本文關(guān)鍵詞：移動(dòng)群智感知多任務(wù)參與者優(yōu)選方法研究　出處：《計(jì)算機(jī)學(xué)報(bào)》2017年08期 　論文類型：期刊論文

  更多相關(guān)文章： 移動(dòng)群智感知 任務(wù)分發(fā) 多任務(wù)并發(fā) 參與者選擇 優(yōu)化 物聯(lián)網(wǎng) 信息物理融合系統(tǒng)

【摘要】：該文主要研究面向移動(dòng)群智感知的任務(wù)分發(fā)方法,提出了一種新的參與者選擇:面向多任務(wù)并發(fā)的參與者優(yōu)選.不同于其他參與者選擇,文中選擇出的參與者不再局限于只能完成一個(gè)任務(wù),每個(gè)參與者可以在規(guī)定時(shí)間內(nèi)盡可能的完成多個(gè)任務(wù),由此降低群智平臺(tái)的成本.并提出MultiTasker方法,其目標(biāo)是選擇出最佳的參與者集合,使參與者完成任務(wù)所移動(dòng)的總距離最短以降低成本,并且完成任務(wù)的參與者人數(shù)最少以優(yōu)化用戶資源.為了實(shí)現(xiàn)這個(gè)目標(biāo),文中設(shè)計(jì)了3種算法:T-Random、T-Most和PT-Most.T-Random和T-Most是以任務(wù)為中心進(jìn)行參與者選擇,而PT-Most是以用戶為中心進(jìn)行參與者選擇.通過一個(gè)大規(guī)模的真實(shí)數(shù)據(jù)集對設(shè)計(jì)的3種算法進(jìn)行實(shí)驗(yàn)評估,同時(shí)研究了參與者選擇情況與各種因素之間的關(guān)系,如任務(wù)分布和任務(wù)執(zhí)行時(shí)間等.
[Abstract]:This paper mainly studies the mobile crowd sensing task distribution method, proposes a new participant selection: participants preferred oriented multi task. Different from other participants, selected the participants not only to complete a task only, each participant can within the stipulated time as far as possible to complete the multi a task, thereby reducing the cost of the platform. The wisdom of the masses and put forward the method of MultiTasker, the goal is to select the best set of participants, the total distance of the participants to complete the task of moving the shortest in order to reduce costs, and finish the task of the minimum number of participants to optimize the user resources. In order to achieve this goal, this paper design 3 methods: T-Random, T-Most and PT-Most.T-Random and T-Most are focused on task participants, while PT-Most is user centered by a participant. Large scale real data sets are used to evaluate the 3 algorithms designed, and the relationship between participants' selection and various factors, such as task distribution and task execution time, is studied.

【作者單位】： 西北工業(yè)大學(xué)計(jì)算機(jī)學(xué)院;
【基金】：國家“九七三”重點(diǎn)基礎(chǔ)研究發(fā)展計(jì)劃項(xiàng)目基金(2015CB352400) 國家自然科學(xué)基金(61332005,61373119,61222209)資助~~
【分類號】：TN929.5;TP301.6
【正文快照】： 學(xué)基金(61332005,61373119,61222209)資助.劉琰,女,1993年生,碩士,主要研究方向?yàn)橐苿?dòng)群智感知.E-mail:ly_liuyan_ly@163.com.1引言近年來,移動(dòng)群智感知(mobile crowd sensing)成為普適計(jì)算領(lǐng)域的前沿研究問題[1],它依賴大量普通用戶的移動(dòng)設(shè)備及其具備的多元感知能力來完成大

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 萬葉晶;葉繼華;江愛文;;一種基于時(shí)空相關(guān)性和異常檢測的改進(jìn)WSN節(jié)能策略[J];傳感技術(shù)學(xué)報(bào);2017年08期

2 張夢瑩;陳璇;;基于壓縮感知的大規(guī)模MIMO分段信道反饋[J];計(jì)算機(jī)技術(shù)與發(fā)展;2017年06期

3 周濤;王惠群;陸惠玲;夏勇;;壓縮感知及其在醫(yī)學(xué)圖像融合中的應(yīng)用[J];電視技術(shù);2017年Z1期

4 孫鵬;李貴楠;吳連濤;王智;;基于雙層壓縮感知的有損無線鏈路稀疏信號傳輸[J];通信學(xué)報(bào);2017年04期

5 宋維琪;吳彩端;;利用壓縮感知方法提高地震資料分辨率[J];石油地球物理勘探;2017年02期

6 李哲濤;臧浪;田淑娟;李仁發(fā);;基于混合壓縮感知的分簇式網(wǎng)絡(luò)數(shù)據(jù)收集方法[J];計(jì)算機(jī)研究與發(fā)展;2017年03期

7 畢超;馮玉田;李園輝;王瑞;;語音信號的分塊稀疏表示分類研究[J];計(jì)算機(jī)技術(shù)與發(fā)展;2017年03期

8 張立峰;劉昭麟;田沛;;基于壓縮感知的電容層析成像圖像重建算法[J];電子學(xué)報(bào);2017年02期

9 張凌;歸琳;宮博;羅漢文;;基于壓縮感知的空間信息網(wǎng)絡(luò)擁塞監(jiān)測[J];上海師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2017年01期

10 李明;江樺;麻曰亮;王廷肖;;Legendre序列測量矩陣的構(gòu)造研究[J];信息工程大學(xué)學(xué)報(bào);2017年01期

【二級參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 孫玉寶;肖亮;韋志輝;劉青山;;圖像稀疏表示的結(jié)構(gòu)自適應(yīng)子空間匹配追蹤算法研究[J];計(jì)算機(jī)學(xué)報(bào);2012年08期

2 王法松;張林讓;周宇;;壓縮感知的多重測量向量模型與算法分析[J];信號處理;2012年06期

3 陳書貞;李光耀;練秋生;;基于非局部相似性和交替迭代優(yōu)化算法的圖像壓縮感知[J];信號處理;2012年02期

4 趙嵩;馬榮華;薛朝改;李恒建;;基于樹型冗余字典正交匹配追蹤的信號稀疏分解[J];揚(yáng)州大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年04期

5 李民;程建;李小文;樂翔;;非局部學(xué)習(xí)字典的圖像修復(fù)[J];電子與信息學(xué)報(bào);2011年11期

6 付寧;曹離然;彭喜元;;基于子空間的塊稀疏信號壓縮感知重構(gòu)算法[J];電子學(xué)報(bào);2011年10期

7 焦李成;楊淑媛;劉芳;侯彪;;壓縮感知回顧與展望[J];電子學(xué)報(bào);2011年07期

8 練秋生;肖瑩;;基于小波樹結(jié)構(gòu)和迭代收縮的圖像壓縮感知算法研究[J];電子與信息學(xué)報(bào);2011年04期

9 胡正平;劉文;許成謙;;基于分類學(xué)習(xí)字典全局稀疏表示模型的圖像修復(fù)算法研究[J];數(shù)學(xué)的實(shí)踐與認(rèn)識;2011年07期

10 付寧;喬立巖;曹離;;面向壓縮感知的塊稀疏度自適應(yīng)迭代算法[J];電子學(xué)報(bào);2011年S1期

，

本文編號：1385701