一种群智感知中的资源分配方法组成比例

本发明专利技术公开了一种群智感知中的资源分配方法，涉及移动用户MU的策略制定过程中一致的部分建模为标准的凸优化问题，本发明专利技术根据群智感知的真实情况，提出了移动用户个人的对不同任务的偏好属性并进行量化分析，提出连续策略迭代算法CSI使得MCS系统能够在跨周期迭代的过程中学习用户的偏好程度，并与相关的Greedy以及Ranking算法进行了仿真比较。在一般的实验设置下，相较于对比的基于贪心和等级划分的优化算法，CSI算法在效用指标上有10%~20%的提升，且使得模拟误差降低10%左右。本发明专利技术证明了CSI算法在大多数场景下有着更优秀的指标，助力提高收集数据的质量，同时增加系统的可靠性和稳健性。

【技术实现步骤摘要】

本专利技术涉及移动群智感知，尤其涉及一种群智感知中移动用户mu的资源分配策略。

技术介绍

1、随着各行业的快速数字化，现代工业需要尽可能多的智能终端实时快速记录各类工业数据，不同于传统的人工记录各种工业数据，移动群智感知（mobile crowdsensing，mcs）是指通过无线网络的交互、参与和感知机制，由多达数十亿个基于互联网的移动感知设备与各种传感器组成，包括gps定位器、加速度计、环境传感器、陀螺仪等。

2、在群智感知中，数据收集方基本的参与单位为使用智能手机或智能汽车等携带传感器的智能设备的个人，称为移动用户（mobile user，mu）。数据需求方基本的参与单位为发起感知任务的责任人，称为任务发起人（taskinitiator，ti）。ti会通过提供奖励来向mcs发起感知任务，mu通过为ti发起的任务做出贡献来获得ti提供的回报，这两个过程的规则称为mcs的激励机制，激励机制在激励用户参与并为感知任务做出贡献方面起着至关重要的作用。一个精心设计的激励机制可以吸引大量的参与者，在提高收集数据的质量的同时增加系统的可靠性和稳健性。<本文档来自技高网...

【技术保护点】

1.一种群智感知中的资源分配方法，其特征在于：所述方法包括以下步骤：

2.根据权利要求1所述的一种群智感知中的资源分配方法，其特征在于，所述的步骤2中，对移动用户分配策略中的凸优化问题的分析方法为：

3.根据权利要求1所述的一种群智感知中的资源分配方法，其特征在于，步骤4中，对仿真实验使用的数据集设置进行说明，比较单个和多个移动用户条件下各算法在效用、误差指标上的表现包括：统计数据集中对于移动用户的最优化问题，即问题中的使用EMA算法和微软的T-Drive数据集来进行预测；在智能车领域的偏好与控制研究中提出基于贪心算法Greedy的思路，将任务划分到不同优先级的优...

【技术特征摘要】

1.一种群智感知中的资源分配方法，其特征在于：所述方法包括以下步骤：

2.根据权利要求1所述的一种群智感知中的资源分配方法，其特征在于，所述的步骤2中，对移动用户分配策略中的凸优化问题的分析方法为：

3.根据权利要求1所述的一种群智感知中的资源分配方法，其特征在于，步骤4中，对仿真实验使用的数据集设置进行说明，比较单个和多个移动用户条件下各算法在效用、误差指标上的表现包括：统计数据集中对于移动用户的最优化问题，即问题中的使用ema算法和微软的t-drive数据集来进行预测；在智能车领域的偏好与控制研究中提出基于贪心算法greedy的思路，将任务划分到不同优先级的优先队列中；对多用户进行仿真实验，验证csi算法结合了ranking和greedy算法的优点，在用户对收益的要求更高时，csi能表现出高于greedy的稳定性。

4.根据权利要求2所述的一种群智感知中的资源分配方法，其特征在于，步骤1中，偏好学习模型包括：移动用户在某一周期实际采取的资源分配策略定义为，策略计算模型生成的策略定义为，记两者的差为，则对于，,...

【专利技术属性】
技术研发人员：王超，李明，陶军，宫帅，班梦迪，尹晓宇，王杰凯，曹弯弯，余东波，张敏，吴极，王海陆，
申请(专利权)人：东南大学，
类型：发明
国别省市：