检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

时空众包环境下时效均衡的在线任务分配算法

计算机应用 2019年第5期39卷 1357-1363页

作者：张兴盛余敦辉张万山王晨旭湖北大学计算机与信息工程学院武汉430062 湖北省教育信息化工程技术中心武汉430062

针对时空众包任务分配研究中单一考虑任务分配总效用或任务等待时间,导致总体分配效果不佳的问题,提出一种基于分配时间因子的动态阈值算法。首先,基于预估等待分配时间和已等待分配时间计算任务的分配时间因子;其次,综合考虑任务的回... 详细信息

针对时空众包任务分配研究中单一考虑任务分配总效用或任务等待时间,导致总体分配效果不佳的问题,提出一种基于分配时间因子的动态阈值算法。首先,基于预估等待分配时间和已等待分配时间计算任务的分配时间因子;其次,综合考虑任务的回报值和分配时间因子进行任务分配排序;然后,在初始值的基础上增加动态调整项为每一项任务设置阈值;最后,根据阈值条件为每一项任务设置候选匹配集,并从候选匹配集中选择匹配系数最大的候选匹配对加入结果集,完成任务分配。通过实验证明,该算法在任务分配率达到95.8%的情况下,与贪心算法相比,在分配总效用方面提升20.4%;与随机阈值算法相比,在分配总效用方面提升17.8%,在任务平均等待时间方面缩短13.2%;与基于两阶段框架模型的在线微任务分配改进(TGOA-Greedy)算法相比,在分配总效用方面提升13.9%。实验结果表明,该算法能够在提升任务分配总效用的同时缩短任务的平均等待时间,实现分配总效用与任务等待时间两者间的均衡。

关键词：时空众包在线任务分配任务分配总效用任务等待时间分配时间因子动态阈值算法

在线全文

学校读者我要写书评

暂无评论

时空众包环境下在线任务分配策略的研究

时空众包环境下在线任务分配策略的研究

作者：刘辉山东建筑大学

学位级别：硕士

随着移动互联网和O2O商业模式的发展以及智能移动设备的普及,时空众包平台如滴滴打车、饿了么等应用逐渐流行并与人们的生活密不可分。时空众包平台对响应实时性、任务分配合理性有较高的要求,任务分配的好坏将直接影响众包平台的表现... 详细信息

随着移动互联网和O2O商业模式的发展以及智能移动设备的普及,时空众包平台如滴滴打车、饿了么等应用逐渐流行并与人们的生活密不可分。时空众包平台对响应实时性、任务分配合理性有较高的要求,任务分配的好坏将直接影响众包平台的表现。基于以上原因,时空众包环境下的任务分配成为研究热点。故本文对时空众包环境下的任务分配的研究具有一定实际意义。在时空众包平台中,任务分配作为核心研究问题之一,旨在将随机出现的众包任务、众包工人及工作地点进行匹配,并得到最佳的效用。在时空众包的任务分配过程中,阈值算法起到了过滤低效用分配的关键性作用,往往能够决定整个众包平台获得的效用。在以往的研究中,贪心算法、随机阈值算法及自适应阈值算法的假设不能适应真实的众包环境,存在以下问题:主要关注阈值的设置,虽能够过滤效用较小的分配,但任务分配过程中仍存在一定的随机性,往往导致效用达不到预期的效果。因此需要优化现有的任务分配策略。本文的研究内容是:首先对众包进行简单的介绍,并对国内外的研究成果进行阐述,重点研究时空众包环境下的在线任务分配策略即阈值算法及区域划分算法。在分析阈值算法作用机制的基础上,发现了当数据分布不均匀时会出现获得效用较低的问题,提出了基于统计预测的自适应阈值算法和匹配策略,可以有效减少效用值的浪费。针对原有阈值算法使用单一阈值造成阈值调整不合理的问题,根据众包任务发起位置的特点及任务分布的特性,提出了ARD区域划分算法,可以更精确的过滤低回报值任务,提高获得的效用值。最后,本文搭建了实验平台并使用真实数据对算法进行了实验验证。根据实验结果,本文提出的任务分配算法可以有效提高众包平台的效用值。

关键词：时空众包在线任务分配阈值算法匹配策略区域划分统计预测

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

空间众包中可拒绝情况下的在线任务分配

浙江科技学院学报 2021年第3期33卷 227-233,247页

作者：林荟荟黄杰李玉万健浙江科技学院信息与电子工程学院杭州310023 杭州电子科技大学计算机学院杭州310018

现实中空间众包任务可能会遭到任务执行者的拒绝,为解决该问题提出动态可拒绝的空间众包处理方法。首先,为降低被拒绝的概率,运用主成分分析法(principal components analysis,PCA)计算任务执行者对任务的兴趣度;然后针对任务动态分配... 详细信息

现实中空间众包任务可能会遭到任务执行者的拒绝,为解决该问题提出动态可拒绝的空间众包处理方法。首先,为降低被拒绝的概率,运用主成分分析法(principal components analysis,PCA)计算任务执行者对任务的兴趣度;然后针对任务动态分配问题采用批处理模式解决,提出基于MaxFlow的排序算法(sequence algorithm base on MaxFlow,SMF)和基于KM算法(Kuhn-Munkres,KM)的不重复构造交替树算法(non-repetitive construction of alternating tree algorithm based on KM,NR-KM)寻找全局最大匹配下最高兴趣度分配方案;最后将贪心算法(greedy algroithm)、KM算法和SMF算法作为对照算法,与NR-KM算法在CPU时间成本、任务分配数量和任务分配兴趣度3个方面进行比较。结果表明NR-KM算法相对于KM算法、SMF算法在分配效率上分别提高11%和9%。可见,NR-KM算法能高效解决可拒绝情况下空间众包任务的分配,对解决空间众包任务涉及执行者意愿的分配问题具有参考价值。

关键词：空间众包兴趣度预测在线任务分配

基于多层框架模型的时空众包在线任务分配算法

在线全文

学校读者我要写书评

暂无评论

信息通信 2019年第1期32卷 22-25页

作者：张兴盛王晓晨吴珊湖北大学计算机与信息工程学院湖北武汉430062

近年来,移动互联设备的普及,像滴滴出行、百度外卖这类带有时空属性的众包平台逐渐走进人们的视野。时空众包环境下在线任务分配问题也受到了广大学者的关注,针对当前任务分配研究中算法性能不稳定,分配总效用不理想的问题,提出一种基... 详细信息

近年来,移动互联设备的普及,像滴滴出行、百度外卖这类带有时空属性的众包平台逐渐走进人们的视野。时空众包环境下在线任务分配问题也受到了广大学者的关注,针对当前任务分配研究中算法性能不稳定,分配总效用不理想的问题,提出一种基于多层框架模型的在线任务分配算法。首先根据时空众包平台上对象出现的顺序将任务分配整个过程划分为三个部分,然后针对不同部分的对象采取不同的分配策略进行任务分配。通过对真实数据处理进行仿真实验表明,基于多层框架模型的在线任务分配算法在确保算法执行时间的基础上具有更高的任务分配总效用,性能更加稳定。

关键词：时空众包在线任务分配贪心算法随机阈值算法多层框架模型

在线全文

学校读者我要写书评

暂无评论

多UCAV在线协同任务分配技术研究

多UCAV在线协同任务分配技术研究

作者：刘安焘西安电子科技大学

学位级别：硕士

在动态变化的战场环境中,在线协同任务分配技术是多无人作战飞机实现快速反应和高效协同的关键技术之一。本文从问题的描述与建模开始,分别以对地攻击任务和防空火力压制任务为背景,在有限集中的分布式控制体系中,重点研究了多无人作战... 详细信息

在动态变化的战场环境中,在线协同任务分配技术是多无人作战飞机实现快速反应和高效协同的关键技术之一。本文从问题的描述与建模开始,分别以对地攻击任务和防空火力压制任务为背景,在有限集中的分布式控制体系中,重点研究了多无人作战飞机在线协同任务分配中威胁区约束、协同约束和时序约束的处理方法,并进行了仿真与试验验证。首先,阐述了多无人作战飞机在线协同任务分配问题的实时性、分布性和复杂性,分析了多无人作战飞机协同作战系统的控制结构,在此基础上对多无人作战飞机在线协同任务分配问题的相关概念进行了定义和描述,并建立了相应的数学模型。其次,考虑到战场威胁对任务分配问题的影响,给出了基于改进RRT算法的在线航路预估方法,在基本的RRT算法中加入了启发式估价函数,改进了新节点生成的采样策略。采取回归分析的方法解决局部最优问题,有效地解决了基本RRT算法随机性大,规划路径重复性差的缺点,实现了最优性和快速性的有效折中。再次,着眼于协同约束处理,以多无人作战飞机协同执行对地攻击任务为背景,针对算法CBBA要求一个任务只能分配给一个Agent的缺陷,采取将需要多架无人作战飞机协同执行的目标进行复制,而后依据CBBA算法框架分别求解的方法,实现了多无人作战飞机在线协同任务分配的目的,同时设计了综合考虑路径距离和威胁代价的评价函数,对基于改进RRT的在线航路预估方法在CBBA框架下进行了验证。最后,着眼于时序约束处理,结合多无人作战飞机协同执行防空火力压制任务的需求,对基于招聘的任务分配算法进行了改进。一方面为每架无人作战飞机设置任务路径,任务分配按照任务间时序约束的优先级依次进行,另一方面,任务分配过程中,计算每个任务的开始时间和完成时间,要求无人作战飞机到达任务的时间必须大于或者等于其前继任务的完成时间。实现了防空火力压制任务的快速在线分配,同时最大限度地减少了无人作战飞机协同执行任务时的等待时间。

关键词：无人作战飞机航路预规划防空火力压制在线任务分配 CBBA算法

基于Lyapunov优化理论的在线感知任务分配机制设计与优化

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于Lyapunov优化理论的在线感知任务分配机制设计与优化

作者：段佳昂浙江师范大学

学位级别：硕士

5G通信使得基于便携式移动设备和数字信号的新型传感技术的出现,促进物联网、云计算、大数据等技术飞速发展,从而衍生出了更多大规模、便携的分布式数据收集、数据处理方式。在数据不断膨胀、对用户开放性扩大的场景下,有效的智能感知... 详细信息

5G通信使得基于便携式移动设备和数字信号的新型传感技术的出现,促进物联网、云计算、大数据等技术飞速发展,从而衍生出了更多大规模、便携的分布式数据收集、数据处理方式。在数据不断膨胀、对用户开放性扩大的场景下,有效的智能感知任务分配机制成为了控制资源分配、节省成本的一种有力手段。但是固定的分配方式、参与者信息的不完全性都阻碍了任务分配机制的设计,其根本原因在于系统缺乏针对于随机参与者的动态调整,线下模式的任务分配机制往往过于理想化,实际中具有参与者完全信息的情况微乎其微。因此,设计一种在线感知任务分配机制从而有效激励参与者参与任务,动态调整分配方式以最大化系统优化目标是必要的。针对移动群智感知中扫描覆盖和稳定性控制两个亟需解决的关键问题,提出了一种公平的在线任务分配机制,该机制由在线评级协议和稳定性管控策略组成。其中,在线评级协议集成了任务质量,评级更新,共谋识别和支付确定,可同时处理参与者的搭便车行为和共谋行为。稳定性管控策略针对任务和参与者的未来信息无法预测场景,仅依靠当前信息来做出决策,在比例公平约束下最大化社会收益和平衡网络稳定性。最终,通过严格的理论分析和与两个基准实验比较,从调节参数,参与者人数,任务的到达率对社会收益的影响,CPU时间与内在参数的关系和队列稳定性和社会收益随时间变化情况三个方面共同证明了本文提出的在线感知任务分配机制的正确性和有效性。针对基于联邦学习边缘计算中的在线任务分配问题,提出了两种基于Lyapunov的在线任务分配控制策略FedOCA和LDRL-Fed,根据结点数据集状态智能地选择边缘结点来参与每一轮模型训练任务。其中,FedOCA是一种在线任务分配控制策略,针对边缘结点数据的未来信息无法预测问题,基于Lyapunov优化理论仅依靠当前信息来制定独立的在线控制策略,可以有效地将模型分配给边缘结点,并且在每个回合动态调整分配策略,从理论上证明了该算法中队列的有界性、稳定性以及最优界限。针对Non-IID数据对联邦学习的收敛精度问题,提出了一种基于深度强化学习的任务分配策略LDRL-Fed,以提高面向Non-IID数据的收敛速率精度。本文从理论方面严格证明了策略可行性。基于MNIST和Fashion MNIST两个数据集,我们将本文提出的策略与Fedavg对比,从数据Non-IID程度、训练轮次和数量批次、结点数量验证了在线任务分配机制的正确性和有效性。

关键词：在线任务分配 Lyapunov优化理论移动群智感知联邦学习

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

空间众包下面向任务需求的在线三类分配策略

软件导刊 2023年第1期22卷 165-170页

作者：陈天一高丽萍上海理工大学光电信息与计算机工程学院上海200093

目前,有关任务分配的研究主要集中于任务和工作者两种角色,通常假设任务都是同质的,忽略了任务需求和配送地点对任务分配的影响。为解决任务指定配送点附近工作者较少导致移动成本和执行时间过高的问题,提出一种基于贪心的延时匹配算法... 详细信息

目前,有关任务分配的研究主要集中于任务和工作者两种角色,通常假设任务都是同质的,忽略了任务需求和配送地点对任务分配的影响。为解决任务指定配送点附近工作者较少导致移动成本和执行时间过高的问题,提出一种基于贪心的延时匹配算法。一方面,利用任务等待时间获取更多优质工作者以提高分配效果;另一方面,通过自适应阈值和约束条件设置快速筛选匹配对以减小遍历规模并加快分配效率。最后,在不同参数分布下的模拟数据集和真实数据集上对所提出的算法开展实验分析,证明所该方法具有可行性和有效性。

关键词：空间众包在线任务分配移动成本贪心算法

一种基于时空位置预测的空间众包任务分配方法

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

计算机研究与发展 2022年第2期59卷 310-328页

作者：徐天承乔少杰武俊韩楠岳昆易玉根黄发良元昌安成都信息工程大学软件工程学院成都610225 西南财经大学证券与财经学院成都610074 成都信息工程大学管理学院成都610225 云南大学信息学院昆明650500 江西师范大学软件学院南昌330022 南宁师范大学计算机与信息工程学院南宁530023 广西教育学院南宁530023

空间众包技术在现实物理世界中有着丰富的应用场景,得到学术界和工业界的广泛关注.任务分配是空间众包的主要研究问题之一,即把工人分配给合适的任务.但是现有的任务分配方法大多假设众包工人和空间任务出现的位置和时间是已知的,忽略... 详细信息

空间众包技术在现实物理世界中有着丰富的应用场景,得到学术界和工业界的广泛关注.任务分配是空间众包的主要研究问题之一,即把工人分配给合适的任务.但是现有的任务分配方法大多假设众包工人和空间任务出现的位置和时间是已知的,忽略了真实的众包平台中众包工人和空间任务的动态变化,由于空间众包平台的强时效性,这种情况下设计的分配方式只能得到局部最优分配结果.提出最大价值最小成本任务分配的新问题,目标是对当前和未来的工人进行分配,使用最小的移动成本获得最大的分配价值.为解决这一问题,提出了基于轨迹的任务分布预测方法及基于核密度估计的工人分布预测方法,设计基于位置预测的任务分配算法来计算众包工人和空间任务的相对最优分配策略.所提位置预测方法利用图卷积神经网络和ConvLSTM模型进行预测,相较传统基于网格的位置分布预测更加精确和稳定.基于位置预测的启发式分配算法可以在线性时间内结合预测得到的位置信息完成任务分配,更加契合空间众包平台的强时效性.在真实数据集上进行大量实验来证明所提方法的有效性,相比于基于网格的预测方法,任务/工人位置预测准确率分别提高了15.7%和18.8%.

关键词：空间众包在线任务分配空间数据智能位置预测最小成本

在线全文

学校读者我要写书评

暂无评论

基于动态阈值的时空众包在线分配算法

计算机应用 2020年第3期40卷 658-664页

作者：余敦辉袁旭张万山王晨旭湖北大学计算机与信息工程学院武汉430062 湖北省教育信息化工程技术中心武汉430062

为提升时空众包动态现实场景中任务分配总效用,提出一种基于在线随机森林的动态阈值算法(DTRF)。首先,根据众包平台中工人和任务的历史匹配数据初始化在线随机森林;然后,通过在线随机森林预测每位工人期望的任务回报率作为阈值,按阈值... 详细信息

为提升时空众包动态现实场景中任务分配总效用,提出一种基于在线随机森林的动态阈值算法(DTRF)。首先,根据众包平台中工人和任务的历史匹配数据初始化在线随机森林;然后,通过在线随机森林预测每位工人期望的任务回报率作为阈值,按阈值为每个工人选取候选匹配集;最后,从候选匹配集中选取当前效用总和最高的匹配,同时用分配结果更新在线随机森林。实验结果表明,所提算法在提升总效用的同时有效地提高了工人的平均收益。与贪心算法相比,所提算法的任务分配率提升了4.1%,总效用提升了18.2%,工人平均收益提升了11.2%。与随机阈值算法相比,所提算法在任务分配率、总效用、工人平均收益等方面都有较好的提升,且稳定性更好。

关键词：时空众包在线任务分配分配总效用在线随机森林动态阈值算法