面向大规模数据决策的在线随机任务分配算法

针对在可信度阈值0.52~0.82范围内在线随机任务分配的任务答案平均可信度较低的问题,提出了一种面向大规模数据决策的在线随机任务分配算法。首先基于大规模数据决策对每个用户及任务进行描述,以实现整体任务的描述;然后以质量控制、成本控制和时间控制为任务控制内容实现在线随机任务控制;最后根据任务控制结果设计一种在线随机任务分配算法,并将本文算法与基于Carrel平台的在线随机任务分配算法、面向移动群智感知的位置相关在线多任务分配算法进行了比较。结果表明:在随机任务分配条件下,本文算法在200个任务时的任务答案平均可信度为98%,且比上述两种算法均有显著提高,本文算法在任务分配应用方面具有更好的应用性能。