计算机应用

作者：刘俊岭, 孙萌, 孙焕良, 许景科

单位：1.沈阳建筑大学 计算机科学与工程学院，沈阳 110168；2.辽宁省城市建设大数据管理与分析重点实验室（沈阳建筑大学），沈阳 110168；3.国家特种计算机工程技术研究中心沈阳分中心（沈阳建筑大学），沈阳 110168

关键词：空间众包,周期性任务,博弈论,总效用,熟悉度

基金：国家重点研发计划项目(2021YFF0306303);辽宁省教育厅项目(LJKMZ20220916)

针对空间众包中的一类重复多次且有固定需求的周期性任务，现有的匹配算法忽略了周期性任务对熟悉度的需求，提出一种空间众包中支持周期性任务的在线匹配算法。首先，将在线匹配问题视为多人游戏，将任务视为游戏的独立参与者，根据任务倾向于匹配熟悉度高的工人，工人倾向于匹配报酬高、距离近的任务的需求，确定玩家的效用函数，并进行博弈论（GT）分析；其次，将模拟退火（SA）策略引入GT的更新策略中，设计基于SA策略的GT算法；最后，在达到纳什均衡时实现总效用更大的匹配。在真实数据集上的实验结果表明，相较于现有相关算法，所提GT算法的匹配具有最高的总效用。可见，所提GT算法实现了更符合周期性任务和工人各自需求的匹配结果，可以提升在线空间众包平台的用户满意度。

来源：2025年第6期

《计算机应用》期刊编辑部

查看计算机应用杂志2025年第6期