一种移动多目标群智感知任务分配方法组成比例

本发明专利技术公开了一种移动多目标群智感知任务分配方法，包括以下步骤：S1、雇佣者发布基于位置的查询任务到任务分配系统；S2、任务分配系统在雇佣者的要求下，同时考虑最大感知覆盖范围及任务完成率来建立移动多目标感知任务分配模型，求解出最佳的工作者，并将查询任务分配给工作者；S3、工作者在收到查询任务后，执行查询任务，并在前往查询任务位置的途中自动感知，最后将查询任务结果和自动感知数据返回给任务分配系统。所述方法通过综合考虑自动感知任务和基于位置的查询任务两个目标来设计算法，从而使得工作者在任务中同时发挥主动感知能力和被动感知能力，提高了感知任务完成的效率，并且进一步减少了雇佣者所需的预算。

A mobile multi-target QSAR task allocation method

The invention discloses a task allocation method for mobile multi-objective group intellectual perception, which includes the following steps: S1, the employer releases the location based query task to the task allocation system; the S2, task allocation system, at the request of the employer, considers the maximum perceived coverage and task completion rate to establish mobile multi-target perception. The task allocation model is used to solve the best worker, and the query task is assigned to the worker. After receiving the query task, S3, the worker performs the query task and automatically perceiving on the way to the query task position. Finally, the query task result and the automatic perception data are returned to the task allocation system. By considering the two objectives of automatic perception task and location based query task, the proposed method is designed to enable the workers to perform active perception and passive perception at the same time, to improve the efficiency of the task completion and to further reduce the budget required by the employers.

【技术实现步骤摘要】
一种移动多目标群智感知任务分配方法
本专利技术涉及群智感知领域，具体涉及一种移动多目标群智感知任务分配方法。
技术介绍
群智感知是一种新兴的通过大量普通手机用户采集数据(如声音、位置、噪音、GPS)，从而完成感知任务的问题解决方案。利用采集的感知数据，研究人员能够实现多种大规模感知应用，如噪音检测、停车位检测、环境检测等。群智感知主要有两类任务受到广泛的关注。第一类强调的是普通手机用户在采集数据时的自动感知，例如在道路交通检测应用中，移动设备自动感知数据、记录以供后续处理。另一类任务是要求工作者积极响应的基于位置的查询任务。以前的技术往往分开考虑这两种任务，然而其实他们之间具有一些联系。当用户前往完成一些查询任务时，在他前进的途中也可以同时获取感知数据完成自动感知任务。这样如果能够有一个对任务组合的双目标任务分配系统，将充分利用每个工作者的主动感知能力和被动感知能力，从而提高感知任务的完成效率。
技术实现思路
本专利技术的目的是针对现有技术的不足，提供了一种移动多目标群智感知任务分配方法，所述方法通过对新型的多目标群体感知任务分配系统进行建模，并针对该模型设计了一种基于贪心算法的求解方法，提高了感知任务完成的效率，并且进一步减少了雇佣者所需的预算。本专利技术的目的可以通过如下技术方案实现：一种移动多目标群智感知任务分配方法，所述方法包括以下步骤：步骤S1、雇佣者发布基于位置的查询任务到任务分配系统；步骤S2、任务分配系统在雇佣者的要求下，同时考虑最大感知覆盖范围及任务完成率来建立移动多目标感知任务分配模型，求解选择出最佳的工作者，并将查询任务分配给工作者；步骤S3、所述被分配查询任务的工作者在收到查询任务后，执行查询任务，并在前往查询任务位置的途中自动感知，最后将查询任务结果和自动感知数据返回给任务分配系统。进一步地，步骤S2中所述移动多目标感知任务分配模型包括基于位置的查询任务目标分配模型和自动感知任务目标分配模型。进一步地，所述基于位置的查询任务目标分配模型，其目标为最大化查询任务的完成成功率，目标函数maxF(S)公式如下：其中，ti表示第i个查询任务，T表示所有查询任务集合，m表示查询任务集合的大小，Wi表示接受查询任务ti的所有工作者集合，wj表示工作者集合Wi中的一个工作者，表示第i个查询任务的完成成功率，pj表示第j个工作者的历史任务完成成功率；所述自动感知任务目标分配模型，其目标是最大化感知覆盖范围，目标函数maxG(S)公式如下：其中，表示被雇佣的工作者集合，表示每个工作者wj∈Wi预计的路径；考虑上述两个任务目标分配模型，同时要求约束工作者的总费用不大于雇佣者给定的预算，建立得到移动多目标感知任务分配模型如下：其中，W表示所有工作者集合，S表示被雇佣的工作者集合，cj表示被雇佣的工作者完成任务所需的费用，B表示雇佣者给定的预算。根据上述所建移动多目标感知任务分配模型(MBC)，可以证明该模型为一个NP难问题，证明如下：基数约束(submodularmaximizationproblemwithcardinalityconstraints，SMCC)下的子模最大化问题是NP难问题，该问题描述如下：给定一个集合U＝{u1，u2，...，u|U|}，一个定义在U上的单调子模函数f，以及一个基数值K，该问题的目标是要最大化f(U′)，其中并且|U′|≤K，我们通过说明MBC问题是SMCC问题的一个实例来证明引理。假定只有一个基于位置的感知任务，所有能接受该任务的工作者都通过该任务的目标位置。假设每个工作者的信誉值和报价都是一样的，因此该问题就相当于在任务经费的约束下最大化选择工人的感知覆盖范围的并集。即我们可以证明G(S)是一个单调子模函数，对于任意的并且w∈W\S2，有因此：这个不等式是根据集合运算的性质得到的，我们可以发现S(C2∪{a})-S(C2)≥0，这证明了S(C)是一个单调子模函数，因此可以说明MBC问题是SMCC问题的一个实例，所以MBC问题是一个NP难问题，证毕。进一步的，该模型的求解方法MBC-Greedy算法设计过程如下：首先，关于查询任务完成概率有如下性质：对于每个查询任务ti，任务完成概率函数是非减的，证明如下：基于上条性质，得到对于工作者集合S，平均任务完成概率函数F(S)是非减的，然后可以得到对于工作者集合S，感知覆盖范围函数G(S)是非减的。进一步地，求解所述移动多目标感知任务分配模型采用基于贪心算法的求解方法，即MBC-greedy算法，具体过程为：步骤110、初始化被雇佣的工作者集合S、接受查询任务ti的所有工作者集合Wi为空集，被雇佣的工作者完成任务所需的费用C为0；步骤120、组合所有有效的任务-工作者配对(ti，wj)，赋值给M；步骤130、如果M不为空，则执行步骤140，否则结束算法；步骤140、剔除完成任务所需费用过高会导致超出雇佣者给定预算的工作者；步骤150、对于剩下的每个有效的任务-工作者配对(ti，wj)，分别计算查询任务完成概率和感知覆盖范围的加权增量其中步骤160、剔除处于劣势的任务-工作者配对，配对(ti，wj)优于(t′i，w′j)或配对(t′i，w′j)劣于配对(ti，wj)，是指同时有或者是同时有步骤170、对剩下的任务-工作者配对根据其优于其他任务-工作者配对的数量大小进行降序排序；步骤180、选择排名最靠前的配对(ti，wj)作为一次迭代结果，并在下一次迭代前移除所有含工作者wj的配对{(ti，wj)|ti∈T}，然后返回步骤130，循环迭代，直至求解选择出的最佳工作者数量达到雇佣者的要求。本专利技术与现有技术相比，具有如下优点和有益效果：本专利技术的一种移动多目标群智感知任务分配方法相比于以前的针对单一类型感知任务设计的单目标任务匹配算法，综合考虑了自动感知任务和基于位置的查询任务两个目标来设计算法，从而使得工作者在任务中同时发挥主动感知能力和被动感知能力，提高了感知任务完成的效率，并且进一步减少了雇佣者所需的预算。附图说明图1为本专利技术实施例一种移动多目标群智感知任务分配方法的流程图。图2为本专利技术实施例MBC-greedy算法与C-greedy、Q-greedy两种对比算法在预算和查询任务总数固定的情况下解的情况示意图。图3为本专利技术实施例MBC-greedy算法与C-greedy、Q-greedy两种对比算法随着查询任务数量增加感知覆盖范围变化的对比图。图4为本专利技术实施例MBC-greedy算法与C-greedy、Q-greedy两种对比算法随着查询任务数量增加查询任务完成成功率变化的对比图。具体实施方式下面结合实施例及附图对本专利技术作进一步详细的描述，但本专利技术的实施方式不限于此。实施例：本实施例提供了一种移动多目标群智感知任务分配方法，所述方法的流程图如图1所示，包括以下步骤：步骤S1、雇佣者发布基于位置的查询任务到任务分配系统；步骤S2、任务分配系统在雇佣者的要求下，同时考虑最大感知覆盖范围及任务完成率来建立移动多目标感知任务分配模型，求解选择出最佳的工作者，并将查询任务分配给工作者；步骤S3、所述被分配查询任务的工作者在收到查询任务后，执行查询任务，并在前往查询任务位置的途中自动感知，最后将查询任务结果和自动感知数据返回给任本文档来自技高网...

【技术保护点】
1.一种移动多目标群智感知任务分配方法，其特征在于，所述方法包括以下步骤：步骤S1、雇佣者发布基于位置的查询任务到任务分配系统；步骤S2、任务分配系统在雇佣者的要求下，同时考虑最大感知覆盖范围及任务完成率来建立移动多目标感知任务分配模型，求解选择出最佳的工作者，并将查询任务分配给工作者；步骤S3、所述被分配查询任务的工作者在收到查询任务后，执行查询任务，并在前往查询任务位置的途中自动感知，最后将查询任务结果和自动感知数据返回给任务分配系统。

【技术特征摘要】
1.一种移动多目标群智感知任务分配方法，其特征在于，所述方法包括以下步骤：步骤S1、雇佣者发布基于位置的查询任务到任务分配系统；步骤S2、任务分配系统在雇佣者的要求下，同时考虑最大感知覆盖范围及任务完成率来建立移动多目标感知任务分配模型，求解选择出最佳的工作者，并将查询任务分配给工作者；步骤S3、所述被分配查询任务的工作者在收到查询任务后，执行查询任务，并在前往查询任务位置的途中自动感知，最后将查询任务结果和自动感知数据返回给任务分配系统。2.根据权利要求1所述的一种移动多目标群智感知任务分配方法，其特征在于，步骤S2中所述移动多目标感知任务分配模型包括基于位置的查询任务目标分配模型和自动感知任务目标分配模型。3.根据权利要求2所述的一种移动多目标群智感知任务分配方法，其特征在于，所述基于位置的查询任务目标分配模型，其目标为最大化查询任务的完成成功率，目标函数maxF(S)公式如下：其中，ti表示第i个查询任务，T表示所有查询任务集合，m表示查询任务集合的大小，Wi表示接受查询任务ti的所有工作者集合，wj表示工作者集合Wi中的一个工作者,表示第i个查询任务的完成成功率,j表示第j个工作者的历史任务完成成功率；所述自动感知任务目标分配模型，其目标是最大化感知覆盖范围，目标函数maxG(S)公式如下：其中，表示被雇佣的工作者集合，表示每个工作者wj∈Wi预计的路径；考虑上述两个任务目标分配模型，同时要求约束工作者...

【专利技术属性】
技术研发人员：张幸林，江乐，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：广东,44