作為一種新的大規(guī)模感知數(shù)據(jù)收集方式,移動(dòng)群智感知利用普通用戶的智能手機(jī)的感知與計(jì)算能力,通過移動(dòng)互聯(lián)網(wǎng)進(jìn)行協(xié)作,從而完成大規(guī)模的、復(fù)雜的感知任務(wù)。然而,智能手機(jī)的資源非常有限,無節(jié)制地使用智能手機(jī)進(jìn)行感知任務(wù)的處理并上傳感知數(shù)據(jù),將會(huì)給手機(jī)的用戶帶來過大的代價(jià)(電量、數(shù)據(jù)流量的消耗),甚至影響用戶使用自己的手機(jī)。這樣將會(huì)大大降低用戶的參與程度。所以一套在手機(jī)資源約束的條件下使得系統(tǒng)效用最大化的任務(wù)分配及調(diào)度的控制方法對(duì)感知系統(tǒng)的成敗至關(guān)重要。由于群智感知系統(tǒng)存在很大的隨機(jī)與不確定性,例如隨機(jī)的手機(jī)狀態(tài),隨機(jī)的感知請(qǐng)求到達(dá)等,因而控制方法的設(shè)計(jì)極具挑戰(zhàn)。本課題就著重研究移動(dòng)群智感知系統(tǒng)中效用最大化的隨機(jī)控制方法。本課題可分為兩部分。第一部分主要研究在給定智能手機(jī)資源約束的條件下,如何最大化群智感知系統(tǒng)收集到數(shù)據(jù)的效用。這個(gè)問題極具挑戰(zhàn)。首先,感知數(shù)據(jù)的效用大小與智能手機(jī)所處的情景有關(guān),然而手機(jī)所處的情景通常是隨機(jī)的并且難以預(yù)測(cè)。其次,由于邊際效應(yīng),一臺(tái)手機(jī)的感知決策依賴于其他手機(jī)的決策。本文基于李雅普諾夫(Lyapunov)最優(yōu)化技術(shù),提出了一種分布式的感知數(shù)據(jù)效用最大化的在線算法。該算法不需要知道未來手機(jī)所處的情景,并且可以由手機(jī)自身進(jìn)行感知決策。嚴(yán)格的理論分析和仿真結(jié)果均顯示該算法可以使得系統(tǒng)的時(shí)間平均效用與理論最優(yōu)值的差距在O(1/V)范圍內(nèi)。在第一部分的基礎(chǔ)上,本文在第二部分中考慮了一個(gè)更復(fù)雜的群智感知系統(tǒng)。第二部分主要研究如何最大化群智感知平臺(tái)的利潤(rùn)的問題。平臺(tái)接收不同類型的感知請(qǐng)求,然后將感知任務(wù)分配到各個(gè)智能手機(jī)進(jìn)行處理并根據(jù)占用手機(jī)的時(shí)間長(zhǎng)短補(bǔ)償手機(jī)的用戶,最后將收集到的感知數(shù)據(jù)返回給請(qǐng)求者并收取費(fèi)用從而賺取利潤(rùn)。由于感知請(qǐng)求到達(dá)的隨機(jī)性、智能手機(jī)參與程度的動(dòng)態(tài)性以及感知任務(wù)分配的復(fù)雜性,該問題同樣極具挑戰(zhàn)。本文提出了一種最優(yōu)的在線控制算法,在不需要任何未來知識(shí)的情況下,對(duì)感知請(qǐng)求準(zhǔn)入、任務(wù)分派、感知時(shí)間購買以及感知時(shí)間分配進(jìn)行在線控制。嚴(yán)格的理論分析和仿真結(jié)果均顯示該算法可以使得時(shí)間平均利潤(rùn)任意接近理論最優(yōu)值,并且保證良好的系統(tǒng)穩(wěn)定性。
【學(xué)位單位】：上海交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2015
【中圖分類】：TN929.53
【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景及意義
        1.1.1 感知模式
        1.1.2 移動(dòng)群智感知系統(tǒng)的架構(gòu)
        1.1.3 問題與挑戰(zhàn)
    1.2 研究?jī)?nèi)容
    1.3 本章小結(jié)
第二章 相關(guān)研究及技術(shù)介紹
    2.1 移動(dòng)群智感知應(yīng)用
    2.2 移動(dòng)群智感知平臺(tái)
    2.3 移動(dòng)群智感知系統(tǒng)中的最優(yōu)控制
    2.4 本章小結(jié)
第三章 一種分布式的數(shù)據(jù)收集效用最大化算法
    3.1 系統(tǒng)建模與問題描述
        3.1.1 調(diào)度問題
        3.1.2 系統(tǒng)建模
        3.1.3 問題定義
    3.2 算法設(shè)計(jì)
        3.2.1 分布式在線最優(yōu)調(diào)度算法
        3.2.2 性能分析與證明
    3.3 仿真與評(píng)估
        3.3.1 最優(yōu)性驗(yàn)證
        3.3.2 變化適應(yīng)性驗(yàn)證
    3.4 本章小結(jié)
第四章 一種平臺(tái)利潤(rùn)最大化的隨機(jī)控制算法
    4.1 問題概述
    4.2 系統(tǒng)建模與問題定義
        4.2.1 控制決策
        4.2.2 動(dòng)態(tài)隊(duì)列更新
        4.2.3 問題定義
    4.3 利潤(rùn)最大化算法設(shè)計(jì)
        4.3.1 問題轉(zhuǎn)化
        4.3.2 在線控制算法
        4.3.3 分布式實(shí)現(xiàn)
        4.3.4 性能分析與證明
    4.4 仿真與評(píng)估
        4.4.1 最優(yōu)性驗(yàn)證
        4.4.2 性能對(duì)比
        4.4.3 穩(wěn)定性驗(yàn)證
    4.5 本章小結(jié)
第五章 總結(jié)和展望
參考文獻(xiàn)
致謝
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文目錄

【相似文獻(xiàn)】

相關(guān)期刊論文 前6條

1 萬彩云;張登銀;;基于SLA的用戶效用最大化建模[J];計(jì)算機(jī)技術(shù)與發(fā)展;2011年12期

2 徐小蘭;;虛假廣告成因的經(jīng)濟(jì)學(xué)分析[J];新聞知識(shí);2006年10期

3 唐蓓;期股-激勵(lì)機(jī)制的新思路[J];科學(xué)與管理;2000年03期

4 曾振華;;廣告經(jīng)營(yíng)中的“道德風(fēng)險(xiǎn)”解讀[J];新聞知識(shí);2008年09期

5 潘啟雯;;遠(yuǎn)離不靠譜的直覺[J];銷售與市場(chǎng)(評(píng)論版);2013年05期

6 ;[J];;年期

相關(guān)碩士學(xué)位論文 前9條

1 周朝暉;基于期末財(cái)富效用最大化的資本充足率監(jiān)管政策研究[D];南京理工大學(xué);2015年

2 韓陽;移動(dòng)群智感知系統(tǒng)中效用最大化的隨機(jī)控制方法研究[D];上海交通大學(xué);2015年

3 曾錚;嚴(yán)格理性下高速公路和輔路行車的效用最大化選擇[D];對(duì)外經(jīng)濟(jì)貿(mào)易大學(xué);2006年

4 吳歆;基于穩(wěn)定偏好原則下含消費(fèi)的效用最大化問題[D];南京理工大學(xué);2009年

5 曲翔;交換經(jīng)濟(jì)中核心配置與效用最大化[D];首都師范大學(xué);2008年

6 余小東;基于VaR風(fēng)險(xiǎn)控制的組合效用最大化研究[D];江西財(cái)經(jīng)大學(xué);2010年

7 張永昌;IP QoS與網(wǎng)絡(luò)效用最大化的研究[D];華中師范大學(xué);2014年

8 仲瑤;效用最大化視角下的工資成本控制研究[D];華北電力大學(xué);2014年

9 舒展飛;“勒索性提價(jià)”的法律思考[D];山東大學(xué);2013年

本文編號(hào)：2872937