本发明专利技术设计了一种分配机制来解决空间任务中用户与任务的空间距离的问题。首先，以感知成本最小为目标，基于遗传算法和贪心算法，设计了一种高效的任务分配方法；其次，针对用户感知质量的随机性，基于用户的历史感知情况和当前任务的执行情况，设计了用户感知质量的更新机制。为验证所提机制的效果，通过仿真实验与两种基准的任务分配方法作比较。实验结果表明，所提机制在感知总成本、任务分配率和用户执行任务所移动的总距离等方面均有更好的效果。
A Spatial Task Allocation Mechanism in Mobile Group Intelligence Perception
The invention designs an allocation mechanism to solve the problem of space distance between users and tasks in space tasks. Firstly, an efficient task allocation method is designed based on genetic algorithm and greedy algorithm to minimize the perceived cost. Secondly, according to the randomness of user perceived quality, an update mechanism of user perceived quality is designed based on user's historical perception and current task execution. To verify the effectiveness of the proposed mechanism, simulation experiments were conducted to compare the two benchmark task allocation methods. The experimental results show that the proposed mechanism has better performance in the perception of total cost, task allocation rate and the total distance the user moves to perform tasks.
【技术实现步骤摘要】
一种移动群智感知中的空间任务分配机制
本专利技术涉及一种空间任务分配机制，特别地，涉及到一种以感知成本最小为目标，基于遗传算法和贪心算法的空间任务分配方法。
技术介绍
如今，智能手机逐渐成为移动通讯设备的主流，这些智能手机通常配有功能强大的传感器，如GPS，相机和数字式罗盘等。在此背景下，借助智能手机收集感知数据的新兴感知模式-移动群智感知(MobileCrowdSensing，以下简称MCS)正逐渐成为学术界研究的热点课题。MCS通常由三部分组成：任务所有者、云端平台和感知用户，其中任务所有者将感知任务提交到云端平台；云端平台通过智能分配算法将感知任务分配给感知用户；感知用户按要求完成感知任务并上传数据。如何选择合适的感知用户是MCS的关键问题之一，合理的任务分配方案是感知任务高效执行的前提。目前，MCS的应用中大部分都是空间任务，如交通规划、环境监测和公共安全等，这对MCS的任务分配方法提出了更高的要求。目前，有关MCS中任务分配问题的研究有很多，但是MCS的发展处于初期阶段，很多方法和理论仍需完善。在文献题目：《Tamingtheuncertainty：budgetlimitedrobustcrowdsensingthroughonlinelearning》作者：HanK，ZhangC，LuoJ，IEEE/ACMTransactionsonNetworking，2016，24(3)：1462-1475中考虑到感知用户收集数据质量的不确定性，设计出BLISS任务分配框架不断重组感知用户集合。在文献题目：《Incentivemechanismsfortimewindowdependenttasksinmobilecrowdsensing》作者：XuJ，XiangJ，YangD，IEEETransactionsonWirelessCommunications，2015，14(11)：6353-6364中考虑基于连续时间窗口的任务分配问题，并利用动态规划算法解决该问题。在文献题目：《Taskallocationmechanismforcrowdsourcingsystembasedonreliabilityofusers》作者：SHIZhan，XINYu，SUNYu-e，JournalofComputerApplications，2017，37(9)：2449-2453中将任务分配问题抽象成整数规划问题，然后采用贪心技术实现用户与任务之间的高效匹配。但是上述研究都不适用于空间任务的分配问题。在文献题目：《Balancingqualityandbudgetconsiderationsinmobilecrowdsourcing》作者：MiaoC，YuH，ShenZ，DecisionSupportSystems，2016(90)：56-64中将空间任务的分配问题描述成多条件的背包问题，并使用贪心策略解决该问题。在文献题目：《ACrowd-SensingFrameworkforAllocationofTime-ConstrainedandLocation-basedTasks》作者：EstradaR，MizouniR，OtrokH，IEEETransactionsonServicesComputing，DOI10.1109/TSC.2017.2725835针对具有时间限制和位置限制的任务提出一种多任务的分配框架，并引入排队机制、信誉机制和委托人机制以得到高效的任务分配方案。在空间任务的分配问题中，用户到任务的空间距离直接影响着感知成本，而在有的研究中所提出的任务分配方法均是以数据收益为优化目标，并未考虑用户与任务的空间距离对感知成本的影响。在文献题目：《Multitask-orientedParticipantSelectioninMobileCrowdSensing》作者：LIUyan，GUOBin，WUWen-le，ChineseJournalofComputers，2016(8)：1872-1877中主要针对多任务分发问题提出了MultiTasker方法，目标是使用户完成任务所移动的总距离最短，并且完成任务的用户数最少以优化用户资源，但是该方法没有考虑任务对感知数据质量的要求。
技术实现思路
本专利技术要解决的技术问题是：本专利技术在总结现有任务分配方法的基础上，针对空间任务的分配问题，以感知成本最小为优化目标，设计了一种空间任务的分配机制。该分配机制将所研究的任务分配问题抽象为数学模型；阐述了基于遗传算法和贪心算法实现任务与用户之间的高效匹配，此外还详细介绍了用户感知质量的更新机制；最后，通过仿真实验将本文的分配算法MICTA与两种基准的分配方法做比较，并对实验结果进行分析。附图说明图1N＝10时，任务分配率与用户总量间的关系图2N＝10时，用户执行任务移动的总距离与用户总量间的关系图3N＝10时，感知总成本与用户总量间的关系图4N＝20时，任务分配率与用户总量间的关系图5N＝20时，用户执行任务移动的总距离与用户总量间的关系图6N＝20时，感知总成本与用户总量间的关系图7M＝23时，任务分配率与用户总量间的关系图8M＝23时，用户执行任务移动的总距离与用户总量间的关系图9M＝23时，感知总成本与用户总量间的关系本专利技术的具体实施方式下面结合实施例进一步描述本专利技术。本专利技术的范围不受这些实例的限制，本专利技术的范围在权利要求书中提出。(1)关键参数的设置MATLAB实验环境中模拟N个感知任务，随机分布在600*600(单位：km)的区域内。每个任务的最低质量要求qi服从区间[0，30]上的均匀分布。此外，模拟M个感知用户，用户的出发点设为(0，0)，每个用户的感知质量λk服从区间[0，30]上的均匀分布。通常情况下用户的固定激励与用户的感知质量相关。本实验根据用户感知质量λk的取值范围，设置用户uk的固定激励fk(单位：RMB)。当用户uk的感知质量λk在[0，10]范围内，固定激励fk服从区间[0，100]上的均匀分布；当用户uk的感知质量λk在[10，20]范围内，固定激励fk服从区间[100，200]上的均匀分布；当用户uk的感知质量λk在[20，30]范围内，固定激励fk服从区间[200，300]上的均匀分布；为分析用户与任务的空间距离对感知成本的影响，本实验设置所有用户的动态成本p＝0.1(单位：RMB/Km)。感知用户的最大执行能力服从区间[1，4]上的均匀分布。(2)实验为验证本专利技术所提机制的效果，在MATLAB实验环境下进行仿真测试，并与以下两种基准分配方法作对比。①LCPTA方法：基于贪心算法的任务分配方法，优先为固定激励最低的用户分配感知任务。为用户分配感知任务时，第一步在未分配的任务集中找到该用户能够执行的任务集L，即所有质量要求小于用户感知质量的任务，第二步，每次从集L中选取距离用户当前位置最近的任务分配给用户，直到达到用户的最大执行能力或集合L为空。②HRPTA方法：同样基于贪心算法分配感知任务，但与LCPTA方法不同的是，HRPTA优先为比率最高的用户分配感知任务，这里所说的比率是指用户的感知质量与固定激励的比值。图1，2，3中设置任务数量N＝10。图1中三条线段重合，表明任务数量为1本文档来自技高网...
【技术保护点】
1.一种移动群智感知中的空间任务分配机制，其特征在于，包括以下步骤：(1)以感知成本最小为目标，基于遗传算法和贪心算法的空间任务分配方法(Minimize Cost for Tasks Allocation简称MICTA)；(2)用户感知质量的更新机制。
【技术特征摘要】
1.一种移动群智感知中的空间任务分配机制，其特征在于，包括以下步骤：(1)以感知成本最小为目标，基于遗传算法和贪心算法的空间任务分配方法(MinimizeCostforTasksAllocation简称MICTA)；(2)用户感知质量的更新机制。2.根据权利要求1所述的移动群智感知中的空间任务分配机制，其特征在于，所述的步骤(1)中基于遗传算法和贪心算法的空间任务分配算法包括以下步骤：(2.A)染色体编码及适应度评价函数本专利采用自然数编码方式，0，1，2...M表示M个用户的编号，用户编号所在的位置下标对应任务编号，上述编码方式产生的解所确定的分配方案能够保证每个任务至少被执行一次，但不能保证分配给每个任务的用户的感知质量符合任务的质量要求，也不能保证分配给用户的任务数量在其最大执行能力的范围内，为了处理以下所示的约束条件，λk≥yi，kqiuk∈Uti∈T其中yi，k为二进制变量，表示用户uk是否执行了任务ti，如果是，yi，k的值为1，反之为0。第一个约束条件确保执行每个任务的用户的感知质量都满足该任务的质量要求qi。第二个约束条件确保每个用户执行的任务数不超过用户的最大执行能力nk。MICTA方法在计算染色体评价值时引入惩罚系数pw；(2.B)种群更新本文遗传算法采用最佳个体保存与轮盘赌相结合的选择策略产生一半数量的子代，另外一半子代采用部分匹配交叉和单点变异得到；(2.C)终止条件达到最大进化代数时终止。3.根据权利要求1所述的移动群智感知中的空间任务分配机制，其特征在于，所述的步骤(1)中染色体的评价值的具体计算过程...
【专利技术属性】
技术研发人员：郭秋菊，孙学梅，
申请(专利权)人：天津工业大学，
类型：发明
国别省市：天津,12
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。