考虑工人培养的移动群智感知任务分配机制

来源：电子与信息学报杂志2023年第4期北京时间：

作者：吕翊, 王燕, 崔亚平, 何鹏, 吴大鹏, 王汝言

单位：1.重庆邮电大学通信与信息工程学院 重庆 4000652.先进网络与智能互联技术重庆市高校重点实验室 重庆 4000653.泛在感知与互联重庆市重点实验室 重庆 400065

摘要：移动群智感知(MCS)通过大量感知工人的移动性和工人随身携带的感知设备来收集数据，是一种新的大规模数据感知范式。现有大量研究致力于解决移动群智感知中的任务分配问题，使感知数据质量得以提高，但忽略了缺乏优质工人的感知任务，导致任务完成质量降低。为了解决上述问题，对于缺乏优质工人的感知任务，该文关注将经验不足的工人培养为优质工人，并令其执行这些感知任务，实现工人的长期复用，提高感知数据质量和长期平台效用。具体来说，该文考虑了缺乏优质工人的感知任务所需的能力和工人的能力类型，并据此应用稳定匹配算法选择待培养工人，提出一种基于能力聚合和半马尔可夫预测的多阶段工人选择培养(MWSD)算法。结果表明，相比基于区块链的非确定团队协作(BNTC)算法，该文所提算法能够有效将缺乏优质工人的感知任务的数据质量提高24%，长期平台效用提高17%。

关键词：移动群智感知, 任务分配, 工人培养, 工人选择

基金资助：国家自然科学基金(61771082, 61801065, 61871062, 61901070, 62061007, U20A20157)，重庆市教委科学技术研究项目(KJQN201900611, KJQN202000603)，重庆市高校创新研究群体(CXQT20017)，重庆市自然科学基金(cstc2020jcyj-zdxmX0024, cstc2021jcyj-msxmX0892)