计算机应用

作者：韩俊樱, 张振宇, 孔德仕

单位：1.新疆大学 信息科学与工程学院，乌鲁木齐 830046；2.新疆大学 新疆多语种信息技术实验室，乌鲁木齐 830046；3.四川大学 计算机学院，成都 610065

关键词：移动群智感知,多任务分配,任务组合,分布式计算,动态定价

基金：国家自然科学基金资助项目(61262089)

多数群智感知（MCS）任务分配方法针对单个任务，难以适用于多任务实时并发的现实场景，而且往往需要实时获取用户位置，不利于保护参与者隐私。针对上述问题，提出了一种面向用户区域的分布式多任务分配方法Crowd-Cluster。该方法首先通过贪心启发算法将全局感知任务及用户区域进行分簇；其次，基于空间关联性采用Q-learning算法将并发任务组合构成任务路径；接着，构建符合玻尔兹曼分布的用户意愿模型对任务路径进行动态定价；最后，基于历史信誉记录贪心优选参与者实现任务分配。基于真实数据集mobility的实验结果表明，Crowd-Cluster能有效减少参与者总人数及用户总移动距离，并且在低人群密度场景下，还能降低感知资源不足对任务完成度的影响。

来源：2020年第2期

《计算机应用》期刊编辑部

查看计算机应用杂志2020年第2期