面向移动群智感知的多任务分发算法

针对在移动群智感知中基于机会通信完成数据传输会消耗大量时间成本的问题,提出了一种基于中枢节点的多任务分发(HTA)算法。该算法利用节点在移动网络中社交关系属性不同的特点,通过中枢节点选择算法将部分节点作为中枢节点,并将其用于协助任务请求节点分发任务。在任务请求节点与中枢节点相遇时,同时给中枢节点本身和它的从属节点分配任务,并由中枢节点负责向从属节点分发任务与回收任务结果。基于The ONE模拟器进行实验,与在线任务分配(NTA)算法相比,HTA算法时间成本平均降低了24.9%,同时任务完成率平均提高150%。实验结果表明,HTA算法能够提高任务的完成速度,降低时间成本消耗。

移动群智感知中基于任务质量的多任务分发参与者选择

任务分发作为移动群智感知领域的关键研究问题是目前的热点和难点,针对该领域中多任务分发条件下的参与者选择方法进行研究,根据参与者的历史任务完成情况,利用参与者累计信誉以及参与意愿构建参与者服务质量模型(QoS).在最大化QoS的基础上,采用启发式贪心算法解决参与者的选择问题.提出以任务为中心和以用户为中心的两种选择方案,在算法中引入距离约束因子、完整度约束因子以及信誉度约束因子,在保证任务完成质量的前提下,尽可能提升平台最终收益和参与者的收益.对两种算法的可行性和有效性进行评估,与现有的算法在选择出的参与者人数、移动距离以及数据质量等方面进行详细对比,分析各种因素对选择结果的影响.在实验过程中,建立阶跃型数据定价模型,对参与者上传的数据质量进行量化对比.实验结果表明,所提出的算法较现有的算法在服务质量方面取得了很好的效果.