方法、装置、存储介质及移动终端 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107766128B (zh) * | 2016-08-17 | 2021-01-29 | 华为技术有限公司 | 一种启动应用的方法及装置 |
-
2019
- 2019-12-06 CN CN201911240717.2A patent/CN111124632B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102479108A (zh) * | 2010-11-26 | 2012-05-30 | 中国科学院声学研究所 | 一种多应用进程的嵌入式系统终端资源管理系统及方法 |
| CN106528216A (zh) * | 2016-10-26 | 2017-03-22 | 深圳市金立通信设备有限公司 | 一种启动应用程序的方法及终端 |
| CN107133097A (zh) * | 2017-04-16 | 2017-09-05 | 努比亚技术有限公司 | 内存优化方法及装置 |
| WO2019062414A1 (zh) * | 2017-09-30 | 2019-04-04 | Oppo广东移动通信有限公司 | 应用程序管控方法、装置、存储介质及电子设备 |
| CN107885545A (zh) * | 2017-10-31 | 2018-04-06 | 广东欧珀移动通信有限公司 | 应用管理方法、装置、存储介质及电子设备 |
| WO2019128549A1 (zh) * | 2017-12-29 | 2019-07-04 | Oppo广东移动通信有限公司 | 应用冻结方法、装置、终端及计算机可读存储介质 |
| CN110008008A (zh) * | 2017-12-29 | 2019-07-12 | 广东欧珀移动通信有限公司 | 应用程序处理方法和装置、电子设备、计算机可读存储介质 |
| WO2019223510A1 (zh) * | 2018-05-21 | 2019-11-28 | Oppo广东移动通信有限公司 | 应用程序预加载方法、装置、存储介质及移动终端 |
| CN109656722A (zh) * | 2019-01-04 | 2019-04-19 | Oppo广东移动通信有限公司 | 内存优化方法、装置、移动终端及存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| 叶成景 ; .Android系统流畅度智能优化设计.自动化与仪器仪表.2017,(07),全文. * |
| 陈思颖 ; 郭跃 ; 胡欢波 ; .移动云计算随机任务序列的执行调度.电脑知识与技术.2018,(21),全文. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111124632A (zh) | 2020-05-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8112755B2 (en) | Reducing latencies in computing systems using probabilistic and/or decision-theoretic reasoning under scarce memory resources | |
| US9189252B2 (en) | Context-based device action prediction | |
| CN103404193B (zh) | 调校数据传输以优化为通过无线网络的传输建立的连接 | |
| CN105843650B (zh) | 一种智能终端中的应用程序管理方法和装置 | |
| WO2019072200A1 (zh) | 资源管理的方法及终端设备 | |
| EP3281125B1 (en) | Event processing system paging | |
| CN111124632B (zh) | 移动终端的优化方法、装置、终端设备及存储介质 | |
| EP3262577A1 (en) | Selective reminders to complete interrupted tasks | |
| US12229033B2 (en) | Method, device, and program product for managing computing resource in storage system | |
| CN113886382A (zh) | 数据库任务处理方法、设备及存储介质 | |
| US10572174B2 (en) | Data lifetime-aware migration | |
| CN105282299A (zh) | 一种应用启动装置与方法 | |
| CN105528659A (zh) | 一种基于序列模式结合时间上下文的移动终端app使用预测方法 | |
| CN106155789A (zh) | 一种应用冻结方法及移动终端 | |
| CN113806651B (zh) | 一种数据缓存方法、装置、服务器及存储介质 | |
| CN107870810A (zh) | 应用清理方法、装置、存储介质及电子设备 | |
| CN107748697A (zh) | 应用关闭方法、装置、存储介质及电子设备 | |
| US8082342B1 (en) | Discovery of short-term and emerging trends in computer network traffic | |
| US20080183764A1 (en) | Continuous physical design tuning | |
| CN115016854A (zh) | 应用程序预测方法、电子设备及存储介质 | |
| US9549044B1 (en) | Data processing | |
| CN117009348A (zh) | 一种索引管理方法、装置、设备及介质 | |
| US12158832B2 (en) | Method, electronic device, and computer program product for managing storage device | |
| CN110392156A (zh) | 应用程序的管理方法、移动终端及计算机可读存储介质 | |
| US11861395B2 (en) | Method and system for managing memory for applications in a computing system |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |