移動(dòng)眾包作為一種經(jīng)濟(jì)高效的工作模式,通過利用人類智慧或人群感知解決時(shí)間和空間敏感的眾包任務(wù)。但是由于眾包工人的能力異構(gòu)性和策略行為使得移動(dòng)眾包的數(shù)據(jù)質(zhì)量難以保證。因此質(zhì)量控制對(duì)于移動(dòng)眾包系統(tǒng)來說是必要的,任務(wù)分配機(jī)制和激勵(lì)機(jī)制通過影響眾包工人行為進(jìn)而影響著數(shù)據(jù)質(zhì)量,是目前研究的巨大挑戰(zhàn)。論文的主要貢獻(xiàn)在于以下三點(diǎn):（1）調(diào)研了移動(dòng)眾包系統(tǒng)中數(shù)據(jù)質(zhì)量控制機(jī)制的國(guó)內(nèi)外研究現(xiàn)狀,從眾包工人、任務(wù)發(fā)布者和眾包平臺(tái)角度分析了移動(dòng)眾包系統(tǒng)中影響數(shù)據(jù)質(zhì)量的因素;對(duì)現(xiàn)有移動(dòng)眾包系統(tǒng)的質(zhì)量控制方案進(jìn)行總結(jié)和歸納,劃分成四種質(zhì)量控制策略:改進(jìn)任務(wù)設(shè)計(jì)、工人選擇、激勵(lì)機(jī)制和數(shù)據(jù)處理;并對(duì)具有代表性的質(zhì)量控制技術(shù)進(jìn)行了闡述和分析。最后指出了現(xiàn)有研究工作的不足之處和將來的研究方向。（2）基于時(shí)間和空間限制的空間眾包已成為一種新的移動(dòng)眾包模式。如何將動(dòng)態(tài)出現(xiàn)在平臺(tái)上的眾包工人和任務(wù)即時(shí)地進(jìn)行合理匹配且最大化匹配對(duì)總效用是一個(gè)難題。為了解決該問題,本文提出了 TGOA-ExtendedAT算法,該算法先根據(jù)工人和任務(wù)到達(dá)平臺(tái)的順序?qū)⑵浞殖汕昂蟮乳L(zhǎng)兩部分,對(duì)于前半部分采用貪婪策略即對(duì)于每一個(gè)到達(dá)平臺(tái)的工人（或任務(wù)）為... 

【文章來源】：南京郵電大學(xué)江蘇省

【文章頁數(shù)】：84 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

改變?nèi)蝿?wù)數(shù)量

南京郵電大學(xué)碩士研究生學(xué)位論文第四章基于兩階段的自適應(yīng)閾值任務(wù)分配算法設(shè)計(jì)41本文提出的TGOA-EAT算法和EAT算法運(yùn)行時(shí)間接近0，而TGOA-GR算法的運(yùn)行時(shí)間隨著任務(wù)數(shù)量的增大不斷增大，且最大為18；這是因?yàn)門GOA-EAT和EAT算法采取隨機(jī)化策略而TGOA-GR花費(fèi)了較長(zhǎng)時(shí)間獲取一個(gè)最佳偽分配。在空間損耗上，三種算法的占用空間都隨任務(wù)數(shù)量增大而增加。TGOA-EAT算法和EAT算法的空間損耗要大于TGOA-GR算法，這是因?yàn)樽赃m應(yīng)閾值算法需要記錄每個(gè)閾值運(yùn)行歷史記錄以獲得最佳閾值。即使如此TGOA-EAT算法仍然使高效的，雖然空間損耗大，但是相比于主存容量，空間損耗是可以忽略的。(a)Utilityofvaring||(b)Runtimeofvaring||(c)Memoryofvaring||圖4.3改變?nèi)蝿?wù)數(shù)量2）改變工人數(shù)量圖4.4展示了改變工人數(shù)量的實(shí)驗(yàn)結(jié)果，在這組實(shí)驗(yàn)中，我們改變了眾包工人數(shù)量，其他參數(shù)設(shè)置均為表4.2給出的默認(rèn)設(shè)置。實(shí)驗(yàn)結(jié)果與改變?nèi)蝿?wù)數(shù)量的實(shí)驗(yàn)結(jié)果相似，為了節(jié)省空間，這里不再進(jìn)行分析。(a)Utilityofvaring||(b)Runtimeofvaring||(c)Memoryofvaring||圖4.4改變眾包工人數(shù)量3）改變眾包工人/任務(wù)活躍時(shí)間本組實(shí)驗(yàn)通過改變工人/任務(wù)活躍時(shí)間觀察其對(duì)算法性能的影響，實(shí)驗(yàn)結(jié)果見圖4.5。三種算法的總效用隨著工人/任務(wù)活躍時(shí)間/的增大而增加，/的增大使得更多的工人/任務(wù)可以組成合理匹配對(duì)，使得匹配對(duì)數(shù)量增加，繼而增加總效用。TGOA-EAT算法要優(yōu)于其他兩種算法，TGOA-GR算法獲得的總效用最低。關(guān)于時(shí)間損耗，我們可以觀察到活躍時(shí)

南京郵電大學(xué)碩士研究生學(xué)位論文第四章基于兩階段的自適應(yīng)閾值任務(wù)分配算法設(shè)計(jì)42間對(duì)TGOA-EAT和EAT算法的運(yùn)行時(shí)間影響不大；其次由于隨機(jī)化策略的使用，TGOA-EAT和EAT算法要比TGOA-GR算法快得多。對(duì)于空間損耗，盡管TGOA-EAT算法和EAT算法大于TGOA-GR算法，但是相比于主存大小，該損耗可以忽略。(a)Utilityofvaring(b)Runtimeofvaring(c)Memoryofvaring圖4.5改變工人/任務(wù)活躍時(shí)間4）改變工人容量(a)Utilityofvaring(b)Runtimeofvaring(c)Memoryofvaring圖4.6改變工人容量在本組實(shí)驗(yàn)中，我們研究了工人容量對(duì)算法的影響，實(shí)驗(yàn)結(jié)果見圖4.6。對(duì)于總效用，可以看出OPT算法先增大后保持不變，TGOA-EAT算法和TGOA-GR算法先增大后稍有減小，EAT算法不斷增大，但增幅不斷減校這是因?yàn)楫?dāng)工人容量小于10的時(shí)候工人數(shù)量在不斷增大，匹配對(duì)數(shù)量增大，但是當(dāng)工人容量大于10后，由于任務(wù)數(shù)量是有限的，分配以達(dá)到飽和狀態(tài)，OPT會(huì)維持最佳分配，TGOA-EAT算法和TGOA-GR算法會(huì)使得先到達(dá)的工人分配到的任務(wù)效用較低，后到達(dá)的工人分配到高效用的任務(wù)，TGOA-EAT算法為到達(dá)工人優(yōu)先匹配同等級(jí)的任務(wù)，因此減小幅度要小于TGOA-GR算法�？偟膩碚fTGOA-EAT算法要優(yōu)于其他算法。對(duì)于時(shí)間損耗來說，三種算法均會(huì)因?yàn)楣と巳萘吭黾雍臅r(shí)增加，但是TGOA-EAT算法和EAT算法的運(yùn)行時(shí)間仍然接近0，效率遠(yuǎn)遠(yuǎn)高于TGOA-GR算法。對(duì)于空間損耗，TGOA-EAT算法和EAT算法所需空間要大于TGOA-GR算法，但是與主存大小相比，仍然是高效的。5）改變眾包工人活動(dòng)范圍


本文編號(hào)：3055637