移动处理器领域的技术发展使得移动智能设备的功能不断丰富,移动处理器面临的运算力需求与功耗之间的矛盾亦更加显现,以移动游戏场景尤甚。目前移动处理器的能效优化研究严重滞后于领域技术发展,主流生产商（如三星、华为等）依旧采用Linux内核原生的DVFS（动态电压频率调整,Dynamic Voltage Frequency Scaling）策略,通过按需调度处理器频率,实现能效优化。然而,该策略针对桌面处理器开发,主要针对注重稳定性的桌面应用进行优化,直接移植于移动操作系统效果不佳,存在调频粒度粗（只支持离散频率值）、无法识别游戏场景变化、无法及时响应游戏性能突发（突发的计算性能提升）等缺点。本文针对DVFS算法的不足,对移动游戏运行时的处理器能效优化进行了研究。首先,针对调频粒度粗、无法识别场景变化问题,本文提出了一种基于M5P模型树的hiGame-Governor调频模型,根据移动游戏运行时的软硬件环境状态（CPU频率、负载、内存读写信息、系统温度、电压变化以及游戏FPS值等）准确识别游戏场景,通过场景划分,对不同场景学其频率变化率与系统状态变量之间的回归方程,实现移动游戏负载变化平稳下的连续频率调整。其次,针对DVFS算法基于历史负载预测调频无法对游戏性能突发做出准确响应导致丢帧的问题,本文提出了一种性能突发场景的调频模型Burst Cap,通过对游戏性能突发场景依据其对应的系统状态进行场景划分,对于划分后的突发子场景通过启发式搜索学习其对应的最佳突发频率（满足游戏性能突发时计算性能需求的处理器频率）上界,最后构建了突发频率查找表BFT（突发频率表,Burst Frequency Table）,能够针对游戏性能突发及时提升频率,避免由于性能不足导致丢帧卡顿,影响用户体验。最后,本文将hiGame-Governor模型和Burst Cap集成为移动游戏处理器能效优化模型igamesmooth,通过华为海思数据采集软件Hi Zee在kirin 980So Cs的智能手机上采集了大量不同移动游戏的真实数据,进行了模型的训练和测试。并通过和不同算法的对比实验验证了本文所提出的模型的能效优化效果。